📣

TiDB Cloud Premium はパブリックプレビュー中です。エンタープライズワークロード向けの無制限のスケーリング、即時の弾力性、高度なセキュリティを提供します。このページは自動翻訳されたものです。原文はこちらからご覧ください。

TiDB の AI Integrations

このドキュメントでは、Auto Embedding プロバイダー、AI フレームワーク、Object Relational Mapping (ORM) ライブラリ、クラウドサービス、MCP サーバーサポートを含む、TiDB の AI 連携の概要を説明します。

ノート

ベクトル検索機能はベータ版です。事前の通知なく変更される場合があります。バグを見つけた場合は、GitHub で issue を報告できます。
ベクトル検索機能は、TiDB Self-Managed、TiDB Cloud Starter、および TiDB Cloud Dedicated で利用できます。TiDB Self-Managed と TiDB Cloud Dedicated では、TiDB バージョンが v8.4.0 以降である必要があります（v8.5.0 以降を推奨します）。

Auto Embedding

Auto Embedding 機能を使用すると、プレーンテキストを使って直接ベクトル検索を実行できます。TiDB がバックグラウンドで自動的にテキストをベクトルに変換するため、自分で embedding を生成または管理する必要はありません。

TiDB Vector Search は最大 16383 次元のベクトルの保存をサポートしており、ほとんどの embedding モデルに対応できます。

ベクトルの生成には、自前でデプロイしたオープンソースの embedding モデル、またはサードパーティの embedding API のいずれかを使用できます。

次の表は、サポートされている embedding プロバイダーを示しています。各プロバイダーの設定方法については、対応するガイドを参照してください。

TiDB は次の AI フレームワークを公式にサポートしており、これらのフレームワークで開発した AI アプリケーションを TiDB Vector Search に簡単に統合できます。

AI フレームワーク	チュートリアル
LangChain	Integrate Vector Search with LangChain
LlamaIndex	Integrate Vector Search with LlamaIndex

また、TiDB は AI アプリケーション向けのドキュメントストレージやナレッジグラフストレージなど、さまざまな用途にも使用できます。

TiDB Vector Search を ORM ライブラリと統合して、TiDB データベースを操作できます。

次の表は、サポートされている ORM ライブラリと対応する統合チュートリアルを示しています。

言語	ORM/クライアント	インストール方法	チュートリアル
Python	SQLAlchemy	`pip install tidb-vector`	Integrate TiDB Vector Search with SQLAlchemy
Python	peewee	`pip install tidb-vector`	Integrate TiDB Vector Search with peewee
Python	Django	`pip install django-tidb[vector]`	Integrate TiDB Vector Search with Django

サードパーティのクラウド embedding サービスを使用してベクトルを生成し、それらを TiDB に保存できます。

次の表は、サポートされているクラウドサービスと対応するチュートリアルを示しています。

クラウドサービス	ガイド
Jina AI	Integrate Vector Search with Jina AI Embeddings API
Amazon Bedrock	Integrate TiDB Vector Search with Amazon Bedrock

TiDB MCP Server はオープンソースのツールであり、Model Context Protocol (MCP) を通じて自然言語の指示を使って TiDB データベースを操作できます。

次の表は、サポートされている MCP クライアントと対応するセットアップガイドを示しています。