> Discover all available pages from the documentation index: https://mastra.zisheng.pro/ko/llms.txt

# 포함시키다

Mastra는 AI SDK를 사용합니다.`embed`그리고`embedMany`텍스트 입력에 대한 벡터 임베딩을 생성하는 기능을 통해 유사성 검색 및 RAG Workflow를 활성화합니다.

## 단일 임베딩

`embed` 함수는 단일 텍스트 입력에 대한 벡터 임베딩을 생성합니다.

```typescript
import { embed } from 'ai'
import { ModelRouterEmbeddingModel } from '@mastra/core/llm'

const result = await embed({
  model: new ModelRouterEmbeddingModel('openai/text-embedding-3-small'),
  value: 'Your text to embed',
  maxRetries: 2, // optional, defaults to 2
})
```

### 매개변수

**model** (`EmbeddingModel`): 사용할 임베딩 Model입니다(예: openai.embedding('text-embedding-3-small')).

**value** (`string | Record<string, any>`): 임베딩할 텍스트 콘텐츠 또는 객체입니다.

**maxRetries** (`number`): 임베딩 호출별 최대 재시도 횟수입니다. 재시도를 비활성화하려면 0으로 설정하세요. (Default: `2`)

**abortSignal** (`AbortSignal`): 요청을 취소하는 선택적 중단 신호입니다.

**headers** (`Record<string, string>`): 요청에 추가할 HTTP 헤더입니다(HTTP 기반 Provider에만 해당).

### 반환 값

**embedding** (`number[]`): 입력의 임베딩 벡터입니다.

## 다중 임베딩

여러 텍스트를 한 번에 삽입하려면 다음을 사용하세요.`embedMany` function:

```typescript
import { embedMany } from 'ai'

const result = await embedMany({
  model: new ModelRouterEmbeddingModel('openai/text-embedding-3-small'),
  values: ['First text', 'Second text', 'Third text'],
  maxRetries: 2, // optional, defaults to 2
})
```

### 매개변수

**model** (`EmbeddingModel`): 사용할 임베딩 Model입니다(예: openai.embedding('text-embedding-3-small')).

**values** (`string[] | Record<string, any>[]`): 임베딩할 텍스트 콘텐츠 또는 객체의 배열입니다.

**maxRetries** (`number`): 임베딩 호출별 최대 재시도 횟수입니다. 재시도를 비활성화하려면 0으로 설정하세요. (Default: `2`)

**abortSignal** (`AbortSignal`): 요청을 취소하는 선택적 중단 신호입니다.

**headers** (`Record<string, string>`): 요청에 추가할 HTTP 헤더입니다(HTTP 기반 Provider에만 해당).

### 반환 값

**embeddings** (`number[][]`): 입력값에 대응하는 임베딩 벡터 배열입니다.

## 사용 예

```typescript
import { embed, embedMany } from 'ai'

// Single embedding
const singleResult = await embed({
  model: new ModelRouterEmbeddingModel('openai/text-embedding-3-small'),
  value: 'What is the meaning of life?',
})

// Multiple embeddings
const multipleResult = await embedMany({
  model: new ModelRouterEmbeddingModel('openai/text-embedding-3-small'),
  values: [
    'First question about life',
    'Second question about universe',
    'Third question about everything',
  ],
})
```

Vercel AI SDK의 임베딩에 대한 자세한 내용은 다음을 참조하세요.

- [AI SDK 임베딩 개요](https://sdk.vercel.ai/docs/ai-sdk-core/embeddings)
- [포함시키다()](https://sdk.vercel.ai/docs/reference/ai-sdk-core/embed)
- [포함많은()](https://sdk.vercel.ai/docs/reference/ai-sdk-core/embed-many)