Gemini Enterprise 에이전트 플랫폼의 Agent Search
몇 달이 아닌 몇 시간 만에 자체 데이터를 위한 Google 품질 검색 빌드
Gemini Enterprise Agent Platform(이전 명칭: Vertex AI Search)의 Agent Search는 개발자가 웹사이트, 정형 및 비정형 데이터를 위한 Google 수준의 고품질 검색 환경을 구축하는 데 도움을 줍니다. 또한 생성형 AI 에이전트 및 앱 빌드를 위한 즉시 사용 가능한 그라운딩 시스템과 DIY 그라운딩 API를 제공합니다.
개요
Agent Search란 무엇인가요?
Agent Search는 엔터프라이즈 데이터를 사용하는 모든 생성형 AI 애플리케이션의 구성요소가 될 수 있는 Google 검색 수준의 정보 검색 및 답변 생성 시스템입니다.
기업이 Agent Search를 활용할 수 있는 두 가지 주요 기회는 다음과 같습니다.
첫 번째 기회는 인트라넷과 고객 대면 웹사이트 전반에서 검색 환경의 품질을 높이는 것입니다. Agent Search를 사용하면 번거로운 키워드 검색 유형에서 벗어나 Google의 새로운 생성형 검색 환경과 유사한 최신 대화형 검색 환경으로 전환할 수 있습니다. 웹페이지에 검색 위젯을 추가하는 것만큼이나 쉽습니다.
두 번째 기회는 Agent Search를 사용하여 생성형 AI 애플리케이션을 기업 데이터에 적용하여 품질을 개선하는 것입니다. 여기서 Gemini Enterprise 에이전트 플랫폼은 검색 증강 생성(RAG)을 위한 즉시 사용 가능한 시스템 역할을 수행합니다.
Agent Search를 RAG 시스템으로 사용할 수 있나요?
예, 가능합니다. 오늘날 RAG에 대한 기대가 큽니다. RAG는 LLM을 데이터 검색 시스템, 즉 검색엔진과 결합하는 아키텍처입니다. 회사 자체 데이터에 LLM 응답을 기반으로 하여 정확성, 신뢰성, 관련성을 향상시켜 주며 이는 실제 비즈니스 애플리케이션에 매우 중요합니다. 검색 증강 생성 기반 검색을 직접 만들 수도 있지만 이 과정은 매우 복잡할 수 있습니다. Agent Search는 정보 검색을 위해 즉시 사용 가능한 RAG 시스템 역할을 합니다. Agent Search 내부에서 ETL, OCR, 청크 처리, 임베딩, 색인 생성, 저장, 입력 정리, 스키마 조정, 정보 검색, 요약을 관리하는 엔드 투 엔드 검색 및 탐색 프로세스를 클릭 몇 번으로 간소화했습니다. 따라서 Agent Search를 검색엔진으로 사용하여 RAG 기반 앱을 매우 쉽게 빌드할 수 있습니다.
Agent Search에 업종별로 특화된 제품이 있나요?
Agent Search에는 제품 카탈로그, 미디어 라이브러리, 임상 데이터 저장소 검색과 같은 고유한 업계 요구사항에 맞게 조정된 전문 서비스가 있습니다. Gemini Enterprise for Customer Experience의 AI Commerce Search는 소매업체가 자신의 채널에서 검색, 제품 추천, 탐색 환경을 개선할 수 있는 기능을 제공합니다.미디어용 Agent Search는 미디어 및 엔터테인먼트 기업에게 생성형 AI를 기반으로 하는 더욱 맞춤설정된 콘텐츠 추천을 제공할 수 있는 기능을 제공하므로 소비자가 플랫폼에서 머무는 시간을 늘려 참여, 수익, 유지를 높일 수 있습니다. 의료 및 생명과학용 Agent Search는 의료업계에 맞춰 조정된 검색으로, 환자와 의료인의 경험을 개선합니다.
Agent Search를 사용하여 고유한 RAG 시스템을 빌드할 수 있나요?
DIY 그라운딩을 위해 제대로 작동하는 RAG 시스템을 개발하는 것은 복잡할 수 있습니다. 이 문제를 해결하기 위해 Agent Platform은 개발자가 맞춤형 DIY 솔루션을 만들고 유지관리하는 데 도움이 되는 포괄적인 API 집합을 제공합니다. 이러한 API는 즉시 사용 가능한 Agent Search 시스템의 기본 구성요소를 노출하므로 개발자가 커스텀 사용 사례를 해결하거나 세밀한 제어를 원하는 고객에게 서비스를 제공할 수 있습니다. 여기에는 Document AI Layout Parser API, Ranking API, Grounded Generation API, Check Grounding API가 포함됩니다.
임베딩을 처음부터 사용하여 고유한 벡터 데이터베이스를 만들고 싶습니다. Agent Platform에서 벡터 검색을 제공하나요?
Agent Search를 사용하면 조직과 개발자가 검색엔진을 즉시 설정할 수 있습니다. 이러한 검색엔진은 대부분의 기업 니즈에 적합한 맞춤설정을 제공하며 임베딩에 대한 자동 미세 조정 기능도 제공합니다. 경우에 따라 커스텀 임베딩이 있을 수 있으며 Agent Search는 자체 임베딩과 잘 작동합니다. 그러나 추천 및 광고 게재와 같은 틈새 사용 사례를 지원하기 위해 고성능 벡터 데이터베이스를 직접 제어해야 하는 고급 개발자는 Agent Search에서 사용하는 벡터 데이터베이스인 벡터 검색을 사용 사례의 구성요소로 사용할 수 있습니다. 개발자가 코딩 없이 색인을 만들고 배포할 수 있도록 최근 벡터 검색의 사용자 환경을 업데이트했습니다. 또한 소규모 데이터 세트에 대한 색인 생성 지연 시간이 몇 시간에서 분 단위로 크게 감소했습니다.
Agent Search를 선택해야 하는 이유
Agent Search를 사용하면 애플리케이션에 고품질 AI 기반 검색 환경을 훨씬 더 쉽게 빌드할 수 있습니다. Google의 심층적인 전문성과 수십 년간의 시맨틱 검색 경험을 바탕으로 빌드되어 더욱 관련성 높은 검색 결과를 제공합니다. 이는 엔터프라이즈 데이터를 사용하는 앱의 정보 검색 품질을 향상시킵니다. 맞춤설정 옵션을 통해 특정 요구사항에 맞춰 검색 환경을 조정할 수 있으며, 강력한 엔터프라이즈급 기능으로 확장성, 개인 정보 보호, 거버넌스 문제를 해결합니다. Agent Search는 보다 전문화된 사용 사례를 위해 소매업, 미디어, 의료 분야의 업종별 제품과 DIY 벡터 검색 기능을 제공합니다.
Agent Search는 어떤 방식으로 Google 품질 결과를 제공하나요?
Agent Search는 시맨틱 검색을 포함한 다양한 Google 검색 기술로 뒷받침됩니다. 시맨틱 검색은 자연어 처리 및 머신러닝 기술을 통해 사용자의 쿼리 입력에서 콘텐츠 및 인텐트 내 관계를 추론하므로 기존 키워드 기반 검색 기술보다 관련성 높은 결과를 제공합니다. 또한 Agent Search는 사용자의 검색 방식을 이해하는 Google의 전문성 및 표시되는 검색결과 순서에 대한 콘텐츠 관련성의 요소를 활용합니다.
Agent Search를 이용하려면 어떻게 해야 하나요?
Agent Search가 이제 정식 버전으로 제공됩니다. Google Cloud 콘솔을 통해 액세스할 수 있습니다. 도움이 필요하거나 프리뷰 기능에 액세스하려면 언제든지 Google Cloud 영업팀에 문의하세요.
Agent Search는 어떤 생성형 AI 기능을 제공하나요?
에이전트 검색은 파운데이션 모델을 기반으로 합니다. 즉, 고객에게 멀티턴(후속 질문을 쉽게 할 수 있는 기능), 멀티모달(텍스트 외에도 이미지를 사용하여 검색), Google의 생성형 검색 환경과 유사한 몰입형 검색 환경을 제공할 수 있습니다. 고객이나 직원이 검색 결과 상단에서 지식 발견에 도움이 되는 인용 및 데이터 소스 링크가 포함된 깔끔한 요약을 볼 수 있습니다.
Agent Search를 사용하는 동안 내 데이터 개인 정보가 보호되나요?
예, Google Cloud의 Agent Search를 사용하면 데이터가 클라우드 인스턴스에서 안전하게 보호됩니다. Google은 모델 학습 또는 명시적으로 승인하지 않은 다른 목적으로 사용자 데이터에 액세스하거나 데이터를 사용하지 않습니다. 또한 Agent Search는 HIPAA, ISO 27000 시리즈, SOC -1/2/3와 같은 특정 업계 규정 준수 표준도 충족합니다. Google은 Google 직원의 데이터 관리 액세스 권한을 고객에게 알리기 위해 액세스 투명성에 대한 지원을 확대하고 있습니다. Virtual Private Cloud Service Controls를 사용하면 고객 또는 직원이 데이터에 침투하거나 유출하는 것을 방지할 수 있습니다. 또한 고객 관리 암호화 키(CMEK)가 프리뷰 버전으로 제공되므로 고객이 자체 암호화 키로 핵심 콘텐츠를 암호화할 수 있습니다.
Agent Search는 어떻게 결과의 관련성을 보장하나요?
Agent Search의 모든 검색결과는 사용자가 액세스 권한을 제공한 기업 데이터 또는 애플리케이션을 기반으로 합니다. Google Cloud는 Agent Search를 사용하여 빌드된 애플리케이션에서 검색 결과를 즉시 활용할 수 있는 기반을 제공합니다. 또한 Agent Search는 생성된 요약에 대한 인용 및 링크를 제공하므로 제공된 정보를 사용자가 확인할 수 있습니다. 어떤 데이터 소스를 사용할 것인지 완전히 제어할 수 있으며 주제에서 벗어난 질문에 대한 응답을 프로그래밍할 수도 있습니다.
Agent Search는 어떻게 결과를 최신 상태로 유지하나요?
Agent Search는 Gemini Enterprise Agent Platform 확장 프로그램 및 데이터 커넥터를 통해 퍼스트 파티, Google, 서드 파티 애플리케이션에 연결할 수 있습니다. Agent Platform의 확장 프로그램은 사용자 대신 데이터를 수집하고 트랜잭션을 유도하는 데 도움이 되며 데이터 커넥터는 Jira, Confluence, Salesforce와 같은 주요 애플리케이션에 읽기 전용 액세스 권한으로 데이터를 수집합니다. Agent Platform 확장 프로그램과 데이터 커넥터를 함께 사용하면 검색엔진 전반에서 데이터를 최신 상태로 유지할 수 있습니다.
생성형 AI 기반 검색 제공
Agent Search 시작하기
Agent Search는 심층 정보 검색, 최첨단 자연어 처리, 최신 대규모 처리 기능을 결합하여 사용자 의도를 파악하고 사용자와 관련성이 가장 높은 결과를 반환합니다.
이 튜토리얼에서는 웹사이트, 정형 데이터, 비정형 데이터의 각 데이터 유형별로 하나씩 세 개의 검색 앱을 만드는 방법을 설명합니다.
오른쪽 동영상에서 개요를 확인하고 아래의 제품 문서 링크로 이동하여 자세한 안내를 확인하세요.
방법
Agent Search 시작하기
Agent Search는 심층 정보 검색, 최첨단 자연어 처리, 최신 대규모 처리 기능을 결합하여 사용자 의도를 파악하고 사용자와 관련성이 가장 높은 결과를 반환합니다.
이 튜토리얼에서는 웹사이트, 정형 데이터, 비정형 데이터의 각 데이터 유형별로 하나씩 세 개의 검색 앱을 만드는 방법을 설명합니다.
오른쪽 동영상에서 개요를 확인하고 아래의 제품 문서 링크로 이동하여 자세한 안내를 확인하세요.
벡터 검색 및 임베딩으로 DIY
벡터 검색으로 추천 엔진 빌드
수십억 개의 항목에서도 비슷한 항목을 몇 초 만에 찾을 수 있습니다. 벡터 검색은 추천, 챗봇 등을 위한 강력한 시맨틱 일치를 제공합니다. 벡터 검색을 사용하여 추천 엔진을 빌드하는 방법을 살펴보겠습니다.
- 임베딩 생성: 항목의 숫자 표현(임베딩)을 만들어 시맨틱 관계를 포착합니다. 이 작업은 외부에서 수행하거나 Gemini Enterprise Agent Platform의 생성형 AI를 사용할 수 있습니다.
- Cloud Storage에 업로드: 벡터 검색에서 액세스할 수 있도록 Cloud Storage에 임베딩을 저장합니다.
- 벡터 검색에 연결: 최근접 이웃 검색을 수행할 수 있도록 벡터 검색에 임베딩을 연결합니다.
- 색인 만들기 및 배포: 임베딩에서 색인을 빌드하고 쿼리를 위해 엔드포인트에 배포합니다.
- 추천 쿼리: 색인 엔드포인트를 사용하여 근사 최근접 이웃을 쿼리하여 쿼리와 의미상 유사한 항목을 찾습니다.
- 평가 및 조정: 결과를 평가하고 정확성과 성능을 보장하기 위해 필요에 따라 알고리즘의 매개변수 또는 확장을 미세 조정합니다.
방법
벡터 검색으로 추천 엔진 빌드
수십억 개의 항목에서도 비슷한 항목을 몇 초 만에 찾을 수 있습니다. 벡터 검색은 추천, 챗봇 등을 위한 강력한 시맨틱 일치를 제공합니다. 벡터 검색을 사용하여 추천 엔진을 빌드하는 방법을 살펴보겠습니다.
- 임베딩 생성: 항목의 숫자 표현(임베딩)을 만들어 시맨틱 관계를 포착합니다. 이 작업은 외부에서 수행하거나 Gemini Enterprise Agent Platform의 생성형 AI를 사용할 수 있습니다.
- Cloud Storage에 업로드: 벡터 검색에서 액세스할 수 있도록 Cloud Storage에 임베딩을 저장합니다.
- 벡터 검색에 연결: 최근접 이웃 검색을 수행할 수 있도록 벡터 검색에 임베딩을 연결합니다.
- 색인 만들기 및 배포: 임베딩에서 색인을 빌드하고 쿼리를 위해 엔드포인트에 배포합니다.
- 추천 쿼리: 색인 엔드포인트를 사용하여 근사 최근접 이웃을 쿼리하여 쿼리와 의미상 유사한 항목을 찾습니다.
- 평가 및 조정: 결과를 평가하고 정확성과 성능을 보장하기 위해 필요에 따라 알고리즘의 매개변수 또는 확장을 미세 조정합니다.
의료용 Agent Search
웹사이트에서 Google 품질 수준의 검색 사용 설정
생성형 AI 기반 검색으로 고객 참여도 높이기
- 사이트 색인 만들기: 사이트 URL을 추가하기만 하면 됩니다. 생성형 답변이 필요하지 않은 경우 색인을 즉시 검색할 수 있습니다. 생성형 답변이 필요한 경우에는 먼저 도메인 소유권을 확인해야 합니다.
- 검색 앱에 연결: 검색 환경을 관리할 수 있는 새 검색 앱에 사이트 색인을 연결합니다. 생성형 답변을 사용하려면 LLM 기능을 사용 설정해야 합니다.
- 검색 환경 구성: 검색 결과만 가져올지 또는 생성형 답변을 받을지를 선택하는 등 검색 환경을 정의하는 올바른 구성을 설정합니다.
- 테스트 및 상세검색: 다양한 쿼리의 검색 결과를 미리 보고 필요에 따라 상세 검색합니다. 예를 들어 사이트 HTML을 기반으로 메타데이터를 추가하고 게시 날짜나 기타 정보를 기준으로 결과를 강화하고 메타데이터나 URL 패턴을 기준으로 필터링할 수 있습니다.
- 사이트에 검색 배포: 즉시 사용 가능한 위젯을 사용하여 사이트에 추가할 HTML 구성요소로 배포하거나 API를 사용하여 직접 통합할 수 있습니다.
방법
생성형 AI 기반 검색으로 고객 참여도 높이기
- 사이트 색인 만들기: 사이트 URL을 추가하기만 하면 됩니다. 생성형 답변이 필요하지 않은 경우 색인을 즉시 검색할 수 있습니다. 생성형 답변이 필요한 경우에는 먼저 도메인 소유권을 확인해야 합니다.
- 검색 앱에 연결: 검색 환경을 관리할 수 있는 새 검색 앱에 사이트 색인을 연결합니다. 생성형 답변을 사용하려면 LLM 기능을 사용 설정해야 합니다.
- 검색 환경 구성: 검색 결과만 가져올지 또는 생성형 답변을 받을지를 선택하는 등 검색 환경을 정의하는 올바른 구성을 설정합니다.
- 테스트 및 상세검색: 다양한 쿼리의 검색 결과를 미리 보고 필요에 따라 상세 검색합니다. 예를 들어 사이트 HTML을 기반으로 메타데이터를 추가하고 게시 날짜나 기타 정보를 기준으로 결과를 강화하고 메타데이터나 URL 패턴을 기준으로 필터링할 수 있습니다.
- 사이트에 검색 배포: 즉시 사용 가능한 위젯을 사용하여 사이트에 추가할 HTML 구성요소로 배포하거나 API를 사용하여 직접 통합할 수 있습니다.
