PGliteとClaude APIをつかってクライアントだけでRAGする

PGliteとClaude APIをつかってクライアントだけでRAGする

Clock Icon2024.09.02

Introduction

ここにあるように、Anthropic社がClaude APIに対してCORSサポートを追加しました。
これによってブラウザから直接Anthropicのモデルを呼び出すことができるようになってます。

ちょっと前にPGliteというWASM版PostgreSQLもリリースされました。
これはpgvector(Postgres用のvector類似性検索)などの拡張機能も使えます。

今回はこれらを使用してクライアントサイドのみでVector検索とClaude apiを使って
RAGをやってみます。

Claude API with CORS

Claude APIがCORSサポートされたことで、
クライアントサイドから直接Claude APIが呼び出せるようになります。
いままではサーバを立ててそこを経由してAPIを呼び出す必要がありましたが、それも必要ありません。
しかし、クライアント側でAPIキーを直接埋め込む必要があるため、扱いには注意が必要です。
信頼できるユーザに限定して公開するケースもしくは
ユーザ自身でAPIキーを設定するケースになるかと思います。

実装方法

実装は簡単で、APIのリクエストヘッダに

anthropic-dangerous-direct-browser-access: true`

を追加するだけです。
あとはx-api-keyヘッダにAPIキーを指定すればAPIを呼び出すことができます。

PGlite?

PGliteはElectricSQL社が開発した、PostgreSQLをWASMバイナリにコンパイルしたものです。
サイズも小さく(3Mくらい)、ブラウザやNode.jsなどで動作可能です。
また、多くのPostgreSQL拡張機能をサポートしており、
メモリ内DBとしても使用できますし、もちろん永続化も可能です。

import { PGlite } from "@electric-sql/pglite";
import { vector } from "@electric-sql/pglite/vector";

const db = await PGlite.create({ extensions: { vector } });

PGliteではpgvector拡張機能もデフォルトで使用可能になっており、
ここにあるように、vector型の使用や類似性検索がすぐに使えます。

Environment

  • MacBook Pro (14-inch, M3, 2023)
  • OS : MacOS 14.5
  • Node : v22.5.1
  • gh : v2.55.0 (2024-08-20)

Try

では、PGliteとClaude APIで、クライアントサイドだけで動作するRAGのデモをつくってみましょう。

今回は架空の会社の歴史をPGLiteに登録し、それをvector検索することで
社史とそのときの世間の出来事や背景もあわせて解説してくれるRAGアプリを実装してみます。

RAGアプリの動作フロー

デモアプリの流れは下記です。

rag.gif

  1. アプリ起動時に PGlite データベースが初期化される
  2. 「データベースセットアップ/リセット」ボタンをクリックすると、サンプル社史データがPGLiteに登録される
  3. AnthropicのAPIキーを入力し、質問を入力して「検索」ボタンをクリック
  4. 入力された質問に最も関連する会社の出来事をPGLiteから検索
  5. 検索結果と質問を使用して Claude API にリクエストを送信し、AI 生成の回答を取得
  6. 生成された回答が画面に表示される

アプリのリポジトリはこちらです。

セットアップ方法

↑のリポジトリからcloneして
下記のようにコマンドを実行すれば動きます。

# gh
% gh repo clone https://github.com/nakamura-shuta/pglite-react-app
% cd pglite-react-app
% npm i

# pglite.wasmをコピー
% mkdir -p public/@electric-sql/pglite/dist/
% cp ../node_modules/@electric-sql/pglite/dist/postgres.wasm public/@electric-sql/pglite/dist/

# Build & Run
% npm run build
% npm run dev

各コンポーネント

デモはシンプルなReactアプリです。
特徴的な部分をいくつか紹介。

社史データ登録

セットアップボタンを押すと、PGLiteに(テキストデータをvector化した)会社の歴史データを登録します。
※vector化処理はデモ用

//src/service/databaseOperation.js
export const insertCompanyHistory = async (db, history) => {
  await db.exec('DELETE FROM company_history');
  console.log('Existing data deleted');

  for (const item of history) {
    const embedding = getEmbedding(`${item.year}年: ${item.event}`);
    await db.query('INSERT INTO company_history (year, event, embedding) VALUES ($1, $2, $3)', 
                   [item.year, item.event, JSON.stringify(embedding)]);
    console.log(`Added event for year ${item.year}`);
  }
  console.log('Company history data added successfully');
};

検索ボタンを押すと、PGLiteに対して類似性に基づいた検索をします。

//src/service/databaseOperation.js
export const findRelevantEvents = async (db, query) => {
  const queryEmbedding = getEmbedding(query);
  const result = await db.query('SELECT year, event, embedding FROM company_history');

  return result.rows
    .map(row => ({
      ...row,
      distance: cosineSimilarity(queryEmbedding, JSON.parse(row.embedding))
    }))
    .sort((a, b) => a.distance - b.distance)
    .filter((event, index) => index < 3 || event.distance < 0.8);
};

Claude3 API

Claude3 APIを呼び出すコードです。
headerに必要情報を設定するだけで呼び出せます。

//src/services/aiOperations.js
export const getAIResponse = async (apiKey, query, eventDataList) => {
    const eventsText = eventDataList
      .map(event => `${event.year}年: ${event.event}`)
      .join('\n');

    const response = await fetch("https://api.anthropic.com/v1/messages", {
      method: "POST",
      headers: {
        "x-api-key": apiKey,
        "anthropic-version": "2023-06-01",
        "content-type": "application/json",
        "anthropic-dangerous-direct-browser-access": "true",
      },
      body: JSON.stringify({
        model: "claude-3-sonnet-20240229",
        max_tokens: 1000,
        messages: [
          {
            role: "user",
            content: [<プロンプト>],
          },
        ],
      }),
    });

    const data = await response.json();
    console.log('AI response generated successfully');
    return data.content[0].text;
  };

実行結果

動かしてみます。

% npm run dev

> pglite-react-app@0.0.0 dev
> vite

  VITE v5.4.2  ready in 672 ms

  ➜  Local:   http://localhost:5173/
  ➜  Network: use --host to expose
  ➜  press h + enter to show help

データベースセットアップボタンを押し、
テスト用社史を登録してから検索します。

https://github.com/nakamura-shuta/pglite-react-app/blob/main/src/utils/constants.js#L1-L17

APIキーを入力し、下記の質問をします。
「2015年から2018年の出来事を教えてください」
しばらくすると、下記の回答が返ってきました。

pglite-rag-sc.png

Summary

PGlite(Vector Search)とClaude APIを使用して、クライアントサイドだけでRAGをやってみました。
キーを埋め込むか各自で設定する必要があるので使い所は限られますが、
シンプルにRAGシステムがつくれます。

References

この記事をシェアする

facebook logohatena logotwitter logo

© Classmethod, Inc. All rights reserved.