ベクトル検索と AI テクノロジーの統合
Atlas Vector Searchは、標準 を通じて一般的なAI プロバイダーとLLM APIで使用できます。MongoDBとパートナーは特定の製品統合も提供しており、 およびAtlas Vector Search RAGAI 認証アプリケーションで を活用するために役立ちます。
このページでは、MongoDB とその提携パートナーが開発した注目の AI 統合について説明します。 統合とパートナー サービスの完全なリストについては、「 MongoDB パートナーのエコシステムを探索 」を参照してください。
フレームワーク
Atlas Vector Search を次のオープンソース フレームワークと統合して、Atlas にカスタム データを保存し、Atlas Vector Search でRAGを実装できます。
LgChuin
LgChuin は、LLM チェーン の使用を通じて LMRAG アプリケーションの作成を簡素化するフレームワークです。これは、 などのさまざまなユースケースで組み合わせることができる 固有のコンポーネントです。
開始するには、次のリソースを参照してください。
LlamaIndex
LlamaIndex は、カスタム データソースを に接続する方法を簡素化するフレームワークです。LLMこれは、 RAGアプリケーション用のベクトル埋め込みのロードと準備に役立つツールをいくつか提供します。
セマンティック カーネル
Microsoft セマンティック カーネル は、アプリケーションでさまざまな AI サービスを組み合わせられる SDK です。セマンティック カーネルは、 RAGを含むさまざまなユースケースで使用できます。
開始するには、次のチュートリアルを参照してください。
Haystack
Haystack は、LLM 、埋め込みモデル、ベクトル検索などを使用してカスタム アプリケーションを構築するためのフレームワークです。質問応答やRAGなどのユースケースが可能になります。
整数AI
整数AI は、spring の設計原則を AI アプリケーションに適用できるアプリケーション フレームワークです。セマンティック検索やRAGなど、さまざまなユースケースでspring AIを使用できます。
サービス
Atlas Vector Search を次の AI サービスと統合することもできます。
Amazon確認ベース
Amazon Bearer は、 は、生成系 AI アプリケーションを構築するためのフルマネージド サービスです。Atlas Vector Search を 知識ベース として統合できます Atlas にカスタム データを保存し、 RAG を実装するために Amazon Web Services をサポートします。
使用を開始するには、 「 Amazon Red Hat の統合を使い始める 」を参照してください。
API リソース
Atlas Vector Search の AI 統合を使用して開発する際には、次のAPIリソースを参照してください。