제공되는 기능
- 지식 베이스 뒤에 두는 전용 벡터 데이터베이스
- 선택 사항인 API 키와 TLS
- 다른 모든 스토어와 동일한 에이전트 설정
EDDI에서의 동작 방식
- Qdrant 서버를 실행하고 호스트와 gRPC 포트(EDDI 기본값은 6334)를 메모해 둡니다.
storeType: "qdrant"와collectionName을 지정해 RagConfiguration을 만듭니다.eddi://ai.labs.rag워크플로 단계로 연결합니다.- LLM 태스크에서 이름으로 선택하고 문서를 수집합니다.
설정
EDDI 문서를 기준으로 합니다. your-agent-id 같은 플레이스홀더는 직접 바꿔서 사용하세요.
{
"name": "product-docs",
"embeddingProvider": "openai",
"embeddingParameters": {
"model": "text-embedding-3-small",
"apiKey": "${vault:openai-key}"
},
"storeType": "qdrant",
"storeParameters": {
"host": "localhost",
"port": 6334,
"collectionName": "product-docs",
"useTls": false
},
"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." }
} ] }거버넌스
- Qdrant에 API 키가 필요하다면 볼트에서 참조하세요.
- 임베딩 호출은 문서 텍스트를 사용자가 설정한 임베딩 공급자에게 보냅니다.
- 공개된 벡터 스토어는 코퍼스의 사본이 노출된 것과 같습니다. 공개 인터페이스에서 분리해 두세요.
알아 두면 좋은 점
- 문서 청크 교체는 Qdrant에서도 동작할 것으로 예상되지만 테스트로 검증되지 않았습니다. 이 기능이 없으면 다시 수집한 문서에 오래된 청크가 남을 수 있습니다.
관련 통합
이 페이지의 설정과 동작은 2026-10-14에 확인한 EDDI 문서를 따릅니다. 필드 이름과 기본값은 릴리스마다 달라질 수 있으므로, 사용 중인 버전의 문서에서 확인하세요.