Chroma - オープンソース埋め込みデータベース

LLM アプリケーションをメモリとともに構築するための AI ネイティブデータベース。

Chroma を使用する場合

以下の場合に Chroma を使用してください：

• RAG (検索増強生成) アプリケーションを構築する
• ローカル/セルフホスト型のベクトルデータベースが必要
• オープンソースソリューション (Apache 2.0) が欲しい
• ノートブックでプロトタイピングしている
• ドキュメントの意味検索
• メタデータ付きの埋め込みを保存している

メトリクス:

• GitHub スター 24,300+
• フォーク 1,900+
• v1.3.3 (安定版、週1回のリリース)
• Apache 2.0 ライセンス

代わりに別の選択肢を使用する場合:

• Pinecone: マネージドクラウド、自動スケーリング
• FAISS: 純粋な類似度検索、メタデータなし
• Weaviate: プロダクション ML ネイティブデータベース
• Qdrant: 高パフォーマンス、Rust ベース

クイックスタート

インストール

# Python
pip install chromadb

# JavaScript/TypeScript
npm install chromadb @chroma-core/default-embed

基本的な使用法 (Python)

import chromadb

# クライアントを作成
client = chromadb.Client()

# コレクションを作成
collection = client.create_collection(name="my_collection")

# ドキュメントを追加
collection.add(
    documents=["This is document 1", "This is document 2"],
    metadatas=[{"source": "doc1"}, {"source": "doc2"}],
    ids=["id1", "id2"]
)

# クエリ
results = collection.query(
    query_texts=["document about topic"],
    n_results=2
)

print(results)

コア操作

1. コレクションを作成

# シンプルなコレクション
collection = client.create_collection("my_docs")

# カスタム埋め込み関数付き
from chromadb.utils import embedding_functions

openai_ef = embedding_functions.OpenAIEmbeddingFunction(
    api_key="your-key",
    model_name="text-embedding-3-small"
)

collection = client.create_collection(
    name="my_docs",
    embedding_function=openai_ef
)

# 既存のコレクションを取得
collection = client.get_collection("my_docs")

# コレクションを削除
client.delete_collection("my_docs")

2. ドキュメントを追加

# 自動生成 ID で追加
collection.add(
    documents=["Doc 1", "Doc 2", "Doc 3"],
    metadatas=[
        {"source": "web", "category": "tutorial"},
        {"source": "pdf", "page": 5},
        {"source": "api", "timestamp": "2025-01-01"}
    ],
    ids=["id1", "id2", "id3"]
)

# カスタム埋め込みで追加
collection.add(
    embeddings=[[0.1, 0.2, ...], [0.3, 0.4, ...]],
    documents=["Doc 1", "Doc 2"],
    ids=["id1", "id2"]
)

3. クエリ (類似度検索)

# 基本的なクエリ
results = collection.query(
    query_texts=["machine learning tutorial"],
    n_results=5
)

# フィルター付きクエリ
results = collection.query(
    query_texts=["Python programming"],
    n_results=3,
    where={"source": "web"}
)

# メタデータフィルター付きクエリ
results = collection.query(
    query_texts=["advanced topics"],
    where={
        "$and": [
            {"category": "tutorial"},
            {"difficulty": {"$gte": 3}}
        ]
    }
)

# 結果にアクセス
print(results["documents"])      # マッチしたドキュメントのリスト
print(results["metadatas"])      # 各ドキュメントのメタデータ
print(results["distances"])      # 類似度スコア
print(results["ids"])            # ドキュメント ID

4. ドキュメントを取得

# ID で取得
docs = collection.get(
    ids=["id1", "id2"]
)

# フィルター付きで取得
docs = collection.get(
    where={"category": "tutorial"},
    limit=10
)

# すべてのドキュメントを取得
docs = collection.get()

5. ドキュメントを更新

# ドキュメント内容を更新
collection.update(
    ids=["id1"],
    documents=["Updated content"],
    metadatas=[{"source": "updated"}]
)

6. ドキュメントを削除

# ID で削除
collection.delete(ids=["id1", "id2"])

# フィルター付きで削除
collection.delete(
    where={"source": "outdated"}
)

永続的なストレージ

# ディスクに永続化
client = chromadb.PersistentClient(path="./chroma_db")

collection = client.create_collection("my_docs")
collection.add(documents=["Doc 1"], ids=["id1"])

# データは自動的に永続化される
# 後で同じパスで再度読み込む
client = chromadb.PersistentClient(path="./chroma_db")
collection = client.get_collection("my_docs")

埋め込み関数

デフォルト (Sentence Transformers)

# デフォルトで sentence-transformers を使用
collection = client.create_collection("my_docs")
# デフォルトモデル: all-MiniLM-L6-v2

OpenAI

from chromadb.utils import embedding_functions

openai_ef = embedding_functions.OpenAIEmbeddingFunction(
    api_key="your-key",
    model_name="text-embedding-3-small"
)

collection = client.create_collection(
    name="openai_docs",
    embedding_function=openai_ef
)

HuggingFace

huggingface_ef = embedding_functions.HuggingFaceEmbeddingFunction(
    api_key="your-key",
    model_name="sentence-transformers/all-mpnet-base-v2"
)

collection = client.create_collection(
    name="hf_docs",
    embedding_function=huggingface_ef
)

カスタム埋め込み関数

from chromadb import Documents, EmbeddingFunction, Embeddings

class MyEmbeddingFunction(EmbeddingFunction):
    def __call__(self, input: Documents) -> Embeddings:
        # あなたの埋め込みロジック
        return embeddings

my_ef = MyEmbeddingFunction()
collection = client.create_collection(
    name="custom_docs",
    embedding_function=my_ef
)

メタデータフィルタリング

# 完全一致
results = collection.query(
    query_texts=["query"],
    where={"category": "tutorial"}
)

# 比較演算子
results = collection.query(
    query_texts=["query"],
    where={"page": {"$gt": 10}}  # $gt, $gte, $lt, $lte, $ne
)

# 論理演算子
results = collection.query(
    query_texts=["query"],
    where={
        "$and": [
            {"category": "tutorial"},
            {"difficulty": {"$lte": 3}}
        ]
    }  # また: $or
)

# 含む
results = collection.query(
    query_texts=["query"],
    where={"tags": {"$in": ["python", "ml"]}}
)

LangChain 統合

from langchain_chroma import Chroma
from langchain_openai import OpenAIEmbeddings
from langchain.text_splitter import RecursiveCharacterTextSplitter

# ドキュメントを分割
text_splitter = RecursiveCharacterTextSplitter(chunk_size=1000)
docs = text_splitter.split_documents(documents)

# Chroma ベクトルストアを作成
vectorstore = Chroma.from_documents(
    documents=docs,
    embedding=OpenAIEmbeddings(),
    persist_directory="./chroma_db"
)

# クエリ
results = vectorstore.similarity_search("machine learning", k=3)

# レトリーバーとして
retriever = vectorstore.as_retriever(search_kwargs={"k": 5})

LlamaIndex 統合

from llama_index.vector_stores.chroma import ChromaVectorStore
from llama_index.core import VectorStoreIndex, StorageContext
import chromadb

# Chroma を初期化
db = chromadb.PersistentClient(path="./chroma_db")
collection = db.get_or_create_collection("my_collection")

# ベクトルストアを作成
vector_store = ChromaVectorStore(chroma_collection=collection)
storage_context = StorageContext.from_defaults(vector_store=vector_store)

# インデックスを作成
index = VectorStoreIndex.from_documents(
    documents,
    storage_context=storage_context
)

# クエリ
query_engine = index.as_query_engine()
response = query_engine.query("What is machine learning?")

サーバーモード

# Chroma サーバーを実行
# ターミナル: chroma run --path ./chroma_db --port 8000

# サーバーに接続
import chromadb
from chromadb.config import Settings

client = chromadb.HttpClient(
    host="localhost",
    port=8000,
    settings=Settings(anonymized_telemetry=False)
)

# 通常通り使用
collection = client.get_or_create_collection("my_docs")

ベストプラクティス

1. 永続的なクライアントを使用 - 再起動時にデータを失わない
2. メタデータを追加 - フィルタリングと追跡を可能にする
3. バッチ操作 - 複数のドキュメントを一度に追加
4. 適切な埋め込みモデルを選択 - 速度と品質のバランスを取る
5. フィルターを使用 - 検索スペースを狭める
6. 一意の ID - 衝突を回避する
7. 定期的なバックアップ - chroma_db ディレクトリをコピー
8. コレクションサイズを監視 - 必要に応じてスケールアップ
9. 埋め込み関数をテスト - 品質を確保
10. 本番環境ではサーバーモードを使用 - マルチユーザーに最適

パフォーマンス

操作	レイテンシ	注記
100 個のドキュメントを追加	~1-3s	埋め込み付き
クエリ (上位 10)	~50-200ms	コレクションサイズに依存
メタデータフィルター	~10-50ms	適切なインデックス付きで高速

リソース

• GitHub: https://github.com/chroma-core/chroma ⭐ 24,300+
• ドキュメント: https://docs.trychroma.com
• Discord: https://discord.gg/MMeYNTmh3x
• バージョン: 1.3.3+
• ライセンス: Apache 2.0