Vertex AI RAG इंजन

प्रबंधित Vertex AI RAG इंजन कॉर्पोरा से ग्राउंडेड संदर्भ प्राप्त करें — स्वयं होस्ट किए गए वेक्टर स्टोर, एम्बेडिंग प्रदाता या इनजेशन पाइपलाइन की आवश्यकता नहीं है।

---

यह क्या है

Vertex AI RAG इंजन Google Cloud का प्रबंधित RAG बैकएंड है: आप दस्तावेज़ों को एक RAG कॉर्पस में आयात करते हैं और प्लेटफ़ॉर्म चंकिंग, एम्बेडिंग और वेक्टर खोज को संभालता है। adk-rag का vertex-rag फीचर प्रदान करता है:

• VertexRagEngineClient — ADC-प्रमाणीकृत, केवल-पठन डेटा-प्लेन क्लाइंट: कॉर्पोरा प्राप्त/सूचीबद्ध करना, आयात की गई फ़ाइलों की सूची बनाना और संदर्भ प्राप्त करना
• VertexAiRagRetrievalTool — एक adk_core::Tool के रूप में पुनर्प्राप्ति, adk-python के VertexAiRagRetrieval का Rust समकक्ष

दायरा: केवल पुनर्प्राप्ति। कॉर्पस निर्माण और फ़ाइल आयात प्रावधान संबंधी कार्य हैं — Vertex AI कंसोल या RagCorpora/RagFiles प्रबंधन APIs का उपयोग करें।

---

इंस्टॉलेशन

[dependencies]
adk-rag = { version = "2.1.0", features = ["vertex-rag"] }

प्रमाणीकरण Application Default Credentials का उपयोग करता है:

gcloud auth application-default login

---

क्लाइंट

use adk_rag::vertex_rag::{RetrieveContextsRequest, VertexRagConfig, VertexRagEngineClient};

#[tokio::main]
async fn main() -> adk_core::Result<()> {
    // Or VertexRagConfig::from_env() reading GOOGLE_CLOUD_PROJECT / GOOGLE_CLOUD_LOCATION
    let config = VertexRagConfig::new("my-project", "us-central1");
    let client = VertexRagEngineClient::new_with_adc(config)?;

    // Verify the corpus exists and has imported files; fails with
    // actionable guidance when it is missing, empty, or in ERROR state.
    let corpus = client.ensure_corpus_ready("1234567890").await?;
    println!("corpus: {:?} ({:?} files)", corpus.display_name, corpus.rag_files_count);

    // Enumerate what's in the project and the corpus.
    let corpora = client.list_corpora().await?;
    let files = client.list_rag_files("1234567890").await?;
    println!("{} corpora, {} files", corpora.len(), files.len());

    // Retrieve the most relevant passages for a query.
    let request = RetrieveContextsRequest::new("what is the refund policy?", ["1234567890"])
        .similarity_top_k(5)
        .vector_distance_threshold(0.7);
    for context in client.retrieve_contexts(&request).await? {
        println!(
            "[{:.3}] {} — {}",
            context.score.unwrap_or_default(),
            context.source_display_name.as_deref().unwrap_or("<unknown>"),
            context.text.as_deref().unwrap_or(""),
        );
    }
    Ok(())
}

कॉर्पोरा को केवल ID के रूप में (क्लाइंट के प्रोजेक्ट और स्थान के आधार पर हल किए जाने हेतु) या पूर्ण projects/*/locations/*/ragCorpora/* संसाधन नामों के रूप में पास किया जा सकता है।

नोट: similarity_top_k और vector_distance_threshold adk-python के नाम बनाए रखते हैं, लेकिन वर्तमान वायर पाथ पर भेजे जाते हैं — query.ragRetrievalConfig.topK और query.ragRetrievalConfig.filter.vectorDistanceThreshold। अप्रचलित v1beta1 वर्तनी (query.similarityTopK, vertexRagStore.vectorDistanceThreshold) को v1 से हटा दिया गया है और कभी उत्सर्जित नहीं किया जाता। vector_similarity_threshold फ़िल्टर की दूसरी, परस्पर अनन्य शाखा है।

---

पुनर्प्राप्ति टूल

VertexAiRagRetrievalTool एकल आवश्यक query स्ट्रिंग लेता है और {text, sourceUri, sourceDisplayName, score} ऑब्जेक्ट की JSON ऐरे लौटाता है। यह स्वयं को केवल-पठन और समवर्ती-सुरक्षित बताता है, इसलिए ToolExecutionStrategy::Auto इसे अन्य पठन कार्यों के साथ समानांतर रूप से भेज सकता है।

use std::sync::Arc;
use adk_agent::LlmAgentBuilder;
use adk_model::GeminiModel;
use adk_rag::vertex_rag::{VertexAiRagRetrievalTool, VertexRagConfig, VertexRagEngineClient};

fn main() -> anyhow::Result<()> {
    let config = VertexRagConfig::new("my-project", "us-central1");
    let client = Arc::new(VertexRagEngineClient::new_with_adc(config)?);

    let retrieval = VertexAiRagRetrievalTool::new(client, vec!["1234567890".into()])
        .similarity_top_k(5)
        .vector_distance_threshold(0.7);

    let api_key = std::env::var("GOOGLE_API_KEY")?;
    let agent = LlmAgentBuilder::new("rag-assistant")
        .description("Answers questions grounded in a Vertex AI RAG Engine corpus")
        .model(Arc::new(GeminiModel::new(&api_key, "gemini-3.7-flash")?))
        .tool(Arc::new(retrieval))
        .instruction(
            "Answer using the vertex_rag_retrieval tool. Retrieve first, then \
             answer strictly from the retrieved passages, citing sourceDisplayName.",
        )
        .build()?;
    let _ = agent;
    Ok(())
}

पूर्ण रूप से चलने वाले एजेंट के लिए examples/vertex_rag देखें:

cargo run --manifest-path examples/vertex_rag/Cargo.toml

---

API संदर्भ

Response प्रकारों को लचीले ढंग से डीसीरियलाइज़ किया जाता है — प्रत्येक फ़ील्ड वैकल्पिक है और अज्ञात फ़ील्ड को अनदेखा किया जाता है, इसलिए नए सर्वर फ़ील्ड पार्सिंग को बाधित नहीं कर सकते। त्रुटियों में घटक Memory (retrieval मेमोरी डोमेन है; AdkError का कोई समर्पित RAG घटक नहीं है), प्रदाता vertex_ai और मशीन-पठनीय rag.vertex.* कोड शामिल होते हैं।

---

पर्यावरण चर

---

इसके बजाय स्वयं-होस्ट किया गया RAG?

अपने द्वारा चलाए जाने वाले पाइपलाइन के लिए — प्लग-इन किए जा सकने वाले चंकर, एम्बेडिंग प्रदाता, और वेक्टर स्टोर (Qdrant, LanceDB, pgvector, SurrealDB) — देखें RAG।