Firestore in Datastore Mode는 자동 확장, 고성능 및 손쉬운 애플리케이션 개발을 위해 구축된 NoSQL 문서 데이터베이스입니다. Datastore의 LangChain 통합을 활용하여 AI 기반 경험을 구축하도록 데이터베이스 애플리케이션을 확장하세요.
이 노트북은 Firestore in Datastore Mode를 사용하여 DatastoreLoader와 DatastoreSaver로 langchain 문서를 저장, 로드 및 삭제하는 방법을 다룹니다. GitHub에서 패키지에 대해 자세히 알아보세요. Open In Colab

​
시작하기 전에

이 노트북을 실행하려면 다음을 수행해야 합니다: 이 노트북의 런타임 환경에서 데이터베이스에 대한 액세스를 확인한 후, 다음 값을 입력하고 예제 스크립트를 실행하기 전에 셀을 실행하세요.

​
🦜🔗 라이브러리 설치

이 통합은 자체 langchain-google-datastore 패키지에 있으므로 설치해야 합니다. 
pip install -upgrade --quiet langchain-google-datastore
Colab 전용: 다음 셀의 주석을 해제하여 커널을 재시작하거나 버튼을 사용하여 커널을 재시작하세요. Vertex AI Workbench의 경우 상단의 버튼을 사용하여 터미널을 재시작할 수 있습니다. 
# # Automatically restart kernel after installs so that your environment can access the new packages
# import IPython

# app = IPython.Application.instance()
# app.kernel.do_shutdown(True)

​
☁ Google Cloud Project 설정

이 노트북 내에서 Google Cloud 리소스를 활용할 수 있도록 Google Cloud 프로젝트를 설정하세요. 프로젝트 ID를 모르는 경우 다음을 시도해보세요:
  • gcloud config list를 실행하세요.
  • gcloud projects list를 실행하세요.
  • 지원 페이지를 참조하세요: 프로젝트 ID 찾기.
# @markdown Please fill in the value below with your Google Cloud project ID and then run the cell.

PROJECT_ID = "my-project-id"  # @param {type:"string"}

# Set the project id
!gcloud config set project {PROJECT_ID}

​
🔐 인증

Google Cloud Project에 액세스하기 위해 이 노트북에 로그인한 IAM 사용자로 Google Cloud에 인증하세요.
  • Colab을 사용하여 이 노트북을 실행하는 경우 아래 셀을 사용하고 계속 진행하세요.
  • Vertex AI Workbench를 사용하는 경우 여기에서 설정 지침을 확인하세요.
from google.colab import auth

auth.authenticate_user()

​
기본 사용법

​
문서 저장

DatastoreSaver.upsert_documents(<documents>)로 langchain 문서를 저장합니다. 기본적으로 Document metadata의 key에서 entity key를 추출하려고 시도합니다. 
from langchain_core.documents import Document
from langchain_google_datastore import DatastoreSaver

saver = DatastoreSaver()

data = [Document(page_content="Hello, World!")]
saver.upsert_documents(data)

​
key 없이 문서 저장

kind가 지정되면 문서는 자동 생성된 id로 저장됩니다. 
saver = DatastoreSaver("MyKind")

saver.upsert_documents(data)

​
Kind를 통해 문서 로드

DatastoreLoader.load() 또는 DatastoreLoader.lazy_load()로 langchain 문서를 로드합니다. lazy_load는 반복 중에만 데이터베이스를 쿼리하는 generator를 반환합니다. DatastoreLoader 클래스를 초기화하려면 다음을 제공해야 합니다:
  1. source - 문서를 로드할 소스입니다. Query의 인스턴스 또는 읽을 Datastore kind의 이름일 수 있습니다.
from langchain_google_datastore import DatastoreLoader

loader = DatastoreLoader("MyKind")
data = loader.load()

​
query를 통해 문서 로드

kind에서 문서를 로드하는 것 외에도 query에서 문서를 로드하도록 선택할 수 있습니다. 예를 들어: 
from google.cloud import datastore

client = datastore.Client(database="non-default-db", namespace="custom_namespace")
query_load = client.query(kind="MyKind")
query_load.add_filter("region", "=", "west_coast")

loader_document = DatastoreLoader(query_load)

data = loader_document.load()

​
문서 삭제

DatastoreSaver.delete_documents(<documents>)로 Datastore에서 langchain 문서 목록을 삭제합니다. 
saver = DatastoreSaver()

saver.delete_documents(data)

keys_to_delete = [
    ["Kind1", "identifier"],
    ["Kind2", 123],
    ["Kind3", "identifier", "NestedKind", 456],
]
# The Documents will be ignored and only the document ids will be used.
saver.delete_documents(data, keys_to_delete)

​
고급 사용법

​
사용자 정의 문서 page content 및 metadata로 문서 로드

page_content_properties와 metadata_properties 인수는 LangChain Document page_content와 metadata에 작성될 Entity 속성을 지정합니다. 
loader = DatastoreLoader(
    source="MyKind",
    page_content_fields=["data_field"],
    metadata_fields=["metadata_field"],
)

data = loader.load()

​
Page Content Format 사용자 정의

page_content에 하나의 필드만 포함된 경우 정보는 필드 값만 표시됩니다. 그렇지 않으면 page_content는 JSON 형식이 됩니다.

​
Connection 및 Authentication 사용자 정의

from google.auth import compute_engine
from google.cloud.firestore import Client

client = Client(database="non-default-db", creds=compute_engine.Credentials())
loader = DatastoreLoader(
    source="foo",
    client=client,
)
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
⌘I