ベクタークエリツールの使用

この例では、RAGシステムでのセマンティック検索のためにcreateVectorQueryToolを実装し使用する方法を示します。ツールの設定方法、ベクターストレージの管理、および関連するコンテキストを効果的に取得する方法を示しています。

概要

このシステムは、Mastra と OpenAI を使用して RAG を実装しています。以下がその機能です：

応答生成のために gpt-4o-mini を使用して Mastra エージェントを設定
ベクターストアの操作を管理するためのベクタークエリツールを作成
既存の埋め込みを使用して関連するコンテキストを取得
Mastra エージェントを使用してコンテキストに応じた応答を生成

注: 埋め込みの作成と保存方法については、Upsert Embeddings ガイドを参照してください。

セットアップ

環境セットアップ

環境変数を設定してください：

.env


OPENAI_API_KEY=your_openai_api_key_here
POSTGRES_CONNECTION_STRING=your_connection_string_here

依存関係

必要な依存関係をインポートします：

src/index.ts


import { openai } from "@ai-sdk/openai";
import { Mastra } from "@mastra/core";
import { Agent } from "@mastra/core/agent";
import { createVectorQueryTool } from "@mastra/rag";
import { PgVector } from "@mastra/pg";

ベクタークエリツールの作成

ベクターデータベースをクエリできるツールを作成します:

src/index.ts


const vectorQueryTool = createVectorQueryTool({
  vectorStoreName: "pgVector",
  indexName: "embeddings",
  model: openai.embedding("text-embedding-3-small"),
});

エージェント設定

応答を処理するMastraエージェントを設定します：

src/index.ts


export const ragAgent = new Agent({
  name: "RAG Agent",
  instructions:
    "You are a helpful assistant that answers questions based on the provided context. Keep your answers concise and relevant.",
  model: openai("gpt-4o-mini"),
  tools: {
    vectorQueryTool,
  },
});

PgVectorとMastraのインスタンス化

すべてのコンポーネントを使用してPgVectorとMastraをインスタンス化します:

src/index.ts


const pgVector = new PgVector(process.env.POSTGRES_CONNECTION_STRING!);
 
export const mastra = new Mastra({
  agents: { ragAgent },
  vectors: { pgVector },
});
 
const agent = mastra.getAgent("ragAgent");

使用例

src/index.ts


const prompt = `
[ここにドキュメントに基づくクエリを挿入]
ツールで提供されたコンテキストのみに基づいて回答してください。
コンテキストに質問に完全に答えるための十分な情報が含まれていない場合は、その旨を明示してください。
`;
 
const completion = await agent.generate(prompt);
console.log(completion.text);

GitHubで例を見る