Azure OpenAI Embeddings

Azure OpenAI Embeddings 노드는 Azure를 통해 배포된 OpenAI 모델을 이용하여 텍스트 데이터를 벡터 임베딩으로 변환합니다. 이 임베딩 벡터는 검색, 분류, 추천 등 다양한 AI 파이프라인에서 활용될 수 있으며, OpenAI의 강력한 언어 표현력과 Azure의 인프라 안정성을 함께 제공합니다.

---

주요 기능

• Azure에 배포된 OpenAI 임베딩 모델을 통해 텍스트를 벡터로 변환

• Batch 단위로 여러 입력을 한 번에 처리하여 효율적인 임베딩 수행

• API 요청 시간 제한, 경로 설정 등 Azure 환경에 최적화된 파라미터 제공

• 결과 벡터는 다양한 Vector Store 또는 분석 파이프라인에 활용 가능

WindyFlo Azure OpenAI Embeddings

WindyFlo Azure OpenAI Embeddings Parameters

입력값 (Inputs)

항목	설명	필수 여부
Connect Credential	Azure OpenAI API 호출에 필요한 인증 정보 (Credential에 등록)	필수

---

파라미터 (Parameters)

항목	설명
Batch Size	한 번에 처리할 텍스트 수 (기본값: 100)
Timeout	API 호출 제한 시간 (ms 단위, 설정 시 요청 시간 초과 방지)
BasePath	Azure OpenAI 서비스의 커스텀 엔드포인트 경로 (필요 시 입력)
BaseOptions	추가로 전달할 key-value 형식의 옵션 (예: headers, params 등)

---

출력값 (Outputs)

출력 항목	설명
AzureOpenAIEmbeddings	입력 텍스트에 대한 벡터 임베딩 결과 배열

---

활용 예시

• Azure 환경에서 운영 중인 문서 기반 RAG 파이프라인에 벡터 생성용으로 활용

• 기업 내부 보안 요건에 따라 Azure에서 직접 관리하는 모델을 통한 임베딩 수행

• 입력 데이터를 벡터화하여 Pinecone, Weaviate 등 외부 Vector Store와 연계

• 검색 유사도, 카테고리 분류 등 벡터 기반 ML 모델의 입력값 생성에 사용

---

사용 팁

• Batch Size를 높이면 처리량은 증가하지만, 응답 크기 초과로 실패할 수 있으므로 테스트 후 최적값 설정이 필요합니다.

• Azure에서 BasePath는 모델 배포 경로와 정확히 일치해야 하며, 설정 누락 시 오류가 발생합니다.

• BaseOptions를 통해 요청에 커스텀 헤더 또는 파라미터를 추가하면 인증 또는 로깅을 유연하게 처리할 수 있습니다.

• Timeout을 설정해 장시간 지연에 대비하거나 Azure API가 일시적으로 응답이 느릴 경우를 안정적으로 제어할 수 있습니다.

---

주의사항

• Azure OpenAI 서비스는 사용자 계정에 등록된 모델 배포 이름 및 리전과 정확히 일치해야 정상 호출됩니다.

• 임베딩 모델이 아닌 일반 Chat 모델로 구성된 Azure 리소스를 연결할 경우 오류가 발생합니다.

• Connect Credential 등록 시 Key 이름, 엔드포인트, 리전 정보가 정확히 입력되어야 합니다.

• 사용량이 많을 경우 Azure API 호출 요금이 과금될 수 있으므로 트래픽 제어 및 사용량 모니터링이 필요합니다.