Vertex AI와 Cloud SQL 통합

이 페이지에서는 Cloud SQL을 Vertex AI와 통합하는 방법을 설명합니다.

이 통합을 통해 Vertex AI에서 호스팅되는 대규모 언어 모델 (LLM)을 SQL Server용 Cloud SQL 2025 데이터베이스에 적용할 수 있습니다.

Cloud SQL을 Vertex AI와 통합하면 머신러닝(ML) 모델의 시맨틱 및 예측 성능을 데이터에 적용할 수 있습니다. 이 통합은 모델 쿼리를 위한 임베딩 생성 함수를 사용하여 SQL 구문을 확장합니다.

임베딩 모델이 텍스트 프롬프트를 숫자 벡터로 변환할 수 있도록 임베딩 생성 함수를 사용합니다. 그런 다음 이러한 벡터 임베딩을 벡터 데이터 유형의 입력으로 적용할 수 있습니다. 자세한 내용은 SQL Database 엔진의 벡터 검색 및 벡터 색인에 관한 Microsoft 문서를 참고하세요.

Vertex AI에 대한 자세한 내용은 Vertex AI 소개를 참조하세요.

지원되는 버전 및 데이터베이스 버전

Vertex AI 통합은 Cloud SQL Enterprise Plus 버전 및 Cloud SQL Enterprise 버전과 모든 SQL Server 2025 데이터베이스 버전에서 지원됩니다.

지원되는 모델 유형

Cloud SQL과의 Vertex AI 통합은 다음 소스의 모델 엔드포인트를 지원합니다.

  • Vertex AI
  • Hugging Face
  • OpenAI

시작하기 전에

  1. Google Cloud 계정에 로그인합니다. Google Cloud를 처음 사용하는 경우 계정을 만들고 Google 제품의 실제 성능을 평가해 보세요. 신규 고객에게는 워크로드를 실행, 테스트, 배포하는 데 사용할 수 있는 $300의 무료 크레딧이 제공됩니다.

  2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  3. Verify that billing is enabled for your Google Cloud project.

  4. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  5. Verify that billing is enabled for your Google Cloud project.

  6. 필요한 Google Cloud API를 사용 설정합니다.

    콘솔

    1. API 및 서비스 페이지로 이동합니다.
    2. 프로젝트 목록에서 프로젝트를 선택합니다.
    3. API 라이브러리가 열려 있지 않으면 탐색 메뉴에서 라이브러리를 선택합니다.

    4. 사용 설정할 API를 클릭합니다. 이 절차에서는 다음을 사용 설정해야 합니다.

      • Cloud SQL Admin API
      • Vertex AI API
      • Compute Engine API
      • 선택사항: 서드 파티 모델을 사용하는 경우 Secret Manager API가 필요합니다.
    5. 각 API를 선택한 후 사용 설정을 클릭합니다.

    gcloud

    1. Cloud Shell을 열면 브라우저에서 직접 명령줄을 통해 Google Cloud 리소스에 액세스할 수 있습니다.
    2. 필요한 API를 사용 설정하려면 gcloud services enable 명령어를 사용합니다. 
      gcloud services enable sqladmin.googleapis.com \
  aiplatform.googleapis.com \
  compute.googleapis.com \
  secretmanager.googleapis.com
      3. 이 명령어는 다음 API를 사용 설정합니다.
      • Cloud SQL Admin API
      • Vertex AI API
      • Compute Engine API
      • 선택사항: 서드 파티 모델을 사용하는 경우 Secret Manager API가 필요합니다.

  7. Cloud SQL 서비스 계정에 Vertex AI에 액세스할 수 있는 Identity and Access Management(IAM) 권한을 부여합니다.

    8. gcloud

    Cloud SQL 인스턴스가 있는 프로젝트의 Cloud SQL 서비스 계정에 Vertex AI 권한을 추가하려면 gcloud projects add-iam-policy-binding 명령어를 사용합니다. 

    gcloud projects add-iam-policy-binding PROJECT_ID \
--member="serviceAccount:SERVICE_ACCOUNT_EMAIL" \
--role="roles/aiplatform.user"

    다음을 바꿉니다.
    • PROJECT_ID: Vertex AI 엔드포인트가 있는 프로젝트의 ID입니다. Cloud SQL은 이 엔드포인트를 사용하여 Vertex AI에 호스팅되는 LLM에 액세스합니다.

    • SERVICE_ACCOUNT_EMAIL: Cloud SQL 서비스 계정의 이메일 주소입니다.

      이 이메일 주소를 찾으려면 gcloud sql instances describe 명령어를 사용합니다. 

      gcloud sql instances describe INSTANCE_NAME | grep EmailAddress

      INSTANCE_NAME을 Cloud SQL 인스턴스의 이름으로 바꿉니다.

  8. 삽입 모델을 사용하는 Cloud SQL 사용자에게 다음 데이터베이스 권한이 부여되어 있는지 확인합니다.
    • 데이터베이스 사용자가 모델을 만들거나 수정하도록 하려면 다음 저장 프로시저에 대한 EXECUTE 권한을 Cloud SQL 사용자에게 부여해야 합니다.
      • [msdb].gcloudsql_ml_create_external_model: AI 모델 추론 엔드포인트의 위치, 인증 방법, 목적을 포함하는 외부 모델 객체를 만듭니다.
      • [msdb].gcloudsql_ml_alter_external_model: 외부 모델 객체를 수정할 수 있습니다.
      • [msdb].gcloudsql_ml_drop_external_model: 데이터베이스에서 외부 모델 객체를 삭제합니다.
    • 앞서 나열된 저장 프로시져를 호출하려면 대상 데이터베이스에 다음 권한이 필요합니다.
      • CREATE EXTERNAL MODEL
      • ALTER EXTERNAL MODEL

      • 이러한 권한을 부여하는 방법을 알아보려면 외부 모델 만들기 명령어 및 명명법에 관한 Microsoft 문서를 참고하세요.

      Cloud SQL 슈퍼 사용자 권한에 대한 자세한 내용은 SQL Server 사용자 및 저장 프로시저 정보를 참고하세요.

  9. 서드 파티 외부 모델을 사용하려면 Cloud SQL 인스턴스에서 액세스할 수 있는 Secret Manager 위치에 저장된 모델의 유효한 API 키가 있어야 합니다.
  10. 서드 파티 외부 모델을 사용하는 경우 Cloud SQL 인스턴스는 공개 IP 주소를 사용해야 합니다. 비공개 IP 인스턴스는 서드 파티 외부 모델에 액세스할 수 없습니다. 비공개 서비스 액세스 및 Private Service Connect는 Vertex AI 통합에서만 지원됩니다.

Vertex AI와 데이터베이스 통합 사용 설정

Vertex AI와 데이터베이스 통합을 사용 설정하려면 다음 단계를 완료하세요.

  1. 인스턴스를 Vertex AI와 통합할 수 있도록 Cloud SQL 인스턴스를 만들거나 업데이트합니다.

    gcloud

    인스턴스 만들기

    Cloud SQL 인스턴스를 만들려면 gcloud sql instances create 명령어를 사용합니다.

    gcloud sql instances create INSTANCE_NAME \
--database-version=DATABASE_VERSION \
--tier=MACHINE_TYPE \
--region=REGION_NAME \
--enable-google-ml-integration

    다음을 바꿉니다.

    • INSTANCE_NAME: 인스턴스 이름입니다.
    • DATABASE_VERSION: 인스턴스의 데이터베이스 버전(예: SQLSERVER_2025_ENTERPRISE)
    • MACHINE_TYPE: 인스턴스의 머신 유형(예: db-perf-optimized-N-8.)
    • REGION_NAME: 인스턴스의 리전(예: us-central1)

    인스턴스 업데이트

    인스턴스를 업데이트하려면 gcloud sql instances patch 명령어를 사용합니다.

    gcloud sql instances patch INSTANCE_NAME \
--enable-google-ml-integration

    REST v1

    인스턴스 만들기

    이 예시를 사용하여 인스턴스를 만듭니다. 이 호출의 전체 매개변수 목록은 instances:insert 페이지를 참조하세요. 리전에 따른 유효값을 포함한 인스턴스 설정에 대한 자세한 내용은 인스턴스 설정을 참조하세요.

    요청 데이터를 사용하기 전에 다음을 바꿉니다.

    • PROJECT_ID: 인스턴스가 포함된 Google Cloud 프로젝트의 ID 또는 프로젝트 번호
    • INSTANCE_NAME: 인스턴스 이름입니다.
    • REGION_NAME: 인스턴스의 리전 이름
    • DATABASE_VERSION: 데이터베이스 버전의 열거형 문자열(예: SQLSERVER_2025_ENTERPRISE)
    • PASSWORD: 데이터베이스 root 사용자의 비밀번호입니다.
    • MACHINE_TYPE: 머신(등급) 유형의 열거형 문자열(예: db-custom-[CPUS]-[MEMORY_MBS]) 자세한 내용은 머신 등급을 참고하세요.
    • EDITION_TYPE: Cloud SQL 버전입니다(예: ENTERPRISE).

    또한 요청에 enableGoogleMlIntegration 객체를 포함해야 합니다. 필요에 따라 다음 매개변수를 설정합니다.

    • enableGoogleMlIntegration: 이 매개변수가 true로 설정되면 Cloud SQL 인스턴스가 Vertex AI에 연결하여 실시간 예측 및 통계 요청을 AI에 전달할 수 있습니다.

    HTTP 메서드 및 URL: 

    POST https://sqladmin.googleapis.com/v1/projects/PROJECT_ID/instances

    JSON 요청 본문:

    {
  "name": "INSTANCE_NAME",
  "region": "REGION_NAME",
  "databaseVersion": "DATABASE_VERSION",
  "rootPassword": "PASSWORD",
  "settings": {
    "tier": "MACHINE_TYPE",
    "edition": "EDITION_TYPE",
    "enableGoogleMlIntegration": "true" | "false"
    
  }
}

    요청을 보내려면 다음 옵션 중 하나를 펼칩니다.

    다음과 비슷한 JSON 응답이 표시됩니다.

    {
  "kind": "sql#operation",
  "targetLink": "https://sqladmin.googleapis.com/v1/projects/PROJECT_ID/instances/INSTANCE_ID",
  "status": "PENDING",
  "user": "user@example.com",
  "insertTime": "2019-09-25T22:19:33.735Z",
  "operationType": "CREATE",
  "name": "OPERATION_ID",
  "targetId": "INSTANCE_ID",
  "selfLink": "https://sqladmin.googleapis.com/v1/projects/PROJECT_ID/operations/OPERATION_ID",
  "targetProject": "PROJECT_ID"
}

    인스턴스 업데이트

    이 예시를 사용하여 인스턴스를 업데이트합니다. 이 호출의 전체 매개변수 목록은 instances.patch 페이지를 참조하세요.

    이 업데이트로 인해 재시작이 필요한 값이 수정되면 변경을 진행하거나 취소하라는 메시지가 표시됩니다.

    요청 데이터를 사용하기 전에 다음을 바꿉니다.

    • PROJECT_ID: 인스턴스가 포함된 Google Cloud 프로젝트의 ID 또는 프로젝트 번호
    • INSTANCE_NAME: 인스턴스 이름

    HTTP 메서드 및 URL: 

    PATCH https://sqladmin.googleapis.com/v1/projects/PROJECT_ID/instances/INSTANCE_NAME

    JSON 요청 본문:

    {
  "settings": {
    "enableGoogleMlIntegration": true,
    
   }
}

    요청을 보내려면 다음 옵션 중 하나를 펼칩니다.

    다음과 비슷한 JSON 응답이 표시됩니다.

    {
  "kind": "sql#operation",
  "targetLink": "https://sqladmin.googleapis.com/v1/projects/PROJECT_ID/instances/INSTANCE_NAME",
  "status": "PENDING",
  "user": "user@example.com",
  "insertTime": "2020-01-16T02:32:12.281Z",
  "operationType": "UPDATE",
  "name": "OPERATION_ID",
  "targetId": "INSTANCE_NAME",
  "selfLink": "https://sqladmin.googleapis.com/v1/projects/PROJECT_ID/operations/OPERATION_ID",
  "targetProject": "PROJECT_ID"
}

    REST v1beta4

    인스턴스 만들기

    이 예시를 사용하여 인스턴스를 만듭니다. 이 호출의 전체 매개변수 목록은 instances:insert 페이지를 참조하세요. 리전에 따른 유효값을 포함한 인스턴스 설정에 대한 자세한 내용은 인스턴스 설정을 참조하세요.

    요청 데이터를 사용하기 전에 다음을 바꿉니다.

    • PROJECT_ID: 인스턴스가 포함된 Google Cloud 프로젝트의 ID 또는 프로젝트 번호
    • INSTANCE_NAME: 인스턴스 이름입니다.
    • REGION_NAME: 인스턴스의 리전 이름
    • DATABASE_VERSION: 데이터베이스 버전의 열거형 문자열(예: SQLSERVER_2025_ENTERPRISE)
    • PASSWORD: 데이터베이스 root 사용자의 비밀번호입니다.
    • MACHINE_TYPE: 머신(등급) 유형의 열거형 문자열(예: db-custom-[CPUS]-[MEMORY_MBS]) 자세한 내용은 머신 등급을 참고하세요.
    • EDITION_TYPE: Cloud SQL 버전입니다(예: ENTERPRISE).

    또한 요청에 enableGoogleMlIntegration 객체를 포함해야 합니다. 필요에 따라 다음 매개변수를 설정합니다.

    • enableGoogleMlIntegration: 이 매개변수가 true로 설정되면 Cloud SQL 인스턴스가 Vertex AI에 연결하여 실시간 예측 및 통계 요청을 AI에 전달할 수 있습니다.

    HTTP 메서드 및 URL: 

    POST https://sqladmin.googleapis.com/v1beta4/projects/PROJECT_ID/instances

    JSON 요청 본문:

    {
  "name": "INSTANCE_NAME",
  "region": "REGION_NAME",
  "databaseVersion": "DATABASE_VERSION",
  "rootPassword": "PASSWORD",
  "settings": {
    "tier": "MACHINE_TYPE",
    "edition": "EDITION_TYPE",
    "enableGoogleMlIntegration": "true" | "false"
    
  }
}

    요청을 보내려면 다음 옵션 중 하나를 펼칩니다.

    다음과 비슷한 JSON 응답이 표시됩니다.

    {
  "kind": "sql#operation",
  "targetLink": "https://sqladmin.googleapis.com/v1beta4/projects/PROJECT_ID/instances/INSTANCE_ID",
  "status": "PENDING",
  "user": "user@example.com",
  "insertTime": "2019-09-25T22:19:33.735Z",
  "operationType": "CREATE",
  "name": "OPERATION_ID",
  "targetId": "INSTANCE_ID",
  "selfLink": "https://sqladmin.googleapis.com/v1beta4/projects/PROJECT_ID/operations/OPERATION_ID",
  "targetProject": "PROJECT_ID"
}

    인스턴스 업데이트

    이 예시를 사용하여 인스턴스를 업데이트합니다. 이 호출의 전체 매개변수 목록은 instances.patch 페이지를 참조하세요.

    이 업데이트로 인해 재시작이 필요한 값이 수정되면 변경을 진행하거나 취소하라는 메시지가 표시됩니다.

    요청 데이터를 사용하기 전에 다음을 바꿉니다.

    • PROJECT_ID: 인스턴스가 포함된 Google Cloud 프로젝트의 ID 또는 프로젝트 번호
    • INSTANCE_NAME: 인스턴스 이름

    HTTP 메서드 및 URL: 

    PATCH https://sqladmin.googleapis.com/v1beta4/projects/PROJECT_ID/instances/INSTANCE_NAME

    JSON 요청 본문:

    {
  "settings": {
    "enableGoogleMlIntegration": true,
    
   }
}

    요청을 보내려면 다음 옵션 중 하나를 펼칩니다.

    다음과 비슷한 JSON 응답이 표시됩니다.

    {
  "kind": "sql#operation",
  "targetLink": "https://sqladmin.googleapis.com/v1beta4/projects/PROJECT_ID/instances/INSTANCE_NAME",
  "status": "PENDING",
  "user": "user@example.com",
  "insertTime": "2020-01-16T02:32:12.281Z",
  "operationType": "UPDATE",
  "name": "OPERATION_ID",
  "targetId": "INSTANCE_NAME",
  "selfLink": "https://sqladmin.googleapis.com/v1beta4/projects/PROJECT_ID/operations/OPERATION_ID",
  "targetProject": "PROJECT_ID"
}

Secret Manager 권한 추가

OpenAI 또는 Hugging Face와 같은 외부 소스의 모델을 사용하려면 모델 소스의 API 키를 Secret Manager에 저장해야 합니다.

그런 다음 Cloud SQL 인스턴스에 Secret Manager의 모델 소스 API 키에 대한 액세스 권한을 부여해야 합니다. 액세스 권한을 얻으려면 다음 명령어를 실행합니다.


SA_NAME=$(gcloud sql instances describe INSTANCE_NAME --format="value(serviceAccountEmailAddress)");

gcloud secrets add-iam-policy-binding SECRET_NAME \
    --member="serviceAccount:${SA_NAME}" \
    --role="roles/secretmanager.secretAccessor"

다음을 바꿉니다.

  • INSTANCE_NAME: Cloud SQL 인스턴스의 이름.
  • SECRET_NAME: Secret Manager에서 사용되는 보안 비밀의 이름입니다.

외부 모델 객체

외부 소스에서 모델에 액세스하려면 SQL Server에서 사용할 모델 객체를 만들어야 합니다. Cloud SQL은 외부 모델 객체를 만들고, 변경하고, 삭제할 수 있는 세 가지 저장 프로시저를 제공합니다.

  • gcloudsql_ml_create_external_model
  • gcloudsql_ml_alter_external_model
  • gcloudsql_ml_drop_external_model

외부 모델 만들기

모델을 만들려면 msdb 데이터베이스에 있는 gcloudsql_ml_create_external_model 저장 프로시저를 실행합니다.

EXECUTE [msdb].[dbo].[gcloudsql_ml_create_external_model]
@db = [DB_NAME],
@model_name = MODEL_NAME,
@model_provider = 'MODEL_PROVIDER',
@model = 'MODEL',
@model_url = MODEL_URL,
@secret_url = SECRET_URL

다음을 바꿉니다.

  • DB_NAME: 외부 모델을 만들 대상 데이터베이스입니다.
  • MODEL_NAME: 새 외부 모델의 이름입니다.
  • MODEL_PROVIDER: 모델 제공업체의 이름(예: 다음 중 하나)입니다.
    • Vertex AI
    • OpenAI
    • Hugging Face
  • MODEL_URL: 모델 엔드포인트의 URL입니다.
  • MODEL: 호출되는 AI 모델입니다. 예를 들면 gemini-embedding-002입니다.
  • SECRET_URL: Vertex AI가 모델 제공업체인 경우 이 매개변수는 비어 있어야 합니다. 외부 모델을 사용하는 경우 이 값은 API 키의 Secret Manager 위치를 참조해야 합니다. URL 예시는 다음 형식을 사용합니다. 
        https://secretmanager.googleapis.com/v1/projects/PROJECT_ID/secrets/SECRET_NAME/versions/VERSION

    다음을 바꿉니다.

    • PROJECT_ID: 보안 비밀이 있는 프로젝트 ID입니다.
    • SECRET_NAME: Secret Manager에서 사용되는 보안 비밀의 이름입니다.
    • VERSION: 보안 비밀의 버전 번호입니다.

외부 모델 변경

외부 모델 객체를 변경하려면 msdb 데이터베이스에 있는 gcloudsql_ml_alter_external_model 저장 프로시저를 실행하세요.

EXECUTE [msdb].[dbo].[gcloudsql_ml_alter_external_model]
@db = [DB_NAME],
@model_name = MODEL_NAME,
@model_provider = 'MODEL_PROVIDER',
@model = 'MODEL',
@model_url = MODEL_URL,
@secret_url = SECRET_URL

다음을 바꿉니다.

  • DB_NAME: 수정하려는 모델이 있는 타겟 데이터베이스입니다.
  • MODEL_NAME: 기존 모델의 이름입니다.
  • MODEL_PROVIDER: 모델 제공업체의 이름(예: 다음 중 하나)입니다.
    • Vertex AI
    • OpenAI
    • Hugging Face
  • MODEL_URL: 모델 엔드포인트의 URL입니다.
  • MODEL: 호출되는 AI 모델입니다. 예를 들면 gemini-embedding-001입니다.
  • SECRET_URL: Vertex AI가 모델 제공자인 경우 이 매개변수는 비어 있어야 합니다. 외부 모델을 사용하는 경우 이 값은 API 키의 Secret Manager 위치를 참조해야 합니다. 예시 URL은 다음 형식을 사용합니다. 
        https://secretmanager.googleapis.com/v1/projects/PROJECT_ID/secrets/SECRET_NAME/versions/VERSION

    다음을 바꿉니다.

    • PROJECT_ID: 보안 비밀이 있는 프로젝트 ID입니다.
    • SECRET_NAME: Secret Manager에서 사용되는 보안 비밀의 이름입니다.
    • VERSION: 보안 비밀의 버전 번호입니다.

Vertex AI 통합 사용 중지

Cloud SQL 인스턴스에서 Vertex AI 통합을 사용 중지하려면 다음을 실행하세요.

gcloud sql instances patch [instance-name] --no-enable-google-ml-integration

INSTANCE_NAME을 Cloud SQL 인스턴스의 이름으로 바꿉니다.

SQL Server에서 외부 모델 삭제

SQL Server에서 외부 모델을 삭제하려면 msdb 데이터베이스에 있는 gcloudsql_ml_drop_external_model 저장 프로시저를 실행하세요.

EXECUTE [msdb].[dbo].[gcloudsql_ml_drop_external_model]
@db = [DB_NAME],
@model_name = MODEL_NAME

다음을 바꿉니다.

  • DB_NAME: 삭제하려는 외부 모델이 있는 타겟 데이터베이스입니다.
  • MODEL_NAME: 삭제할 외부 모델의 이름입니다.

외부 모델 호출

Cloud SQL 인스턴스에서 Vertex AI 통합을 사용 설정하고 SQL Server에서 사용할 모델 객체를 만든 후 SQL Server AI_GENERATE_EMBEDDINGS 함수를 호출하여 데이터의 벡터 임베딩을 만들 수 있습니다.

외부 모델을 사용하여 벡터 임베딩을 만들려면 다음 명령어를 실행하세요.

SELECT AI_GENERATE_EMBEDDINGS(N'Test Text' USE MODEL MODEL_NAME)

MODEL_NAME을 사용하려는 모델 이름으로 바꿉니다.

실행 주 구성원 사용자에게 적절한 역할 또는 권한 부여를 사용하여 EXECUTE ON EXTERNAL MODEL 권한이 부여되어 있어야 합니다.

자세한 내용은 외부 모델 권한 부여에 관한 Microsoft 문서를 참고하세요.

모델 크기 제한

gemini-embedding-01와 같은 일부 모델의 기본 출력 차원은 SQL Server에서 지원할 수 있는 float32 벡터(최대 1,998개 차원)보다 높습니다. 필요한 경우 벡터 기본 유형에 float16 (Microsoft 미리보기 기능)을 사용하여 최대 3,996개의 벡터 차원을 제공하거나 AI_GENERATE_EMBEDDINGS 요청에 dimensions 매개변수를 제공하여 차원 수를 줄여야 합니다.

자세한 내용은 벡터 데이터 유형의 절반 정밀도 부동 소수점 지원을 참고하세요.

예를 들어 다음을 참고하세요.

DECLARE @params JSON = N'{"dimensions": "DIMENSIONS"}';
SELECT AI_GENERATE_EMBEDDINGS('This article introduces AI concepts.' USE MODEL MODEL_NAME PARAMETERS @params)

다음을 바꿉니다.

  • DIMENSIONS: 모델에 사용할 차원입니다(예: 1536). 이 값은 문자열로 허용됩니다.
  • MODEL_NAME: 사용할 모델의 이름입니다.

문제 해결

다음은 표시될 수 있는 오류 메시지입니다.

컨텍스트 수신된 오류 또는 메시지 가능한 원인
CREATE/ALTER 절차 지정된 모델 제공업체가 유효하지 않습니다. 지원되지 않는 모델 제공업체가 제공되었습니다.
CREATE/ALTER 절차 지정된 보안 비밀 URL이 이 모델 프로바이더에 유효하지 않습니다. Vertex AI의 경우 보안 비밀 URL이 비어 있어야 합니다. 다른 모델 제공업체의 경우 비밀 URL은 비워 둘 수 없습니다.
CREATE/ALTER/DROP 절차 '지정된 모델 이름이 유효하지 않습니다.' 모델 이름은 필수 입력란입니다.
CREATE/ALTER 절차 '지정된 모델 URL이 유효하지 않습니다.' 모델 URL은 필수 입력란입니다.
CREATE/ALTER/DROP 절차 '지정된 DB 이름이 유효하지 않습니다.' 유효한 DB 이름은 필수 입력란입니다.
AI_GENERATE_EMBEDDINGS 통화 400, 403, 404, 405, 500 등 다양한 오류 코드 AI_GENERATE_EMBEDDINGS 함수를 실행하려고 할 때 문제가 발생하면 오류 코드만 반환됩니다. 이는 알려진 Microsoft 제한사항입니다.
AI_GENERATE_EMBEDDINGS 통화 'HTTP 응답에 유효한 JSON이 포함되어 있지 않습니다.' 다시 시도하라는 오류 코드(예: 429 또는 500)가 머신러닝 에이전트에서 반환되었습니다. 하지만 클라이언트는 이 문자 메시지를 대신 수신합니다. 이는 알려진 Microsoft 제한사항입니다.

오류 코드

AI_GENERATE_EMBEDDINGS 함수는 메시지가 아닌 오류 코드만 제공합니다. 다음 표에는 일부 오류 코드의 가능한 원인이 나와 있습니다.

오류 코드 가능한 원인
400 Bad Request
  • 지원되지 않는 모델 유형입니다.
  • 잘못된 형식의 JSON 페이로드입니다.
  • 모델 유형의 URL이 잘못되었습니다.
401 Unauthorized 서드 파티 모델에 유효한 API 키가 없습니다.
403 Forbidden
  • Cloud SQL 인스턴스에 Vertex AI에 액세스할 수 있는 적절한 권한이 없습니다.
  • Cloud SQL 인스턴스에 Secret Manager에 액세스할 수 있는 적절한 권한이 없습니다.
  • API 키가 지정된 서드 파티 모델에 대한 권한을 부여하지 않습니다.
  • 프로젝트에서 Vertex AI가 사용 설정되지 않았습니다.
404 Not Found
  • 지정된 secret_url이(가) 존재하지 않습니다.
  • 지정된 model_url이(가) 존재하지 않습니다.
405 Method Not Allowed POST 이외의 메서드가 제공되었습니다.
413 Request Body Too Large 요청 크기가 1MB 제한보다 큽니다.
429 Too Many Requests 모델 제공업체에서 소진된 오류입니다.
500 Internal Server Error
  • 모델 제공업체에서 명시되지 않은 오류가 발생했습니다.
  • 모델 제공업체에서 예상치 못한 응답이 전송되었습니다.

다음 단계