得られるもの
- ご自身のドキュメントに基づく検索拡張型の回答
- 6 種類のベクターストアの1つで、コードではなく設定で選択
- 取り込みソース: スケジュールと実行履歴を備えた、Webサイトのクロールとアップロードされたファイル
EDDIでの仕組み
- Chroma サーバーを起動し、その URL とコレクション名を控えます。
storeType: "chroma"、ストアのパラメーター、埋め込みプロバイダーを指定して RagConfiguration を作成します。eddi://ai.labs.ragのワークフローステップでエージェントに紐付けます。- LLM タスクの
knowledgeBasesで名前を指定して選択し、ドキュメントを取り込みます。
設定
EDDIのドキュメントに基づいています。your-agent-id のようなプレースホルダーは、ご自身の値に置き換えてください。
{
"name": "product-docs",
"embeddingProvider": "openai",
"embeddingParameters": {
"model": "text-embedding-3-small",
"apiKey": "${vault:openai-key}"
},
"storeType": "chroma",
"storeParameters": {
"baseUrl": "http://localhost:8000",
"collectionName": "product-docs"
},
"chunkStrategy": "recursive",
"chunkSize": 512,
"chunkOverlap": 64,
"maxResults": 5,
"minScore": 0.6
}// 1. workflow step: binds the knowledge base to the agent
{ "type": "eddi://ai.labs.rag",
"extensions": {},
"config": { "uri": "eddi://ai.labs.rag/ragstore/rags/{ragId}?version=1" } }
// 2. LLM task: selects it by the "name" of the RagConfiguration
{ "tasks": [{
"actions": ["*"],
"type": "openai",
"knowledgeBases": [{ "name": "product-docs", "maxResults": 5, "minScore": 0.7 }],
"parameters": { "systemMessage": "You are a helpful assistant." }
} ] }ガバナンス
- 埋め込みの API キーはボルト参照のため、ドキュメントのコーパスと認証情報は分離されたままです。
- 埋め込みの呼び出しでは、ドキュメントのテキストがホスト型の埋め込みプロバイダーに送信されます。データをインフラの外に出せない場合は、セルフホストの埋め込みモデルを使用してください。
- 公開されたベクターストアは、コーパスのコピーを公開しているのと同じです。Chroma は認証を有効にして、パブリックなインターフェースから切り離して運用してください。
知っておくべきこと
- ドキュメントのチャンクの置き換えは、インメモリと pgvector で検証されています。Chroma では動作する見込みですがテストの対象外のため、再取り込みしたドキュメントに古いチャンクが残る場合があります。
関連するインテグレーション
このページの設定と動作は、2026-10-14に確認したEDDIのドキュメントに基づいています。フィールド名やデフォルト値はリリースによって変わることがあるため、お使いのバージョンのドキュメントで確認してください。