• CORRESPONDÊNCIAS
  • CONTEXTO
  • DADOS
  • HUMANO

Como fazer buscas vetoriais semânticas com seu AI

Conecte seu agente ao Google Cloud uma única vez. Depois disso, ele poderá consultar endpoints vetoriais em tempo real para encontrar dados pelo significado, não apenas por palavras-chave.

Pergunte à IA sobre esta página

Resposta rápida

Como posso realizar buscas de similaridade semântica com meu agente?

Seu agente utiliza arrays de embeddings específicos para consultar endpoints vetoriais ativos do Google Cloud. Ele identifica os itens mais próximos no seu conjunto de dados por meio de buscas de similaridade, entregando resultados precisos e contextuais.

Resultados da busca

Onde seus resultados aparecem.

O que acontece quando seu agente executa uma consulta.

CORRESPONDÊNCIAS

Resultados de vizinhos mais próximos

O agente identifica os pontos de dados mais similares no seu índice vetorial. Você recebe os registros exatos que atendem à intenção da sua busca.

CONTEXTO

Relevância semântica

A busca ignora correspondências exatas de palavras-chave em favor da similaridade conceitual. Isso garante que o agente encontre a informação correta, mesmo que as palavras sejam diferentes.

DADOS

Acesso a endpoints em tempo real

O agente extrai dados diretamente dos seus endpoints ativos no Google Cloud. Você trabalha sempre com os embeddings mais recentes do seu banco de dados vetorial.

HUMANO

Revisão manual necessária

O agente apresenta as melhores correspondências para sua inspeção. Você decide se a pontuação de similaridade atende aos seus requisitos específicos.

O fluxo

O que seu AI faz quando a consulta chega.

O agente cuida de toda a parte pesada de cálculos vetoriais e comunicação com os endpoints.

  1. Vetorizar a consulta

    O agente prepara a entrada para corresponder ao formato exigido pelo seu índice do Google Cloud.

    search_nearest_neighbors

  2. Executar a busca

    O agente envia o array de embedding para o endpoint ativo para encontrar as correspondências.

    search_nearest_neighbors

  3. Recuperar vizinhos

    O sistema extrai os pontos de dados mais próximos com base na pontuação de similaridade.

    search_nearest_neighbors

  4. Apresentar resultados

    O agente resume os vizinhos encontrados para que você possa agir sobre eles.

    search_nearest_neighbors

Teste

Copie estes comandos para começar.

Use estes prompts para disparar uma busca.

Pontos de partida

Estas são frases iniciais. Substitua o texto entre colchetes pelos seus IDs de endpoint e arrays de embedding reais.

Vertex AI Vector Search Connector

Tudo pronto. Escolha seu cliente MCP e siga as instruções de configuração.

Link do conectorhttps://edge.vinkius.com/vk_preview_7qmxXVVjzgLzy5Qveg1Au3aDsjeacjAMcHp2XBIt/mcp

Claude Desktop

Siga os passos abaixo para conectar em segundos.

  1. 1In Claude Desktop, open Settings → Connectors.
  2. 2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
  3. 3Click Add and start a new chat — Vertex AI Vector Search capabilities are ready to use.
Configuração · claude_desktop_config.jsonCopiar
{
  "mcpServers": {
    "vertex-ai-vector-search-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_7qmxXVVjzgLzy5Qveg1Au3aDsjeacjAMcHp2XBIt/mcp"
    }
  }
}
Copie no chat04

  • Busque os vizinhos mais próximos no meu índice do Google Cloud usando este array de embedding: [0.1, 0.2, 0.3...]

  • Encontre itens similares no meu endpoint vetorial para o conceito de 'churn de clientes' usando este array: [0.5, -0.1, 0.8...]

  • Execute uma busca de similaridade no meu endpoint ativo usando este embedding específico: [0.9, 0.4, -0.2...]

  • Identifique os pontos de dados mais próximos deste vetor no meu índice do Vertex AI: [0.0, 1.1, -0.5...]

  • Claude
  • ChatGPT
  • Cursor
  • VS Code
  • Windsurf
  • Claude Code
  • JetBrains
  • Cline

Comece aqui

Conecte o Vertex AI Vector Search uma vez e pronto.

Basta vincular suas credenciais do Google Cloud. Seu login permanece criptografado conosco e você pode começar a fazer consultas imediatamente.

Conectar Vertex AI Vector Search ao seu AI

FAQ

Como esta tarefa funciona

  • 01

    O AI pode atualizar meu índice vetorial?

    Não. Este connector apenas realiza buscas de similaridade; ele não pode adicionar, excluir ou modificar os dados dentro do seu índice do Google Cloud.

  • 02

    Preciso fornecer os arrays de embedding?

    Sim. O agente precisa de arrays de embedding específicos para executar a busca nos seus endpoints.

  • 03

    O AI pode alterar minhas permissões no Google Cloud?

    Não. O agente utiliza apenas as permissões que você já estabeleceu para o endpoint.

  • 04

    O AI decide quais correspondências são 'corretas'?

    Não. O agente identifica os vizinhos matematicamente mais próximos, mas você deve revisar os resultados para determinar se eles são úteis para o seu contexto.

  • 05

    Posso pesquisar por texto em vez de vetores?

    Não. Esta tarefa específica foi projetada para buscas vetoriais semânticas usando arrays de embedding.

  • Mais dúvidas sobre o Vertex AI Vector Search? A página do Connector responde. Veja tudo o que o Connector do Vertex AI Vector Search pode fazer

Conecte Vertex AI Vector Search ao Claude, Cursor, ChatGPT e outros