Firestore는 모든 수요를 충족하도록 확장되는 서버리스 문서 지향 데이터베이스입니다. Firestore의 LangChain 통합을 활용하여 AI 기반 경험을 구축하도록 데이터베이스 애플리케이션을 확장하세요.
이 노트북은 Firestore를 사용하여 벡터를 저장하고 FirestoreVectorStore 클래스를 사용하여 쿼리하는 방법을 다룹니다. 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. 
# @markdown Please specify a source for demo purpose.
COLLECTION_NAME = "test"  # @param {type:"CollectionReference"|"string"}

​
🦜🔗 라이브러리 설치

이 통합은 자체 langchain-google-firestore 패키지에 있으므로 설치해야 합니다. 이 노트북에서는 Google Generative AI embeddings를 사용하기 위해 langchain-google-genai도 설치합니다. 
pip install -upgrade --quiet langchain-google-firestore langchain-google-vertexai
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 = "extensions-testing"  # @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

​
FirestoreVectorStore 초기화

FirestoreVectorStore를 사용하면 Firestore 데이터베이스에 새 벡터를 저장할 수 있습니다. Google Generative AI의 embeddings를 포함하여 모든 모델의 embeddings를 저장하는 데 사용할 수 있습니다. 
from langchain_google_firestore import FirestoreVectorStore
from langchain_google_vertexai import VertexAIEmbeddings

embedding = VertexAIEmbeddings(
    model_name="textembedding-gecko@latest",
    project=PROJECT_ID,
)

# Sample data
ids = ["apple", "banana", "orange"]
fruits_texts = ['{"name": "apple"}', '{"name": "banana"}', '{"name": "orange"}']

# Create a vector store
vector_store = FirestoreVectorStore(
    collection="fruits",
    embedding=embedding,
)

# Add the fruits to the vector store
vector_store.add_texts(fruits_texts, ids=ids)
간단하게, from_texts 및 from_documents 메서드를 사용하여 한 단계로 벡터를 초기화하고 추가할 수 있습니다. 
vector_store = FirestoreVectorStore.from_texts(
    collection="fruits",
    texts=fruits_texts,
    embedding=embedding,
)

from langchain_core.documents import Document

fruits_docs = [Document(page_content=fruit) for fruit in fruits_texts]

vector_store = FirestoreVectorStore.from_documents(
    collection="fruits",
    documents=fruits_docs,
    embedding=embedding,
)

​
벡터 삭제

delete 메서드를 사용하여 데이터베이스에서 벡터가 있는 문서를 삭제할 수 있습니다. 삭제하려는 벡터의 문서 ID를 제공해야 합니다. 이렇게 하면 데이터베이스에서 다른 필드를 포함한 전체 문서가 제거됩니다. 
vector_store.delete(ids)

​
벡터 업데이트

벡터 업데이트는 추가와 유사합니다. 문서 ID와 새 벡터를 제공하여 add 메서드를 사용하여 문서의 벡터를 업데이트할 수 있습니다. 
fruit_to_update = ['{"name": "apple","price": 12}']
apple_id = "apple"

vector_store.add_texts(fruit_to_update, ids=[apple_id])

​
유사도 검색

FirestoreVectorStore를 사용하여 저장한 벡터에 대해 유사도 검색을 수행할 수 있습니다. 이는 유사한 문서나 텍스트를 찾는 데 유용합니다. 
vector_store.similarity_search("I like fuji apples", k=3)

vector_store.max_marginal_relevance_search("fuji", 5)
filters 매개변수를 사용하여 검색에 사전 필터를 추가할 수 있습니다. 이는 특정 필드나 값으로 필터링하는 데 유용합니다. 
from google.cloud.firestore_v1.base_query import FieldFilter

vector_store.max_marginal_relevance_search(
    "fuji", 5, filters=FieldFilter("content", "==", "apple")
)

​
Connection 및 Authentication 사용자 정의

from google.api_core.client_options import ClientOptions
from google.cloud import firestore
from langchain_google_firestore import FirestoreVectorStore

client_options = ClientOptions()
client = firestore.Client(client_options=client_options)

# Create a vector store
vector_store = FirestoreVectorStore(
    collection="fruits",
    embedding=embedding,
    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