개요
Qdrant Vector Search Tool은 Qdrant 벡터 유사성 검색 엔진을 활용하여 CrewAI 에이전트에 시맨틱 검색 기능을 제공합니다. 이 도구를 사용하면 에이전트가 Qdrant 컬렉션에 저장된 문서를 시맨틱 유사성을 기반으로 검색할 수 있습니다.설치
필수 패키지를 설치하세요:기본 사용법
아래는 도구를 사용하는 최소한의 예시입니다:완전한 작동 예시
아래는 다음과 같은 방법을 보여주는 완전한 예시입니다:- PDF에서 텍스트 추출
- OpenAI를 사용하여 임베딩 생성
- Qdrant에 저장
- CrewAI agentic RAG 워크플로우로 시맨틱 검색 생성
도구 매개변수
필수 파라미터
qdrant_url
(str): Qdrant 서버의 URLqdrant_api_key
(str): Qdrant 인증을 위한 API 키collection_name
(str): 검색할 Qdrant 컬렉션의 이름
선택적 매개변수
limit
(int): 반환할 최대 결과 수 (기본값: 3)score_threshold
(float): 최소 유사도 점수 임계값 (기본값: 0.35)custom_embedding_fn
(Callable[[str], list[float]]): 텍스트 벡터화를 위한 사용자 지정 함수
검색 매개변수
이 도구는 스키마에서 다음과 같은 매개변수를 허용합니다:query
(str): 유사한 문서를 찾기 위한 검색 쿼리filter_by
(str, 선택 사항): 필터링할 메타데이터 필드filter_value
(str, 선택 사항): 필터 기준 값
반환 형식
이 도구는 결과를 JSON 형식으로 반환합니다:기본 임베딩
기본적으로, 이 도구는 벡터화를 위해 OpenAI의text-embedding-3-small
모델을 사용합니다. 이를 위해서는 다음이 필요합니다:
- 환경변수에 설정된 OpenAI API 키:
OPENAI_API_KEY
커스텀 임베딩
기본 임베딩 모델 대신 다음과 같은 경우에 사용자 정의 임베딩 함수를 사용하고 싶을 수 있습니다:- 다른 임베딩 모델을 사용하고 싶은 경우 (예: Cohere, HuggingFace, Ollama 모델)
- 오픈소스 임베딩 모델을 사용하여 비용을 절감해야 하는 경우
- 벡터 차원 또는 임베딩 품질에 대한 특정 요구 사항이 있는 경우
- 도메인 특화 임베딩을 사용하고 싶은 경우 (예: 의료 또는 법률 텍스트)
오류 처리
이 도구는 다음과 같은 특정 오류를 처리합니다:qdrant-client
가 설치되어 있지 않으면 ImportError를 발생시킵니다 (자동 설치 옵션 제공)QDRANT_URL
이 설정되어 있지 않으면 ValueError를 발생시킵니다- 누락된 경우
uv add qdrant-client
를 사용하여qdrant-client
설치를 안내합니다