Para agentes de IA: um índice de documentação está disponível em https://www.mongodb.com/pt-br/docs/llms.txt — as versões de markdown de todas as páginas estão disponíveis anexando .md a qualquer caminho de URL.

Use extensões de IA do Vertex para queries do MongoDB em linguagem natural

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.

Diagrama do fluxo de trabalho com extensões Vertex AI e MongoDB Atlas

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.

Antes de começar, você deve ter o seguinte:

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.

1

No console da Google Cloud Platform, abra a página Cloud Run e clique em Write a function.

2
  1. Especifique um nome de função e região do Google Cloud Platform onde você deseja implantar sua função.

  2. Selecione a versão mais recente de Python disponível como Runtime.

  3. No site Authentication section, selecione Allow unauthenticated invocations.

  4. Use os valores padrão para as configurações restantes e clique em Next.

Para obter etapas de configuração detalhadas, consulte a documentação do Cloud Run.

3

Cole o seguinte código em seus respectivos arquivos:

4
  1. Renomeie o Entry Point como mongodb_crud.

  2. Clique em Deploy para implantar a função.

  3. Copie e armazene o ponto de extremidade HTTPS para acionar a função da nuvem localmente.

  4. Navegue até a página Details da função e copie e armazene o nome da conta de serviço utilizado pela função.

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.

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: