Pular para o conteúdo principal
Última atualização em

Use a Pesquisa de AI com um token OAuth

Este Notebook mostra como chamar um endpoint de Pesquisa AI usando o SDK de Pesquisa AI ou HTTP com um token OAuth novo. Em ambos os casos, o caminho otimizado pela rede é usado, como é recomendado para qualquer carga de trabalho de produção.

As chamadas HTTP para criar um token e chamar o endpoint podem ser implementadas em uma linguagem de sua escolha. Para aplicações de produção, é importante ter em mente que o token deve ser atualizado a cada 60 minutos. Para evitar erros devido a um token obsoleto, a Databricks recomenda atualizá-lo em um intervalo inferior a 60 minutos.

Configuração​

Python
%pip install databricks-sdk
%pip install databricks-vectorsearch
dbutils.library.restartPython()
Python
import requests
import json
import random
from databricks.sdk import WorkspaceClient
import logging

Constantes de Configuração​

Para obter detalhes sobre como criar uma entidade de serviço, consulte a documentação da Databricks.

Python
# Define the secret ID and secret for the service principal
CLIENT_ID = dbutils.secrets.get(scope="scope", key="service_principal_client_id")
CLIENT_SECRET = dbutils.secrets.get(scope="scope", key="service_principal_client_secret")

# You can get it by clicking the copy button next to the index name
INDEX_NAME="UC_CATALOG_INDEX_NAME"
ENDPOINT_NAME="ENDPOINT_NAME"

workspace_url = f"https://{spark.conf.get('spark.databricks.workspaceUrl')}"

Consultar a Pesquisa de AI usando o cliente Python​

Para obter detalhes, consulte a documentação da API.

Python
from databricks.vector_search.client import VectorSearchClient

vsc_dp = VectorSearchClient(
  service_principal_client_id=CLIENT_ID,
  service_principal_client_secret=CLIENT_SECRET,
  workspace_url=workspace_url)

index = vsc_dp.get_index(endpoint_name=ENDPOINT_NAME, index_name=INDEX_NAME)
index.similarity_search(["text"], query_vector=[0]*2560, num_results=5, debug_level=0)

Use a Pesquisa de IA usando uma solicitação HTTP​

Esta seção mostra como chamar um Índice de Pesquisa de AI usando HTTP, que pode então implementar em uma ferramenta ou linguagem de sua escolha.

Gerar um token OAuth usando uma chamada de API​

Para chamar um endpoint usando um caminho otimizado para a rede, é necessário um token OAuth. O código a seguir cria o token.

Python
url = f"{workspace_url}/oidc/v1/token"
deets = json.dumps([
                {
                    "type": "unity_catalog_permission",
                    "securable_type": "table",
                    "securable_object_name": INDEX_NAME,
                    "operation": ("ReadVectorIndex"),
                },
            ])
payload = { 'grant_type': 'client_credentials', 'scope': 'all-apis', 'authorization_details': deets}

response = requests.post(
    url=url,
    auth=(CLIENT_ID, CLIENT_SECRET),
    headers={"Content-Type": "application/x-www-form-urlencoded"},
    data=payload,
)
if response.status_code != 200:
    logging.error(f"OAuth token request failed: {response.status_code} - {response.text}")
    response.raise_for_status()

token_data = response.json()
access_token = token_data.get("access_token")
if not access_token:
    raise ValueError("Failed to get access token")

Consultar Pesquisa de AI usando cliente Python​

Para usar JavaScript ou alguma outra ferramenta para consultar a Pesquisa de IA, crie a consulta e envie-a para o endpoint da Pesquisa de IA.

Python
index = vsc_dp.get_index(endpoint_name=ENDPOINT_NAME, index_name=INDEX_NAME)
index_url = index.index_url
print(index_url)

headers = {"Authorization": f"Bearer {access_token}"}
payload = {
    "query_vector": [0]*2560,
    "num_results": 5,
    "columns": ["text"]}

response = requests.post(index_url+"/query", headers=headers, data=json.dumps(payload))
print(response.status_code)
print(json.dumps(response.json(), indent=2))

Notebook de exemplo​

Use o AI Search com um token OAuth

Abrir notebook em uma nova aba
Nesta página