Elastic Inference Service (EIS) を使った「ベクトル検索」および「生成AIによる回答（RAG）」（準備編）

Elastic Inference Service (EIS) を使った「ベクトル検索」と「生成AIによる回答（RAG）」について、全2回にわたって解説します。

第1回となる今回は「準備編」として、環境構築からクラウド連携までを詳しく説明します。

Elastic Inference Service (EIS) とは？
本連載で実現できること
システム構成イメージ
動作確認環境
サンプルコード
ベクトル検索のための準備作業
次回予告

Elastic Inference Service (EIS) とは？

Elastic Inference Service (EIS) は、Elastic Cloud 上で推論モデルをホスト・運用するためのマネージドサービスです。

従来、Self-Managed（オンプレミスや独自インスタンス）の Elasticsearch でベクトル検索やAI回答を行うには、自前で推論用ノードを構築・管理する必要がありました。EIS を活用することで、インフラ管理の手間を抑えつつ、強力なベクトル検索機能を Self-Managed 環境に組み込むことが可能になります。

公式ドキュメント:
- Elastic Inference Service (EIS) | Elastic Docs

本連載で実現できること

今回と次回の記事を通して、以下の機能を実装します。

Embedding: 外部モデルによるベクトル生成およびベクトル検索
Rerank: セマンティック・リランクによる検索精度の向上
Completion: LLM（OpenAI等）を利用した RAG（生成AI回答）の実現

システム構成イメージ

今回の構成は、Self-Managed 側のリソースを抑えつつ、計算負荷の高い推論処理を Elastic Cloud に委託するハイブリッドな構成です。

[Self-Managed Elasticsearch] <--- Elastic Cloud Connect ---> [Elastic Cloud (EIS)]

Self-Managed 側に重いモデルをデプロイする必要がないため、既存環境への導入ハードルが低いのが特徴です。

[!CAUTION]

課金に関する注意モデルの使用量に応じて、Elastic Cloud の利用料が発生します。検証の際は、トークン消費量やモデルの起動時間に十分ご注意ください。

動作確認環境

記事の執筆にあたり、以下の環境で動作を確認しています。

Elastic Cloud: Enterprise License
Self-Managed Elasticsearch: v9.3.2 (Trial License)
OS/Tool: Windows版 Rancher Desktop v1.20.1
利用モデル:
- Jina-embeddings-v5-text-nano
- Jina-reranker-v3
- OpenAI-gpt-oss-120b-completion