본문으로 건너뛰기

Azure AI Search를 이용한 벡터 검색

Azure AI Search 와 Storage Account를 사용한 벡터 검색 방법을 안내합니다.

Azure AI Search 벡터 검색 아키텍처

출처: Azure AI Search의 벡터

벡터 검색을 위해 필요한 사항​

1. 리소스 그룹 생성​

Azure 에 리소스그룹 생성

2. Azure OpenAI 리소스 생성​

Azure OpenAI 리소스를 리소스 그룹내에 생성

2.1 임베딩 모델 배포​

  • 모델 배포를 위해서 OpenAI 리소스 개요 화면에서 Explorer AI Foundry portal 버튼을 클릭하여 이동
  • AI Foundry 사이트에서 Deployments 메뉴로 이동하고 Deploy model 을 선택하여 text-embedding-ada-002 모델 선택

3. Storage Account 생성​

Storage Account 생성

4. Azure AI Search 생성​

Azure AI Search 생성 (구독당 하나의 Free 리소스 생성 가능)

5. 리소스 확인​

리소스 그룹에서 생성된 리소스 목록이 다음처럼 보여지면 준비가 된 상태

6. 컨테이너 생성 및 파일 업로드​

생성된 저장소 계정에서 files라는 컨테이너 생성후 예제파일(풍력발전_오해와_진실.pdf)

  • 좋은 검색을 위해서 절적한 청크가 필요
  • 예제파일은 pdf 뿐만 아니라 docx, pptx 등 가능

7. AI Search 벡터 데이터 추가​

AI Search 에서 벡터 데이터 추가

7.1 Data Connection 설정​

data connection 은 Azure Blob Storage 이고 storage account 를 3단계에서 생성한 이름으로 다음 그림과 같이 설정

7.2 임베딩 모델 선택​

임베딩 모델을 선택 (보이지 않으면 2단계에서 모델 배포 필요)

7.3 이미지 벡터화 (옵션)​

Vectorize and enrich your images 단계는 필요시 설정

7.4 Review 및 완료​

Review 단계 예시

7.5 벡터 검색 테스트​

완료 후 벡터 검색 테스트 검색어 소음

8. Copilot Studio 에이전트 생성​

Copilot Studio 에서 테스트를 위한 에이전트 생성

8.1 생성형 오케스트레이션 활성화​

생성형 오케스트레이션 활성화를 위해 설정 에서 생성형 AI 에서 Generative(preview) 로 변경

9. 참조 자료 추가​

참조 자료 메뉴에서 참조자료 추가 고급 선택하여 Azure AI Search 선택

10. 테스트​

이후 토픽을 추가하여 질문을 하면 다음과 같이 벡터 검색을 통해 응답 (검색이 안되는 경우 7단계부터 재 시도 필요)

토픽 YAML 코드 예시​

참고 풍력발전 토픽의 yaml 코드

kind: AdaptiveDialog
modelDescription: 풍력발전의 역사, 소음, 필요 부지에 대한 답
beginDialog:
kind: OnRecognizedIntent
id: main
intent: {}
actions:
    - kind: SearchAndSummarizeContent
    id: Cypahn
    userInput: =System.Activity.Text
    additionalInstructions: |-
        너는 풍력발전에 대한 질문에 답을 할수 있다.
        
        \# 제약사항
        답변은 반드시 한국어로만 해야한다.
    fileSearchDataSource:
        searchFilesMode:
        kind: DoNotSearchFiles

    knowledgeSources:
        kind: SearchSpecificKnowledgeSources
        knowledgeSources:
        - cr687_agentVectorSearchDemo.knowledge.agentvectorsearchdemoAzureAI_rY18gjJhBPlmdzJ8z08vA

← 메인으로 돌아가기