Créer Grounded Model connections avec Google Vertex AI RAG la capacité

Utilisez la capacité Google Vertex AI RAG (génération augmentée par extraction) pour créer Grounded by data store Model connections afin de générer des informations précises et contextuellement pertinentes référencées à partir de Google Data Source.

Remarque :

Google Vertex AI Grounded by data store Model connections est désormais disponible dans la version Automation 360 v34 sur Cloud également. Vous pouvez utiliser cette fonction en Cloud et On-Premises.

Google Data Store avec fragmentation de documents est désormais pris en charge pour garantir des résultats optimaux dans les exécutions d\'automatisation. Vous pouvez activer le découpage de documents dans le Google Data Store pour utiliser les modèles Grounded Google Vertex AI dans AI Agent Studio.

Nous vous offrons désormais la possibilité de créer Grounded by data store Model connections en utilisant le service Agent Builder. Une requête de recherche sur le Google Data Store récupère du contenu pertinent à partir de grands ensembles de données et l\'alimente au modèle pour générer une réponse précise.

Lors d\'une exécution d\'automatisation, l\'utilisation de Model connections créé avec Grounded by data store récupère la réponse en se référant à Google Data Source dans Google Data Store. Cela garantit une réponse optimisée du contenu pertinent avec une plus grande précision. L\'ancrage est un aspect important de l\'utilisation d\'un modèle fondamental, car il fournit des réponses ancrées par rapport aux données organisationnelles et prévient les inexactitudes dans les réponses ainsi que les hallucinations du modèle.
Remarque : Pour utiliser la capacité Google Vertex AI RAG dans AI Agent Studio, vous devez d\'abord créer une source de données dans Agent Builder. Ensuite, créez un Model connection en utilisant l\'option Grounded by data store.

Voir : Magasins de données dans Google Vertex AI .

Prérequis

Pour créer et gérer des Model connections pour son entreprise, l\'administrateur de l\'automatisation requiert les autorisations et les rôles suivants.
  • Rôle : AAE_Basic, rôle personnalisé d\'administrateur d\'automatisation
  • Autorisation : Exécuteur de robots assisté
  • Paramètres : La gestion des données de l\'IA doit être activée par l\'administrateur d\'automatisation et la case à cocher sélectionnée pour l\'option Autoriser les utilisateurs à désactiver les journaux sur les compétences de l\'IA.

Voir Rôles et autorisations pour les autorisations du rôle personnalisé Administrateur d\'automatisation.

Autres exigences:
  • Comme mentionné précédemment, vous commenceriez par créer un Google Data Source pour créer un Grounded by data store Model connection et l\'utiliser avec succès dans un AI Skill. Reportez-vous à la rubrique Magasins de données et Création d\'un Vertex Data Store.
  • Si vous souhaitez stocker des détails d\'authentification dans un coffre d\'accréditation, ayez ces informations à portée de main. Reportez-vous à la rubrique Magasin d'informations d'identification sécurisé via Credential Vault.
  • Pour tester une Model connection, vous devez être connecté à un Bot Agent 22.60.10 et versions ultérieures. Dans le cadre du test, vous devrez exécuter le bot sur votre bureau. Veillez donc à ce que le Bot Agent soit configuré pour votre utilisateur. Pour cette tâche, si vous devez basculer la connexion vers une autre Control Room, voir : Basculer l\'enregistrement de périphérique entre des instances de la Control Room.
  • Vous auriez besoin d\'accès au Recorder package et au AI Skills package pour tester correctement la connexion. Un test Prompt sera exécuté pour tester la Model connection.

Procédure

  1. Dans votre Control Room environnement, accédez à IA > Connexions du modèle > Créer une connexion du modèle.
  2. Dans l\'écran Créer une connexion du modèle, vous devez configurer ces paramètres de connexion :
    Créer Grounded Model connections avec Google Vertex AI RAG la capacité
    Vous pouvez entrer manuellement le nom du modèle dans le champ Sélectionner un modèle ou en créer un personnalisé. Le nom que vous saisissez sera utilisé pour créer le Model connection.
    1. Nom de la connexion du modèle : Donnez un nom pour une identification facile du Model connection.
    2. Description (facultatif) : ajoutez une description courte et significative pour définir la connexion.
    3. Choisir un fournisseur : Choisissez un fournisseur de modèle fondamental parmi la liste des fournisseurs pris en charge. Pour créer un Grounded by data store Model connection avec Google Vertex AI, sélectionnez Google Vertex AI dans la liste déroulante.
    4. Choisissez un type : Choisissez Grounded by data store pour utiliser la capacité RAG pour Google Vertex AI.
    5. Sélectionnez un modèle ou créez-en un personnalisé : Choisissez un modèle dans la liste déroulante.
      De plus, nous prenons également en charge d\'autres modèles disponibles chez Google Data Store, qui ne figurent pas dans la liste déroulante. Si vous souhaitez ajouter un modèle depuis le Google Data Store, vous devrez entrer le nom et la version du modèle avec l\'URI complet du modèle. Par exemple : Si le modèle est Gemini 1.5 Flash 001, le format serait gemini-1.5-001/answer_gen/v1.
      Pour obtenir la liste complète des modèles pris en charge pour chaque fournisseur de modèles fondamentaux, consultez FAQ générale.
    6. Cliquez sur Suivant pour passer à la section Détails d\'authentification.
  3. Dans la section Détails d\'authentification, configurez ces paramètres :
    1. Nom du projet : il s\'agit du projet de compte Google Cloud.
    2. Région : Sélectionnez une région dans la liste déroulante pour vous connecter afin d\'authentifier la Model connection. Vous pouvez également ajouter votre propre région que vous avez configurée lors de la création d\'une source de données dans Agent Builder.
      Reportez-vous à la rubrique Créer un magasin de données .
    3. Connexion OAuth de la Control Room : Créez un ID client OAuth 2.0. Cet ID client sert à identifier une seule application auprès des serveurs OAuth de Google.
    4. Après avoir configuré les détails d\'authentification, confirmez et cliquez sur Suivant pour passer à la section Tester la connexion afin de tester la Model connection.
    Remarque : Pour plus d\'informations sur la configuration du Google Cloud Project et de la connexion OAuth Control Room pour Google Vertex AI, voir L'action Vertex AI : Action Se connecter.
  4. Cliquez sur Tester la connexion pour vous assurer que tous les détails de la connexion ont été correctement définis et vérifier si la connexion fonctionne.
    Il s\'agit d\'une opération de bureau utilisant un Bot Agent. Utilisez Bot Agent 22.60.10 et versions ultérieures pour des tests réussis.
    • Si la connexion fonctionne comme prévu, le système traitera la demande et génèrera un message de réussite.
    • Sinon, le système génèrera un message indiquant la raison de cet échec. Par exemple, si vous n\'avez pas téléchargé le package du modèle fondamental pris en charge dans votre espace de travail, vous recevrez un message d\'erreur. Vous devrez télécharger le package et tester à nouveau la Model connection.
    • Si le test d\'une Model connection échoue ou si la tâche n\'est pas terminée, la Model connection ne sera pas enregistrée et vous devrez recommencer le processus de création de la Model connection.
  5. Cliquez sur Suivant pour passer à la section Inviter des rôles pour commencer à attribuer des rôles personnalisés aux utilisateurs.
    L\'administrateur de l\'automatisation créerait des rôles personnalisés et attribuerait les Model connections au rôle, qui peut ensuite être attribué aux utilisateurs. Seuls les utilisateurs assignés à ce rôle personnalisé peuvent utiliser ce Model connection.
  6. Attribuez le Model connection au rôle personnalisé (en utilisant le RBAC) afin que les utilisateurs assignés à ce rôle puissent y accéder.
  7. Cliquez sur Créer une connexion du modèle pour terminer la création de la Model connection.
    Après avoir créé avec succès le Model connection, le développeur Pro l\'utiliserait pour créer un AI Skill.

    Voir : Create AI Skills with Grounded by data store Model connections

    .

Étapes suivantes

Après avoir créé et testé la Model connection, attribuez-la aux développeurs professionnels, qui pourront utiliser cette connexion pour créer AI Skills.

Comme étape suivante de votre séquence de tâches, accédez à Create AI Skills with Grounded by data store Model connections et créez un AI Skill et connectez-vous à un Grounded by data store Model connection pour l\'utiliser dans une automatisation.