グラウンディングされた モデル接続をGoogle Vertex AI [RAG]機能で作成します

Google Vertex AI [RAG]（Retrieval Augmented Generation）機能を使用して、データ ストアに基づく モデル接続を作成し、Google データ ソースで参照した正確で文脈的に関連性のある情報を生成します。

注:

Google Vertex AI データ ストアに基づく モデル接続 は、Automation 360 の v34 リリースで クラウド にも対応しました。 クラウド と オンプレミス でこの機能を使用できます。

Google データ ソースでドキュメントチャンク化がサポートされ、自動化実行において最適な結果を保証します。 Google データ ソースでGoogle Vertex AIグラウンデッドモデルを使用するために、AI エージェント Studioでドキュメントチャンクを有効にできます。

現在、データ ストアに基づく モデル接続を作成するオプションをエージェント ビルダーサービスを使用して提供しています。 Google データ ソース に関する検索クエリは、大規模データ セットから関連コンテンツを取得し、それをモデルに供給して正確な応答を生成します。

オートメーション実行中に、モデル接続で作成されたデータ ストアに基づくを使用して、Google データ ソース内のGoogle データ ソースを参照することで応答を取得します。 これは、関連するコンテンツからの最適化された応答を高い精度で保証します。 グラウンディングは、基盤モデルを使用する上で重要な側面であり、組織データに対してグラウンディングされた応答を返し、応答の不正確さやモデルのハルシネーションを防ぎます。
注: でGoogle Vertex AI [RAG]機能を使用するには、まずAI エージェント Studioにデータ ソースを作成しますエージェント ビルダー。 次に、モデル接続オプションを使用してデータ ストアに基づくを作成します。

「」を参照Google Vertex AI のデータ ストア .

前提条件

オートメーション管理者は、ビジネス組織のための モデル接続 を作成および管理するために、これらのロールと権限が必要です。
  • ロール: AAE_Basic 、オートメーション管理者カスタム ロール
  • 権限: Attended bot runner (クライアントで実行する Bot runner)
  • 設定: AI データ管理は、オートメーション管理者によって有効にされ、ユーザーが AI スキルのログを無効にすることを許可するオプションのチェックボックスが選択されている必要があります。

オートメーション管理者のカスタム ロールの権限については、「AI ツール のロールと権限」をご覧ください。

その他の要件:
  • 前述のように、まず Google データ ソース を作成して データ ストアに基づく モデル接続 を作成し、それを AI スキル で使用します。 「」を参照してください。データ ストア および Create a Vertex Data Store と同じブラウザに対応しています。
  • 資格情報を資格情報コンテナーに保存したい場合は、その情報を用意してください。 「Credential Vault による安全な資格情報ストア」を参照してください。
  • モデル接続をテストするには、Bot エージェント 22.60.10 以降に接続する必要があります。 テストの一環として、デスクトップ上で Bot を実行する必要があります。 したがって、Bot エージェントがあなたのユーザーに設定されていることを確認してください。 このタスクの場合、接続を別の Control Room に切り替える必要がある場合は、Control Room インスタンス間でのデバイス登録の切り替えを参照してください。
  • 接続のテストを成功させるには、レコーダー パッケージとAI スキル パッケージへのアクセスが必要です。 テスト プロンプトは、モデル接続 をテストするために実行されます。

手順

  1. Control Room 環境で、[AI] > [モデル接続] > [モデル接続の作成] に移動します。
  2. [モデル接続の作成] 画面で、これらの [接続設定] を構成します。
    グラウンディングされたモデル接続をGoogle Vertex AI [RAG]の機能で作成する
    モデル名を モデルを選択するかカスタム モデルを作成するフィールドに手動で入力できます。 入力した名前は モデル接続 を作成するために使用されます。
    1. モデル接続名: モデル接続 を簡単に識別するための名前を入力します。
    2. 説明 (任意): 接続を定義する意味のある短い説明を追加します。
    3. ベンダーの選択: サポートされているベンダーのリストから基盤モデルのベンダーを選択してください。 を使用してデータ ストアに基づく モデル接続を作成するには、Google Vertex AIドロップダウン リストからGoogle Vertex AIを選択してください。
    4. タイプを選択: データ ストアに基づくのために[RAG]機能を使用するにはGoogle Vertex AIを選択してください。
    5. モデルを選択するか、カスタム モデルを作成する: ドロップダウン リストからモデルを選択します。
      さらに、ドロップダウン リストに表示されていない Google データ ソース から利用可能な他のモデルもサポートしています。 Google データ ソースからモデルを追加したい場合は、モデルの名前とバージョンをモデルの完全な URI とともに入力する必要があります。 次に例を示します。 モデルが Gemini 1.5 Flash 001 の場合、フォーマットは gemini-1.5-001/answer_gen/v1 になります。
      各基盤モデルベンダーのサポートされているモデルの完全なリストについては、を参照してください。
    6. 次へ をクリックして 認証の詳細 セクションに進んでください。
  3. [認証の詳細] セクションで、これらの設定を構成します。
    1. プロジェクト名: Google Cloud のアカウント プロジェクトです。
    2. 領域: 認証のために接続する地域をドロップダウン リストから選択します モデル接続。 エージェント ビルダー でデータ ソースを作成したときに設定した独自の地域を追加することもできます。
      「」を参照してください。データ ストアを作成 .
    3. Control Room OAuth 接続: OAuth 2.0 クライアント ID を作成します。 クライアント ID は、Google の OAuth サーバーに対して 1 つのアプリケーションを識別するために使用されます。
    4. 認証の詳細を設定した後、確認して [次へ] をクリックし、[テスト接続] セクションに進み、モデル接続 をテストします。
    注: Control Room のための Google Cloud プロジェクトおGoogle Vertex AIよび OAuth 接続の設定の詳細については、Vertex AI: [接続] アクション を参照してください。
  4. [テスト接続] をクリックして、すべての接続の詳細が正しく定義されていることを確認し、接続が機能しているかどうかをチェックします。
    これは Bot エージェント を使用したデスクトップ操作です。 Bot エージェント 22.60.10 以降を使用して、成功したテストを行ってください。
    • 接続が期待通りに機能すれば、システムはリクエストを処理し、システムが生成した成功メッセージが表示されます。
    • 接続が期待通りにいかなかった場合、接続に失敗した理由を記したシステム生成のメッセージが表示されます。 たとえば、サポートされている基礎モデル パッケージをワークスペースにダウンロードしていない場合、エラーメッセージが表示されます。 パッケージをダウンロードし、モデル接続 を再度テストする必要があります。
    • モデル接続 のテストがうまくいかなかったり、タスクを未完成のままにしておいたりすると、モデル接続 が保存されず、モデル接続 の作成プロセスをやり直さなければなりません。
  5. 次へ をクリックして、ユーザーにカスタムロールを割り当てるための 招待ロール セクションに進んでください。
    オートメーション管理者はカスタム ロールを作成し、そのロールに モデル接続 を割り当てる必要があります。これにより、ユーザーに割り当てることが可能になります。 このカスタム ロールに割り当てられているユーザーだけが モデル接続 を使用できます。
  6. モデル接続 をカスタム ロールに割り当てます (RBACを使用) 。すると、ロールに割り当てられたユーザーがアクセスできるようになります。
  7. [モデル接続の作成] をクリックし、モデル接続 の作成を完了します。
    モデル接続 を無事作成した後、プロ開発者はそれを使用して AI スキル を作成します。

    「Create AI スキル with データ ストアに基づく モデル接続」を参照

    .

次のステップ

モデル接続を作成してテストした後、それをプロの開発者に割り当て、プロの開発者はこの接続を使用して AI スキル を作成します。

次のタスクのステップとして、Create AI スキル with データ ストアに基づく モデル接続に移動してAI スキルを作成し、データ ストアに基づく モデル接続に接続して、それを自動化で使用します。