이 페이지에서는 LangChain을 사용하여 LLM 기반 애플리케이션을 빌드하는 방법을 소개합니다. 이 페이지의 개요는 GitHub의 절차 가이드로 연결됩니다.
LangChain이란 무엇인가요?
LangChain은 개발자가 생성형 AI 애플리케이션 또는 검색 증강 생성(RAG) 워크플로를 빌드할 수 있도록 도와주는 LLM 조정 프레임워크로서, 복잡한 대규모 언어 모델 (LLM) 워크플로를 간소화하는 구조, 도구, 구성요소를 제공합니다. LLM, 사용 사례, Google에서 제공하는 특정 모델 및 서비스에 관한 자세한 내용은 Google Cloud의 LLM 개념 및 서비스 개요를 참고하세요.
LangChain에 대한 자세한 내용은 Google LangChain 페이지를 참조하세요. LangChain 프레임워크에 대한 자세한 내용은 LangChain 제품 문서를 참조하세요.
AlloyDB용 LangChain 구성요소
AlloyDB용 LangChain 빠른 시작에서 LangChain 사용 방법을 알아보세요. 이 빠른 시작에서는 사용자가 영화 데이터와 상호작용할 수 있도록 Netflix Movie 데이터 세트에 액세스하는 애플리케이션을 만듭니다.
AlloyDB용 벡터 저장소
벡터 저장소는 벡터 데이터베이스에서 문서와 메타데이터를 검색하고 저장합니다. 벡터 저장소를 사용하면 애플리케이션에서 사용자 쿼리의 의미를 해석하는 시맨틱 검색을 수행할 수 있습니다. 이러한 유형의 검색을 벡터 검색이라고 하며, 이를 통해 개념적으로 쿼리와 일치하는 주제를 찾을 수 있습니다. 쿼리 시 벡터 저장소는 검색 요청의 임베딩과 가장 유사한 임베딩 벡터를 검색합니다. LangChain에서 벡터 저장소는 임베딩된 데이터를 저장하고 벡터 검색을 수행합니다.
AlloyDB에서 벡터 저장소를 사용하려면 AlloyDBVectorStore 클래스를 사용합니다.
자세한 내용은 LangChain 벡터 저장소 제품 문서를 참고하세요.
벡터 저장소 절차 가이드
벡터 저장소용 AlloyDB 가이드에서는 다음 작업을 수행하는 방법을 보여줍니다.
- 통합 패키지 및 LangChain 설치
AlloyDBEngine객체를 만들고 AlloyDB 데이터베이스에 대한 연결 풀 구성하기- 벡터 저장소의 테이블 초기화
VertexAIEmbeddings를 사용하여 임베딩 서비스 설정AlloyDBVectorStore초기화- 문서 추가 및 삭제
- 유사한 문서 검색
- 벡터 색인을 추가하여 검색 성능 개선
- 벡터 임베딩이 포함된 테이블이 있는 기존 PostgreSQL용 AlloyDB 데이터베이스에 연결할 커스텀 벡터 저장소 만들기
AlloyDB용 문서 로더
문서 로더는 LangChain Document 객체를 저장, 로드, 삭제합니다. 예를 들어 임베딩으로 처리할 데이터를 로드하고 벡터 저장소에 저장하거나 체인에 특정 컨텍스트를 제공하는 도구로 사용할 수 있습니다.
AlloyDB에서 문서를 로드하려면 AlloyDBLoader 클래스를 사용합니다. AlloyDBLoader는 페이지 콘텐츠의 첫 번째 열과 메타데이터의 다른 모든 열을 사용하여 테이블의 문서 목록을 반환합니다. 기본 테이블은 첫 번째 열을 페이지 콘텐츠로, 두 번째 열을 JSON 메타데이터로 사용합니다. 각 행이 문서가 됩니다. 이러한 설정을 맞춤설정하는 방법은 절차 가이드를 참고하세요.
문서를 저장 및 삭제하려면 AlloyDBSaver 클래스를 사용합니다.
자세한 내용은 LangChain 문서 로더 주제를 참조하세요.
문서 로더 절차 가이드
문서 로더용 AlloyDB 가이드에서는 다음 작업을 수행하는 방법을 보여줍니다.
- 통합 패키지 및 LangChain 설치
- 테이블에서 문서 로드
- 로더에 필터 추가
- 연결 및 인증 맞춤설정
- 고객 콘텐츠 및 메타데이터를 지정하여 문서 생성 맞춤설정
AlloyDBSaver를 사용하고 맞춤설정하여 문서를 저장하고 삭제하는 방법
AlloyDB의 채팅 메시지 기록
질의응답 애플리케이션의 경우 사용자의 추가 질문에 대답하기 위해 애플리케이션 컨텍스트를 제공하려면 대화에서 말한 내용의 기록이 필요합니다. LangChain ChatMessageHistory 클래스를 사용하면 애플리케이션이 메시지를 데이터베이스에 저장하고 필요할 때 가져와 추가 대답을 생성할 수 있습니다. 메시지는 질문, 대답, 서술, 인사말 또는 대화 중에 사용자 또는 애플리케이션이 제공하는 기타 텍스트일 수 있습니다.
ChatMessageHistory가 각 메시지를 저장하고 각 대화의 메시지를 함께 연결합니다.
AlloyDB는 AlloyDBChatMessageHistory로 이 클래스를 확장합니다.
채팅 메시지 기록 절차 가이드
채팅 메시지 기록용 AlloyDB 가이드에서는 다음 작업을 수행하는 방법을 보여줍니다.
- 통합 패키지 및 LangChain 설치
AlloyDBEngine객체를 만들고 AlloyDB 데이터베이스에 대한 연결 풀 구성하기- 테이블 초기화
AlloyDBChatMessageHistory클래스를 초기화하여 메시지 추가 및 삭제- LangChain Expression Language(LCEL)를 사용하여 메시지 기록 체인 만들기