※この投稿は米国時間 2024 年 6 月 15 日に、Google Cloud blog に投稿されたものの抄訳です。
Cloud SQL for MySQL は、企業が幅広いアプリケーションに必要とする堅牢なパフォーマンス、スケーラビリティ、信頼性を提供します。複雑なゲームデータの管理からスマートホーム デバイスの運用まで、Chess.com などの企業や Google Nest はすでに Cloud SQL for MySQL を活用してイノベーションを推進し、ユーザー エクスペリエンスを改善して、データドリブン ソリューションの強固な基盤を提供しています。AI 機能の需要が高まるなか、組織は、すでにアプリケーションをサポートしているデータベースを使用しながら、ビジネスのニーズに合わせて AI を活用することを目指しています。
企業のビジネス変革を支援するために、Google は最近、Cloud SQL for MySQL の新機能をいくつか発表し、プレビュー版で利用できるようにしました。これらの新機能は、企業が AI を活用してデータベースとアプリケーションを強化するために役立ちます。Google がこのたび提供を開始したベクター エンベディング検索の統合サポートを活用すれば、革新的な生成 AI アプリケーションとAI 支援ツールを構築し、データベース管理を簡素化して、Gemini でパフォーマンスを次のレベルに引き上げるために役立てることができます。これらの新機能について詳しく見ていきましょう。
1. ベクター検索を使用して生成 AI アプリケーションを構築し、MySQL と統合する
Cloud SQL for MySQL ではベクター エンベディングのストレージと類似性検索が提供されるようになり、既存のアプリケーションで生成 AI を使用できるようになりました。エンベディング間の K 最近傍（KNN）と近似最近傍（ANN）検索がすべて MySQL エンジン内で提供されるようになりました。
ベクター エンベディングを生成するための LangChain インテグレーション
データをベクターとしてエンベディングすると、AI システムがより有意義にデータを処理できるようになります。情報をベクターとしてエンベディングすると、複雑性を保ちながら効率的に保存できます。これにより、AI アプリケーションはそれぞれ一意のデータを体系的に比較して類似点を発見できます。
LangChain は、大規模言語モデル（LLM）を使用してアプリケーションを構築するためによく使われるオープンソース フレームワークです。Cloud SQL チームは、データを処理してベクター エンベディングを生成し、それを MySQL インスタンスに接続するために役立つ Vector LangChain パッケージを構築しました。このインテグレーションにより、ベクターストア、ドキュメント ローダ、チャット メッセージ履歴が提供されます。
LangChain を使用して MySQL でベクター エンベディングを使用するためのガイドと、チャット履歴や大きいドキュメントなどのデータのエンベディングを生成し、そのエンベディングを MySQL に保存して検索する方法についてのエンドツーエンドの例をご覧ください。
ベクター検索による生成 AI アプリケーションの強化
