עיגון באמצעות חיפוש מבוסס סוכנים

אתר

1. פותחים את הדף Create Data Store במסוף Cloud de Confiance .

2. בתיבה Website Content (תוכן אתר), לוחצים על Select (בחירה).
   מוצג החלונית Specify the websites for your data store (ציון האתרים של מאגר הנתונים).

3. אם האפשרות Advanced website indexing לא מסומנת, מסמנים אותה כדי להפעיל אותה.
   מופיע החלונית Configure your data store.

4. בקטע Specify URL patterns to index (ציון תבניות של כתובות URL לאינדקס), מבצעים את הפעולות הבאות:

   • מוסיפים כתובות URL לאתרים להכללה.
   • אופציונלי: מוסיפים כתובות URL לאתרים להחרגה.

5. לוחצים על Continue.

6. בחלונית Configure your data store:

   1. בוחרים ערך מהרשימה Location of your data store.
   2. מזינים שם בשדה Your data store name. המזהה נוצר. אתם יכולים להשתמש במזהה הזה כשאתם יוצרים תשובות מבוססות-קרקע באמצעות מאגר הנתונים שלכם. מידע נוסף זמין במאמר יצירת תשובות מבוססות-קרקע באמצעות מאגר הנתונים.
   3. לוחצים על יצירה.

מסמכים

1. פותחים את הדף Create Data Store במסוף Cloud de Confiance .

2. בתיבה Cloud Storage, לוחצים על Select.
   מופיע החלונית Import data from Cloud Storage.

3. בקטע Unstructured documents (PDF, HTML, TXT and more), בוחרים באפשרות Unstructured documents (PDF, HTML, TXT and more).

4. בוחרים באפשרות תדירות הסנכרון.

5. בוחרים באפשרות בחירת תיקייה או קובץ לייבוא ומזינים את הנתיב בשדה.

6. לוחצים על Continue.
   מופיע החלונית Configure your data store.

7. בחלונית Configure your data store (הגדרת מאגר הנתונים),

   1. בוחרים ערך מהרשימה Location of your data store.
   2. מזינים שם בשדה שם מאגר הנתונים. המזהה נוצר.
   3. כדי לבחור אפשרויות ניתוח וחלוקה למקטעים של המסמכים, מרחיבים את הקטע אפשרויות לעיבוד מסמכים. מידע נוסף על מנתחים שונים זמין במאמר בנושא ניתוח מסמכים.
   4. לוחצים על יצירה.

8. לוחצים על יצירה.

המסוף

כדי לעגן את הפלט מהמודל ל-AI Applications באמצעות Agent Studio בCloud de Confiance מסוף, פועלים לפי השלבים הבאים:

1. נכנסים לדף Agent Studio במסוף Cloud de Confiance .

   כניסה ל-Agent Studio

2. כדי להפעיל את הביסוס, פועלים לפי השלבים הבאים:
   1. בחלונית הצדדית, בקטע הגדרות המודל, בוחרים את המודל.
   2. עוברים לקטע ביסוס ומפעילים את המתג הנתונים שלך. חלונית ההגדרות מופיעה.
   1. בוחרים אפשרות למקור עיגון מהטבלה הבאה:

   אפשרות הביסוס	תיאור	קלט
   RAG Engine	הנימוקים מבוססים על הנתונים שלכם ועל רכיבים שאתם יוצרים בעצמכם.	אם אין לכם מאגר, אתם צריכים ליצור אחד. אחרת, מזינים את הקורפוס.
   חיפוש מבוסס סוכנים	התשובות מבוססות על הנתונים שלכם באמצעות מנוע חיפוש שמנוהל על ידי S3NS.	מזינים את הנתיב בשדה Gemini Enterprise Agent Platform datastore path (נתיב מאגר הנתונים של Gemini Enterprise Agent Platform).
   Elasticsearch	מבסס את התשובות על Elasticsearch.	מזינים את הפרטים הבאים: מזינים ערך בשדה Elasticsearch endpoint. מזינים ערך בשדה Elasticsearch API Key. מזינים ערך בשדה Elasticsearch index. מזינים ערך בשדה Elasticsearch search template.

   2. לוחצים על Save.
3. כותבים את הפרומפט בתיבת הטקסט ולוחצים על שליחה. התשובות להנחיות שלכם מעוגנות באפליקציות ה-AI.

Python

התקנה

pip install --upgrade google-genai

מידע נוסף זמין ב מאמרי העזרה של ה-SDK.

מגדירים משתני סביבה כדי להשתמש ב-Google Gen AI SDK עם Vertex AI:

# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
# with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
export GOOGLE_CLOUD_LOCATION=global
export GOOGLE_GENAI_USE_ENTERPRISE=True

from google import genai
from google.genai.types import (
    GenerateContentConfig,
    VertexAISearch,
    Retrieval,
    Tool,
    HttpOptions,
)

client = genai.Client(http_options=HttpOptions(api_version="v1"))

# Replace with your Agent Search data store details
DATASTORE_PATH = "projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATASTORE_ID"

tool = Tool(
    retrieval=Retrieval(
        vertex_ai_search=VertexAISearch(
            datastore=DATASTORE_PATH
        )
    )
)

response = client.models.generate_content(
    model="gemini-2.5-flash",  # Or another supported model
    contents="What information can you find about topic X in the provided documents?", # Your query
    config=GenerateContentConfig(
        tools=[tool],
    ),
)

print(response.text)

REST

כדי לבדוק פרומפט טקסטואלי באמצעות Agent Platform API, שולחים בקשת POST לנקודת הקצה של מודל המפרסם.

לפני שמשתמשים בנתוני הבקשה, צריך להחליף את הנתונים הבאים:

• ‫LOCATION: האזור שבו הבקשה תעובד. כדי להשתמש בנקודת הקצה global, צריך להחריג את המיקום משם נקודת הקצה ולהגדיר את המיקום של המשאב ל-global.
• ‫PROJECT_ID: מזהה הפרויקט. .
• ‫MODEL_ID: מזהה המודל של המודל הרב-אופני.
• ‫PROMPT: ההנחיה שתישלח למודל.

ה-method של ה-HTTP וכתובת ה-URL:

POST https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent

תוכן בקשת JSON:

{
  "contents": [{
    "role": "user",
    "parts": [{
      "text": "PROMPT"
    }]
  }],
  "tools": [{
    "retrieval": {
      "vertexAiSearch": {
        "datastore": projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATASTORE_ID
      }
    }
  }],
  "model": "projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID"
}

כדי לשלוח את הבקשה צריך להרחיב אחת מהאפשרויות הבאות:

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent"

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent" | Select-Object -Expand Content

אתם אמורים לקבל תגובת JSON שדומה לזו:

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          {
            "text": "You can make an appointment on the website https://dmv.gov/"
          }
        ]
      },
      "finishReason": "STOP",
      "safetyRatings": [
        "..."
      ],
      "groundingMetadata": {
        "retrievalQueries": [
          "How to make appointment to renew driving license?"
        ],
        "groundingChunks": [
          {
            "retrievedContext": {
              "uri": "https://vertexaisearch.cloud.google.com/grounding-api-redirect/AXiHM.....QTN92V5ePQ==",
              "title": "dmv"
            }
          }
        ],
        "groundingSupport": [
          {
            "segment": {
              "startIndex": 25,
              "endIndex": 147
            },
            "segment_text": "ipsum lorem ...",
            "supportChunkIndices": [1, 2],
            "confidenceScore": [0.9541752, 0.97726375]
          },
          {
            "segment": {
              "startIndex": 294,
              "endIndex": 439
            },
            "segment_text": "ipsum lorem ...",
            "supportChunkIndices": [1],
            "confidenceScore": [0.9541752, 0.9325467]
          }
        ]
      }
    }
  ],
  "usageMetadata": {
    "..."
  }
}