Nebius AI Studio와 관련된 모든 기능
Nebius AI Studio는 다양한 사용 사례를 위한 최첨단 대규모 언어 모델 및 embedding 모델에 대한 API 액세스를 제공합니다.

​
Installation and Setup

Nebius integration은 pip를 통해 설치할 수 있습니다: 
pip install langchain-nebius
Nebius AI Studio를 사용하려면 Nebius AI Studio에서 얻을 수 있는 API key가 필요합니다. API key는 초기화 parameter api_key로 전달하거나 환경 변수 NEBIUS_API_KEY로 설정할 수 있습니다. 
import os
os.environ["NEBIUS_API_KEY"] = "YOUR-NEBIUS-API-KEY"

​
Available Models

지원되는 모델의 전체 목록은 Nebius AI Studio Documentation에서 확인할 수 있습니다.

​
Chat models

​
ChatNebius

ChatNebius class를 사용하면 Nebius AI Studio의 chat model과 상호작용할 수 있습니다. 사용 예제를 참조하세요. 
from langchain_nebius import ChatNebius

# Initialize the chat model
chat = ChatNebius(
    model="Qwen/Qwen3-30B-A3B-fast",  # Choose from available models
    temperature=0.6,
    top_p=0.95
)

​
Embedding models

​
NebiusEmbeddings

NebiusEmbeddings class를 사용하면 Nebius AI Studio의 embedding model을 사용하여 vector embedding을 생성할 수 있습니다. 사용 예제를 참조하세요. 
from langchain_nebius import NebiusEmbeddings

# Initialize embeddings
embeddings = NebiusEmbeddings(
    model="BAAI/bge-en-icl"  # Default embedding model
)

​
Retrievers

​
NebiusRetriever

NebiusRetriever는 Nebius AI Studio의 embedding을 사용하여 효율적인 유사도 검색을 가능하게 합니다. 고품질 embedding model을 활용하여 문서에 대한 의미론적 검색을 가능하게 합니다. 사용 예제를 참조하세요. 
from langchain_core.documents import Document
from langchain_nebius import NebiusEmbeddings, NebiusRetriever

# Create sample documents
docs = [
    Document(page_content="Paris is the capital of France"),
    Document(page_content="Berlin is the capital of Germany"),
]

# Initialize embeddings
embeddings = NebiusEmbeddings()

# Create retriever
retriever = NebiusRetriever(
    embeddings=embeddings,
    docs=docs,
    k=2  # Number of documents to return
)

​
Tools

​
NebiusRetrievalTool

NebiusRetrievalTool을 사용하면 NebiusRetriever를 기반으로 agent용 tool을 생성할 수 있습니다. 
from langchain_nebius import NebiusEmbeddings, NebiusRetriever, NebiusRetrievalTool
from langchain_core.documents import Document

# Create sample documents
docs = [
    Document(page_content="Paris is the capital of France and has the Eiffel Tower"),
    Document(page_content="Berlin is the capital of Germany and has the Brandenburg Gate"),
]

# Create embeddings and retriever
embeddings = NebiusEmbeddings()
retriever = NebiusRetriever(embeddings=embeddings, docs=docs)

# Create retrieval tool
tool = NebiusRetrievalTool(
    retriever=retriever,
    name="nebius_search",
    description="Search for information about European capitals"
)
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
⌘I