Vertex AI RAG エンジン

管理された Vertex AI RAG Engine コーパスからグラウンディング済みのコンテキストを取得します。自己ホスト型のベクトルストア、埋め込みプロバイダー、取り込みパイプラインは必要ありません。

---

概要

Vertex AI RAG Engine は、Google Cloud のマネージド RAG バックエンドです。ドキュメントを RAG コーパス にインポートすると、プラットフォームがチャンク分割、埋め込み、ベクトル検索を処理します。adk-rag の vertex-rag 機能は、次を提供します。

• VertexRagEngineClient — ADC で認証される読み取り専用のデータプレーン クライアント。コーパスの取得・一覧表示、インポート済みファイルの一覧表示、 コンテキストの取得を行います
• VertexAiRagRetrievalTool — adk_core::Tool としての検索。adk-python の VertexAiRagRetrieval に相当する Rust 実装です

対象範囲: 検索のみ。コーパスの作成とファイルのインポートはプロビジョニングに関する処理です。Vertex AI コンソール または RagCorpora/RagFiles 管理 APIs を使用してください。

---

インストール

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

認証には Application Default Credentials を使用します。

gcloud auth application-default login

---

クライアント

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(())
}

コーパスには、単純な ID（クライアントのプロジェクトとロケーションに基づいて解決されます）または完全な projects/*/locations/*/ragCorpora/* リソース名を渡せます。

注: similarity_top_k と vector_distance_threshold は adk-python の名前を維持していますが、現在の通信経路で送信されます — query.ragRetrievalConfig.topK および query.ragRetrievalConfig.filter.vectorDistanceThreshold。非推奨の v1beta1 表記（query.similarityTopK、 vertexRagStore.vectorDistanceThreshold）は v1 から削除されており、出力されることはありません。 vector_similarity_threshold は、フィルターにおけるもう一方の相互排他的な選択肢です。

---

検索ツール

VertexAiRagRetrievalTool は、必須の query 文字列を 1 つ受け取り、 JSON 個の {text, sourceUri, sourceDisplayName, score} オブジェクトの配列を返します。 このツールは読み取り専用かつ並行実行に安全であることを示すため、 ToolExecutionStrategy::Auto は他の読み取り処理と並列にディスパッチできます。

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(())
}

完全に実行可能なエージェントについては、examples/vertex_rag を参照してください。

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

---

API リファレンス

レスポンス型は柔軟にデシリアライズされます。すべてのフィールドはオプションであり、不明なフィールドは無視されるため、新しいサーバーフィールドによってパースが失敗することはありません。エラーにはコンポーネント Memory（retrieval はメモリドメインです。AdkError には専用の RAG コンポーネントがありません）、プロバイダー vertex_ai、および機械可読な rag.vertex.* コードが含まれます。

---

環境変数

---

代わりにセルフホスト型の RAG を利用しますか？

ご自身で実行するパイプライン（プラグ可能なチャンク分割器、埋め込みプロバイダー、 およびベクトルストア（Qdrant、LanceDB、pgvector、SurrealDB））については、 RAG を参照してください。