Observação
As extensões Vertex AI estão em versão prévia e sujeitas a alterações. Entre em contato com seu representante do Google Cloud para aprender como acessar este recurso.
Além de usar a Vertex AI com o MongoDB Vector Search para implementar o RAG, você pode usar as extensões da Vertex AI para personalizar ainda mais como você usa os modelos da Vertex AI para interagir com o Atlas. Neste tutorial, você cria uma extensão Vertex AI que permite consultar seus dados no Atlas em tempo real usando linguagem natural.

Plano de fundo
Este tutorial utiliza os seguintes componentes para habilitar consultas em linguagem natural com o Atlas:
SDK do Vertex AI do Google Cloud Platform para gerenciar modelos de IA e habilitar extensões personalizadas para o Vertex AI. Este tutorial utiliza o Gêmeos 1.5 Modelo Pro.
Google Cloud Run para implantar uma função que serve como um ponto de extremidade de API entre o Vertex AI e o Atlas.
Especificação OpenAPI 3 para a API do MongoDB para definir como as queries de linguagem natural são mapeadas para operações do MongoDB. Para saber mais, consulte Especificação OpenAPI.
Vertex AI Extensions para permitir a interação em tempo real com o Atlas a partir da Vertex AI e configurar como as queries de linguagem natural são processadas.
Google Cloud Secrets Manager para armazenar suas chaves de API do MongoDB.
Observação
Para obter instruções detalhadas de código e configuração, consulte o repositório do GitHub para este exemplo.
Pré-requisitos
Antes de começar, você deve ter o seguinte:
Uma conta do MongoDB Atlas . Para se inscrever, use o Google Cloud Platform Marketplace ou registre uma nova conta.
Um cluster do Atlas com o conjunto de dados de amostra carregado. Para saber mais, consulte Criar um cluster Atlas Infinite ou Atlas Core.
Um projetodo Google Cloud Platform.
Um bucket do Google Cloud Storage para armazenar a especificação do OpenAPI.
As seguintes APIs habilitadas para seu projeto:
API de construção na nuvem
API de funções da nuvem
API de registro na nuvem
API do Cloud Pub/Sub
Um ambiente Colab Enterprise.
Criar uma função do Google Cloud Run
Nesta seção, você cria uma função do Google Cloud Run que serve como um ponto de extremidade da API entre a Extensão Vertex AI e seu cluster Atlas. A função lida com a autenticação, conecta-se ao seu cluster do Atlas e realiza operações de banco de dados com base nas solicitações do Vertex AI.
Crie uma nova função.
No console da Google Cloud Platform, abra a página Cloud Run e clique em Write a function.
Configure a função.
Especifique um nome de função e região do Google Cloud Platform onde você deseja implantar sua função.
Selecione a versão mais recente de Python disponível como Runtime.
No site Authentication section, selecione Allow unauthenticated invocations.
Use os valores padrão para as configurações restantes e clique em Next.
Para obter etapas de configuração detalhadas, consulte a documentação do Cloud Run.
Crie uma extensão de IA da Vertex
Nesta seção, você cria uma extensão Vertex AI que habilita consultas de linguagem natural em seus dados no Atlas usando o Gemini 1.5 Modelo Pro. Esta extensão usa uma especificação OpenAPI e a função Cloud Run que você criou para mapear a linguagem natural para operações de banco de dados e consultar seus dados no Atlas.
Para implementar esta extensão, você utiliza um notebook Python interativo, que permite executar trechos de código Python individualmente. Para este tutorial, você cria um notebook chamado mongodb-vertex-ai-extension.ipynb em um ambiente Colab Enterprise.
Executar queries de linguagem natural
No Vertex AI, clique em Extensions no menu de navegação à esquerda. Sua nova extensão chamada MongoDB Vertex API Interpreter aparece na lista de extensões.
Os exemplos a seguir demonstram duas consultas de linguagem natural diferentes que você pode usar para consultar seus dados no Atlas:

