Eden AI는 최고의 AI 제공업체들을 통합하여 AI 환경을 혁신하고 있으며, 사용자들이 무한한 가능성을 열고 인공지능의 진정한 잠재력을 활용할 수 있도록 지원합니다. 올인원 종합 플랫폼을 통해 사용자는 AI 기능을 프로덕션에 매우 빠르게 배포할 수 있으며, 단일 API를 통해 AI 기능의 전체 범위에 손쉽게 액세스할 수 있습니다. (웹사이트: edenai.co/) 이 예제는 LangChain을 사용하여 Eden AI embedding 모델과 상호작용하는 방법을 다룹니다
EDENAI의 API에 액세스하려면 API key가 필요합니다. 계정을 생성하여 app.edenai.run/user/register에서 API key를 얻을 수 있으며, app.edenai.run/admin/account/settings로 이동하세요 key를 얻은 후에는 다음을 실행하여 환경 변수로 설정해야 합니다: 
export EDENAI_API_KEY="..."
환경 변수를 설정하지 않으려면 EdenAI embedding class를 초기화할 때 edenai_api_key 명명된 parameter를 통해 key를 직접 전달할 수 있습니다: 
from langchain_community.embeddings.edenai import EdenAiEmbeddings

embeddings = EdenAiEmbeddings(edenai_api_key="...", provider="...")

​
model 호출하기

EdenAI API는 다양한 제공업체들을 통합합니다. 특정 model에 액세스하려면 호출 시 “provider”를 사용하면 됩니다. 
embeddings = EdenAiEmbeddings(provider="openai")

docs = ["It's raining right now", "cats are cute"]
document_result = embeddings.embed_documents(docs)

query = "my umbrella is broken"
query_result = embeddings.embed_query(query)

import numpy as np

query_numpy = np.array(query_result)
for doc_res, doc in zip(document_result, docs):
    document_numpy = np.array(doc_res)
    similarity = np.dot(query_numpy, document_numpy) / (
        np.linalg.norm(query_numpy) * np.linalg.norm(document_numpy)
    )
    print(f'Cosine similarity between "{doc}" and query: {similarity}')

Cosine similarity between "It's raining right now" and query: 0.849261496107252
Cosine similarity between "cats are cute" and query: 0.7525900655705218
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
⌘I