Vespa는 완전한 기능을 갖춘 검색 엔진이자 vector database입니다. 동일한 query에서 vector search (ANN), lexical search, 그리고 구조화된 데이터 검색을 모두 지원합니다.
이 notebook은 Vespa.ai를 LangChain retriever로 사용하는 방법을 보여줍니다. retriever를 생성하기 위해 pyvespa를 사용하여 Vespa service에 대한 연결을 생성합니다. 
pip install -qU  pyvespa

from vespa.application import Vespa

vespa_app = Vespa(url="https://doc-search.vespa.oath.cloud")
이것은 Vespa service에 대한 연결을 생성하며, 여기서는 Vespa documentation search service입니다. pyvespa package를 사용하여 Vespa Cloud instance 또는 로컬 Docker instance에도 연결할 수 있습니다. service에 연결한 후 retriever를 설정할 수 있습니다: 
from langchain_community.retrievers import VespaRetriever

vespa_query_body = {
    "yql": "select content from paragraph where userQuery()",
    "hits": 5,
    "ranking": "documentation",
    "locale": "en-us",
}
vespa_content_field = "content"
retriever = VespaRetriever(vespa_app, vespa_query_body, vespa_content_field)
이것은 Vespa application에서 document를 가져오는 LangChain retriever를 설정합니다. 여기서는 paragraph document type의 content field에서 최대 5개의 결과를 가져오며, doumentation을 ranking method로 사용합니다. userQuery()는 LangChain에서 전달된 실제 query로 대체됩니다. 자세한 내용은 pyvespa documentation을 참조하세요. 이제 결과를 반환하고 LangChain에서 결과를 계속 사용할 수 있습니다. 
retriever.invoke("what is vespa?")
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
⌘I