Atlas 와 Google Vertex AI 통합

MongoDB Vector Search 인덱스 생성합니다.

벡터 임베딩에 대한 쿼리를 활성화 하려면 Atlas cluster 의 vertexaiApp.chat-vec 네임스페이스 에 vector_index 이라는 이름의 MongoDB Vector Search 인덱스 만들어야 합니다. 기본값 설정을 사용하고 768 차원을 지정합니다.

자세한 학습 은 벡터 검색을 위한 필드 인덱싱 방법을 참조하세요.

샘플 애플리케이션을 가져옵니다.

SSH를 사용하여 VM 인스턴스에 연결합니다. 환경에서 애플리케이션 코드가 포함된 GitHub 리포지토리를 복제하세요.

git clone https://github.com/mongodb-partners/MongoDB-VertexAI-Qwiklab.git

복제한 리포지토리에서 종속성을 설치하세요.

다음 명령을 실행하여 종속성을 설치합니다.

sudo apt update
sudo apt install python3-pip
sudo apt install git
cd MongoDB-VertexAI-Qwiklab
pip3 install -r requirements.txt

Streamlit을 사용하여 애플리케이션을 실행합니다.

streamlit run app.py

애플리케이션에 액세스합니다.

명령 출력에 표시된 포트와 함께 웹 브라우저에서 VM의 공용 IP 주소를 엽니다.

애플리케이션의 인터페이스를 사용하여 PDF 문서를 업로드하세요.

애플리케이션에서 검색할 PDF 데이터를 업로드합니다.

리포지토리에는 사용할 수 있는 샘플 PDF 파일이 포함되어 있습니다. 앱은 데이터를 배치로 나누고, Vertex AI의 임베딩 모델을 사용하여 각 청크를 벡터 임베딩으로 변환한 후, 이 데이터를 Atlas 컬렉션에 삽입합니다.

데이터에 대한 질문에 답하세요.

1. 애플리케이션에서 Q&A 탭을 클릭합니다.

2. 검색 창에 질문을 입력한 다음 Enter을(를) 누릅니다.

   이 애플리케이션은 컬렉션에서 벡터 검색 쿼리를 실행하여 가장 관련성이 높은 문서를 조회하는 방식으로 RAG 를 수행한 다음, Vertex AI의 채팅 모델을 사용하여 컨텍스트 인식 응답을 생성합니다.