PineconeStore 통합

LangChain JavaScript로 PineconeStore와 통합해요.

Pinecone은 세계 최고의 기업들의 AI를 지원하는 벡터 데이터베이스예요.

이 가이드는 Pinecone 벡터 스토어 시작을 위한 빠른 개요를 제공해요. 모든 PineconeStore 기능과 구성에 대한 자세한 문서는 API reference를 참고하세요.

개요 (Overview)

통합 세부 정보 (Integration details)

클래스	패키지	PY 지원	Downloads	Version
`PineconeStore`	`@langchain/pinecone`	✅

설정 (Setup)

Pinecone 벡터 스토어를 사용하려면 Pinecone 계정을 만들고, 인덱스를 초기화하고, @langchain/pinecone, @langchain/core, 공식 Pinecone SDK(@pinecone-database/pinecone v5.x)를 설치해 PineconeStore용 클라이언트를 초기화하세요.

이 가이드는 OpenAI 임베딩을 예시로 사용해요. 대신 다른 지원 임베딩 모델을 사용할 수도 있어요.

```bash npm npm install @langchain/pinecone @langchain/openai @langchain/core @pinecone-database/pinecone@5 ```

yarn add @langchain/pinecone @langchain/openai @langchain/core @pinecone-database/pinecone@5

pnpm add @langchain/pinecone @langchain/openai @langchain/core @pinecone-database/pinecone@5

자격 증명 (Credentials)

Pinecone 계정에 가입하고 인덱스를 만드세요. 차원(dimensions)이 사용할 임베딩과 일치하는지 확인하세요 (기본값은 OpenAI text-embedding-3-small의 1536). 완료되면 PINECONE_INDEX, PINECONE_API_KEY, 그리고 (선택적으로) PINECONE_ENVIRONMENT 환경 변수를 설정하세요:

process.env.PINECONE_API_KEY = "your-pinecone-api-key";
process.env.PINECONE_INDEX = "your-pinecone-index";

// Optional
process.env.PINECONE_ENVIRONMENT = "your-pinecone-environment";

이 가이드에 OpenAI 임베딩을 사용한다면 OpenAI 키도 설정하세요:

process.env.OPENAI_API_KEY = "YOUR_API_KEY";

모델 호출의 자동 추적을 받으려면 아래 주석을 해제해 LangSmith API 키를 설정할 수도 있어요:

// process.env.LANGSMITH_TRACING="true"
// process.env.LANGSMITH_API_KEY="your-api-key"

인스턴스화 (Instantiation)

import { PineconeStore } from "@langchain/pinecone";
import { OpenAIEmbeddings } from "@langchain/openai";

import { Pinecone as PineconeClient } from "@pinecone-database/pinecone";

const embeddings = new OpenAIEmbeddings({
  model: "text-embedding-3-small",
});

const pinecone = new PineconeClient();
// Will automatically read the PINECONE_API_KEY and PINECONE_ENVIRONMENT env vars
const pineconeIndex = pinecone.Index(process.env.PINECONE_INDEX!);

const vectorStore = await PineconeStore.fromExistingIndex(
  embeddings,
  {
    pineconeIndex,
    // Maximum number of batch requests to allow at once. Each batch is 1000 vectors.
    maxConcurrency: 5,
    // You can pass a namespace here too
    // namespace: "foo",
  }
);

벡터 스토어 관리 (Manage vector store)

벡터 스토어에 항목 추가 (Add items to vector store)

import type { Document } from "@langchain/core/documents";

const document1: Document = {
  pageContent: "The powerhouse of the cell is the mitochondria",
  metadata: { source: "https://example.com" }
};

const document2: Document = {
  pageContent: "Buildings are made out of brick",
  metadata: { source: "https://example.com" }
};

const document3: Document = {
  pageContent: "Mitochondria are made out of lipids",
  metadata: { source: "https://example.com" }
};

const document4: Document = {
  pageContent: "The 2024 Olympics are in Paris",
  metadata: { source: "https://example.com" }
}

const documents = [document1, document2, document3, document4];

await vectorStore.addDocuments(documents, { ids: ["1", "2", "3", "4"] });

[ '1', '2', '3', '4' ]

참고: 문서를 추가한 후 쿼리 가능해지기까지 약간의 지연이 있어요.

벡터 스토어에서 항목 삭제 (Delete items from vector store)

await vectorStore.delete({ ids: ["4"] });

벡터 스토어 쿼리 (Query vector store)

직접 쿼리 (Query directly)

간단한 유사도 검색은 다음과 같이 수행할 수 있어요:

// Optional filter
const filter = { source: "https://example.com" };

const similaritySearchResults = await vectorStore.similaritySearch("biology", 2, filter);

for (const doc of similaritySearchResults) {
  console.log(`* ${doc.pageContent} [${JSON.stringify(doc.metadata, null)}]`);
}

* The powerhouse of the cell is the mitochondria [{"source":"https://example.com"}]
* Mitochondria are made out of lipids [{"source":"https://example.com"}]

유사도 검색을 실행하고 대응하는 점수를 받으려면 다음을 실행할 수 있어요:

const similaritySearchWithScoreResults = await vectorStore.similaritySearchWithScore("biology", 2, filter)

for (const [doc, score] of similaritySearchWithScoreResults) {
  console.log(`* [SIM=${score.toFixed(3)}] ${doc.pageContent} [${JSON.stringify(doc.metadata)}]`);
}

* [SIM=0.165] The powerhouse of the cell is the mitochondria [{"source":"https://example.com"}]
* [SIM=0.148] Mitochondria are made out of lipids [{"source":"https://example.com"}]

리트리버로 변환해 쿼리 (Query by turning into retriever)

벡터 스토어를 리트리버로 변환해 체인에서 더 쉽게 사용할 수도 있어요.

const retriever = vectorStore.asRetriever({
  // Optional filter
  filter: filter,
  k: 2,
});

await retriever.invoke("biology");

검색 증강 생성(RAG) 사용법 (Usage for retrieval-augmented generation)

이 벡터 스토어를 검색 증강 생성(RAG)에 사용하는 방법에 대한 가이드는 다음 섹션을 참고하세요:

API reference

모든 PineconeStore 기능과 구성에 대한 자세한 문서는 API reference를 참고하세요.

출처: 문서

본문

PineconeStore는 Pinecone 벡터 데이터베이스용 벡터 스토어 통합이에요. @langchain/pinecone 패키지에서 가져와 PineconeClient·pineconeIndex로 fromExistingIndex를 호출해 인스턴스화하고, addDocuments(id 지원)·delete·similaritySearch·similaritySearchWithScore·asRetriever()를 사용할 수 있어요. PINECONE_API_KEY·PINECONE_INDEX 환경 변수로 자격 증명을 설정해요.

더 알아보기 (Learn more)

LangChain JavaScript 벡터 스토어 통합 문서