サンプル ストア インスタンスを作成または再利用する

プレビュー

この機能は、サービス固有の規約の「一般サービス規約」セクションの「pre-GA サービス規約」の対象となります。 pre-GA の機能は「現状のまま」で提供されるものであり、サポートが制限されることがあります。 詳細については、リリース ステージの説明をご覧ください。

このページでは、新しい Example Store インスタンスを作成する方法と、既存の Example Store インスタンスを再利用する方法について説明します。LLM アプリケーションを開発するときに、Example Store に例を保存し、LLM プロンプトで使用するために動的に取得できます。

少数ショットの例を使用して LLM またはエージェントに教えるには、まずプロジェクトとロケーションの Example Store インスタンスを作成または再利用してから、例をアップロードする必要があります。

プロジェクトとロケーションごとに、最大 50 個の Example Store インスタンスを作成できます。Example Store インスタンスを作成したら、複数の LLM アプリケーションとエージェントで共有できます。

Example Store インスタンスをプロビジョニングする方法は 2 つあります。

• 新しい Example Store インスタンスを作成する: 新しい Example Store インスタンスを作成するときに、エンベディング モデルを指定する必要があります。Example Store はこのモデルを使用して、ユーザーのクエリに関連する例を判断します。Example Store は、次のエンベディング モデルをサポートしています。

  • text-embedding-005

  • text-multilingual-embedding-002

  Example Store インスタンスを作成した後に、エンベディング モデルを変更することはできません。別のエンベディング モデルを使用する場合は、別のサンプルストアを作成する必要があります。テキスト エンベディングの詳細については、テキスト エンベディングを取得するをご覧ください。

• 既存の Example Store インスタンスを再利用する: Example Store インスタンスは複数のエージェントで使用するように設計されているため、LLM アプリケーション全体で保存された例にアクセスできます。既存の Example Store インスタンスを再利用する場合、エンベディング モデルを変更することはできません。

前提条件

このページの Python サンプルを使用する前に、ローカルの Python 環境に Vertex AI SDK for Python をインストールして初期化します。

1. 次のコマンドを実行して、Vertex AI SDK for Python for Example Store をインストールします。

   pip install --upgrade google-cloud-aiplatform>=1.87.0

2. 次のコードサンプルを使用し、Example Store の SDK をインポートして初期化します。

   import vertexai
   from vertexai.preview import example_stores
   
   vertexai.init(
     project="PROJECT_ID",
     location="LOCATION"
   )
   

   次のように置き換えます。

   • PROJECT_ID: プロジェクト ID。

   • LOCATION: リージョン。us-central1 のみがサポートされています。

Example Store インスタンスを作成する

次のサンプルを使用して、指定したプロジェクトとロケーションの Example Store インスタンスを作成します。Example Store インスタンスの作成には数分かかります。

Python

このサンプルを試す前に、Vertex AI クイックスタート: クライアント ライブラリの使用にある Python の設定手順を完了してください。詳細については、Vertex AI Python API のリファレンス ドキュメントをご覧ください。

Vertex AI に対する認証を行うには、アプリケーションのデフォルト認証情報を設定します。詳細については、ローカル開発環境の認証を設定するをご覧ください。

import vertexai
from vertexai.preview import example_stores

vertexai.init(
    project="PROJECT_ID",
    location="LOCATION"
)

my_example_store = example_stores.ExampleStore.create(
    example_store_config=example_stores.ExampleStoreConfig(
        vertex_embedding_model="EMBEDDING_MODEL"
    )
)

次のように置き換えます。

• PROJECT_ID: プロジェクト ID。
• LOCATION: example store を作成するリージョン。サポートされているリージョンは us-central1 のみです。
• EMBEDDING_MODEL: Example Store インスタンスがユーザーのクエリに関連する例を判断するために使用するエンベディング モデル。Example Store は、次のエンベディング モデルをサポートしています。
  • text-embedding-004
  • text-multilingual-embedding-002

REST

ExampleStore リソースを作成するには、exampleStores.create メソッドを使用して POST リクエストを送信します。

リクエストのデータを使用する前に、次のように置き換えます。

• PROJECT_ID: プロジェクト ID。
• LOCATION: Example Store インスタンスを作成するリージョン。サポートされているリージョンは us-central1 のみです。
• DISPLAY_NAME: Example Store インスタンスの名前。
• EMBEDDING_MODEL: Example Store インスタンスがユーザーのクエリに関連する例を判断するために使用するエンベディング モデル。Example Store は、次のエンベディング モデルをサポートしています。
  • textembedding-gecko@003
  • text-embedding-004
  • text-multilingual-embedding-002

HTTP メソッドと URL:

POST https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/exampleStores

リクエストの本文（JSON）:

{
  "display_name": "DISPLAY_NAME",
  "example_store_config": {"vertex_embedding_model": EMBEDDING_MODEL}
}

リクエストを送信するには、次のいずれかのオプションを選択します。

curl

注: 次のコマンドは、gcloud init または gcloud auth login を実行して、ユーザー アカウントで gcloud CLI にログインしているか、Cloud Shell を使用して自動的に gcloud CLI にログインしていることを前提としています。gcloud auth list を実行すると、現在アクティブなアカウントを確認できます。

リクエスト本文を request.json という名前のファイルに保存して、次のコマンドを実行します。

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/exampleStores"

PowerShell

注: 次のコマンドは、gcloud init または gcloud auth login を実行して、ご自分のユーザー アカウントで gcloud CLI にログインしていることを前提としています。gcloud auth list を実行すると、現在アクティブなアカウントを確認できます。

リクエスト本文を request.json という名前のファイルに保存して、次のコマンドを実行します。

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/exampleStores" | Select-Object -Expand Content

次のような JSON レスポンスが返されます。ここで、EXAMPLE_STORE_ID は Example Store インスタンスの ID を表します。

レスポンス

{
  "name": "projects/PROJECT_ID/locations/LOCATION/exampleStores/EXAMPLE_STORE_ID/operations/",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1beta1.CreateExampleStoreOperationMetadata",
    "genericMetadata": {
      "createTime": "2024-10-10T02:06:10.417111Z",
      "updateTime": "2024-10-10T02:06:10.417111Z"
    }
  }
}

既存の Example Store インスタンスを再利用する

次のサンプルを使用して、指定したプロジェクトとロケーションで既存の Example Store インスタンスを再利用します。

Python

このサンプルを試す前に、Vertex AI クイックスタート: クライアント ライブラリの使用にある Python の設定手順を完了してください。詳細については、Vertex AI Python API のリファレンス ドキュメントをご覧ください。

Vertex AI に対する認証を行うには、アプリケーションのデフォルト認証情報を設定します。詳細については、ローカル開発環境の認証を設定するをご覧ください。

import vertexai
from vertexai.preview import example_stores

vertexai.init(
    project="PROJECT_ID",
    location="LOCATION"
)

example_store = example_stores.ExampleStore(
    "EXAMPLE_STORE_NAME")

次のように置き換えます。

• PROJECT_ID: プロジェクト ID。
• LOCATION: example store を作成するリージョン。サポートされているリージョンは us-central1 のみです。
• EXAMPLE_STORE_NAME: 再利用する Example Store インスタンスの名前。

次のステップ

• サンプルを Example Store インスタンスにアップロードします。