Grounding dengan Agent Search

Situs

1. Buka halaman Create Data Store dari konsol Cloud de Confiance .

2. Di kotak Website Content, klik Pilih.
   Panel Specify the websites for your data store akan ditampilkan.

3. Jika Advanced website indexing tidak dicentang, centang kotak Advanced website indexing untuk mengaktifkannya.
   Panel Configure your data store akan ditampilkan.

4. Di bagian Specify URL patterns to index, lakukan tindakan berikut:

   • Tambahkan URL untuk Situs yang akan disertakan.
   • Opsional: Tambahkan URL untuk Situs yang akan dikecualikan.

5. Klik Lanjutkan.

6. Di panel Configure your data store,

   1. Pilih nilai dari daftar Lokasi penyimpanan data Anda.
   2. Masukkan nama di kolom Your data store name. ID akan dibuat. Gunakan ID ini saat Anda membuat respons yang di-grounding dengan penyimpanan data Anda. Untuk mengetahui informasi selengkapnya, lihat Membuat respons berbasis data dengan penyimpanan data Anda.
   3. Klik Create.

Dokumen

1. Buka halaman Create Data Store dari konsol Cloud de Confiance .

2. Di kotak Cloud Storage, klik Select.
   Panel Import data from Cloud Storage akan ditampilkan.

3. Di bagian Unstructured documents (PDF, HTML, TXT and more), pilih Unstructured documents (PDF, HTML, TXT and more).

4. Pilih opsi Synchronization frequency.

5. Pilih opsi Select a folder or a file you want to import, lalu masukkan jalur di kolom.

6. Klik Continue.
   Panel Configure your data store akan ditampilkan.

7. Di panel Configure your data store,

   1. Pilih nilai dari daftar Lokasi penyimpanan data Anda.
   2. Masukkan nama di kolom Your data store name. ID akan dibuat.
   3. Untuk memilih opsi penguraian dan pengelompokan dokumen, luaskan bagian Document Processing Options. Untuk mengetahui informasi selengkapnya tentang parser yang berbeda, lihat Mem-parsing dokumen.
   4. Klik Create.

8. Klik Create.

Konsol

Untuk melakukan grounding output model ke Aplikasi AI menggunakan Agent Studio di konsolCloud de Confiance , ikuti langkah-langkah berikut:

1. Di konsol Cloud de Confiance , buka halaman Agent Studio.

   Buka Agent Studio

2. Untuk mengaktifkan grounding, ikuti langkah-langkah berikut:
   1. Di panel samping, di bagian Model settings, pilih model Anda.
   2. Buka bagian Grounding, lalu aktifkan tombol Data Anda. Panel konfigurasi akan muncul.
   1. Pilih opsi sumber grounding dari tabel berikut:

   Opsi perujukan	Deskripsi	Input
   Mesin RAG	Melakukan grounding menggunakan data Anda dan komponen lakukan sendiri (DIY).	Jika belum memiliki korpus, Anda harus membuatnya. Jika tidak, masukkan korpus Anda.
   Agent Search	Melakukan grounding menggunakan data Anda dengan mesin telusur yang dikelola S3NS.	Masukkan jalur Anda ke kolom jalur datastore Gemini Enterprise Agent Platform.
   Elasticsearch	Melakukan grounding menggunakan Elasticsearch.	Masukkan informasi berikut: Masukkan nilai ke kolom Elasticsearch endpoint. Masukkan nilai ke kolom Elasticsearch API Key. Masukkan nilai ke kolom Elasticsearch index. Masukkan nilai ke kolom Elasticsearch search template.

   2. Klik Simpan.
3. Masukkan perintah Anda di kotak teks, lalu klik Submit. Respons perintah Anda didasarkan pada Aplikasi AI.

Python

Instal

pip install --upgrade google-genai

Untuk mempelajari lebih lanjut, lihat dokumentasi referensi SDK.

Tetapkan variabel lingkungan untuk menggunakan Google Gen AI SDK dengan 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

Untuk menguji perintah teks menggunakan Agent Platform API, kirim permintaan POST ke endpoint model penayang.

Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

• LOCATION: Region untuk memproses permintaan. Untuk menggunakan endpoint global, kecualikan lokasi dari nama endpoint, dan konfigurasi lokasi resource ke global.
• PROJECT_ID: Project ID Anda. .
• MODEL_ID: ID model dari model multimodal.
• PROMPT: Perintah yang akan dikirim ke model.

Metode HTTP dan URL:

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

Meminta isi 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"
}

Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:

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

Anda akan melihat respons JSON seperti berikut:

{
  "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": {
    "..."
  }
}