Merge pull request #14 from ks6088ts-labs/feature/issue-13_cosmosdb

add foodies service

Author: ks6088ts

.env.template

@@ -0,0 +1,11 @@
+# Azure OpenAI Service
+AZURE_OPENAI_ENDPOINT="https://<YOUR_AOAI_NAME>.openai.azure.com/"
+AZURE_OPENAI_API_KEY="<YOUR_API_KEY>"
+AZURE_OPENAI_API_VERSION="2024-10-21"
+AZURE_OPENAI_MODEL_CHAT="gpt-4o"
+AZURE_OPENAI_MODEL_EMBEDDING="text-embedding-3-small"
+
+# Azure CosmosDB
+AZURE_COSMOSDB_CONNECTION_STRING="AccountEndpoint=https://<YOUR_COSMOSDB_NAME>.documents.azure.com:443/;AccountKey=<ACCOUNT_KEY>;"
+AZURE_COSMOSDB_DATABASE_NAME="template_fastapi"
+AZURE_COSMOSDB_CONTAINER_NAME="items"

.vscode/mcp.json

@@ -0,0 +1,9 @@
+{
+  "servers": {
+    // For debugging purpose, add a local MCP server
+    "template_fastapi": {
+      "type": "http",
+      "url": "http://localhost:8000/mcp"
+    }
+  }
+}

datasets/foodies_restaurants.csv

@@ -0,0 +1,31 @@
+id,name,description,price,latitude,longitude,tags
+1,さくら寿司,伝統的な日本の寿司レストラン。新鮮な魚介類を提供。,3500,35.6812,139.7671,"寿司,日本料理,高級"
+2,ベルラーメン,本格的な豚骨ラーメンが自慢のお店。,950,35.6598,139.7003,"ラーメン,豚骨,カジュアル"
+3,オステリアヴェルデ,イタリア人シェフが作る本場のパスタとピザ。,2800,35.6646,139.7139,"イタリアン,ピザ,パスタ"
+4,北京飯店,北京ダックが名物の老舗中華料理店。,3200,35.6941,139.7022,"中華料理,北京ダック,家族向け"
+5,タイランドキッチン,本格的なタイ料理を提供するアットホームな空間。,1800,35.6594,139.7005,"タイ料理,スパイシー,エスニック"
+6,マドリード,スペイン直送の生ハムとワインが楽しめる。,4000,35.6719,139.7137,"スペイン料理,タパス,ワイン"
+7,コリアンBBQ,自分で焼く韓国式バーベキューレストラン。,2500,35.6586,139.6983,"韓国料理,焼肉,グループ向け"
+8,ハンバーガーパラダイス,手作りパティのジューシーなハンバーガー。,1200,35.6628,139.6903,"ハンバーガー,アメリカン,カジュアル"
+9,シーフードマーケット,その日に水揚げされた新鮮な海鮮料理。,3800,35.6684,139.7727,"シーフード,魚介類,新鮮"
+10,カレーハウス,20種類以上のスパイスを使った本格カレー。,1100,35.6517,139.7093,"カレー,インド料理,ベジタリアン"
+11,ステーキハウスオークス,厳選された国産牛のステーキ。,5500,35.6731,139.7639,"ステーキ,高級,デート向け"
+12,メキシカンフィエスタ,カラフルで賑やかなメキシコ料理レストラン。,2200,35.6598,139.7273,"メキシコ料理,テキーラ,陽気"
+13,フレンチビストロ,カジュアルに楽しめるフランス料理。,3300,35.6656,139.7362,"フランス料理,ワイン,おしゃれ"
+14,ベトナムフォー,あっさりとした牛出汁のフォーが人気。,1050,35.6890,139.6917,"ベトナム料理,フォー,ヘルシー"
+15,地中海レストラン,ギリシャとトルコの伝統料理を提供。,2900,35.6808,139.7082,"地中海料理,健康的,オリーブオイル"
+16,寿司バー匠,カウンターで楽しむ江戸前寿司。,4500,35.6701,139.7627,"寿司,伝統,職人技"
+17,アジアンフュージョン,アジア各国の料理を現代風にアレンジ。,2400,35.6593,139.7029,"アジア料理,フュージョン,モダン"
+18,山の手うどん,手打ちうどんと季節の天ぷらが自慢。,1300,35.7147,139.7027,"うどん,和食,老舗"
+19,BBQリブス,アメリカ南部スタイルのバーベキューリブ。,2700,35.6627,139.7282,"BBQ,アメリカ料理,肉料理"
+20,パンケーキカフェ,ふわふわパンケーキとオーガニックコーヒー。,1600,35.6624,139.6698,"パンケーキ,カフェ,朝食"
+21,海鮮居酒屋,新鮮な海鮮料理と日本酒が楽しめる居酒屋。,3000,35.6945,139.6952,"居酒屋,海鮮,日本酒"
+22,ベーカリーカフェ,焼きたてのパンとこだわりのコーヒー。,950,35.6541,139.7353,"パン,カフェ,朝食"
+23,ベジタリアンガーデン,地元の有機野菜を使ったベジタリアン料理。,1800,35.6735,139.6990,"ベジタリアン,オーガニック,健康"
+24,火鍋専門店,しゃぶしゃぶ風の中国の鍋料理を提供。,2600,35.6937,139.7035,"火鍋,中華料理,グループ向け"
+25,ジェラート工房,イタリア直伝の手作りジェラート。,800,35.6634,139.7336,"ジェラート,デザート,イタリアン"
+26,串焼き専門店,炭火で焼く本格的な串焼き。,2200,35.6553,139.7384,"串焼き,居酒屋,日本酒"
+27,インドカレーハウス,南インド料理を中心としたスパイシーな料理。,1400,35.6713,139.7026,"インド料理,カレー,ナン"
+28,オイスターバー,生牡蠣と白ワインを楽しむ大人の空間。,3600,35.6697,139.7636,"牡蠣,シーフード,バー"
+29,ラテンアメリカン,ブラジル、ペルーなど南米料理のフュージョン。,2500,35.6645,139.7057,"南米料理,サンバ,情熱的"
+30,抹茶カフェ,抹茶スイーツと和のデザートが人気。,1200,35.6680,139.7148,"抹茶,カフェ,和スイーツ"

docs/index.md

@@ -1,31 +1,49 @@
 # template-fastapi
 
+## MCP
+
+- [FastAPI-MCP](https://github.com/tadata-org/fastapi_mcp)
+- [FastAPI で作成した API エンドポイントをモデル コンテキスト プロトコル (MCP) ツールとして公開してみる](https://dev.classmethod.jp/articles/fastapi-api-mcp/)
+- [MCP Inspector > docs](https://modelcontextprotocol.io/docs/tools/inspector)
+- [MCP Inspector > codes](https://github.com/modelcontextprotocol/inspector)
+
 ## FastAPI
 
 - [FastAPI](https://fastapi.tiangolo.com/)
+- [Settings and Environment Variables](https://fastapi.tiangolo.com/advanced/settings/)
+
+## OpenTelemetry
+
+- [Docs > Language APIs & SDKs > Python > Getting Started](https://opentelemetry.io/docs/languages/python/getting-started/)
 
-## Azure Functions
+## Azure
+
+### Azure Functions
 
 - [Azure Functions で OpenTelemetry を使用する](https://learn.microsoft.com/ja-jp/azure/azure-functions/opentelemetry-howto?tabs=app-insights&pivots=programming-language-python)
 - [Using FastAPI Framework with Azure Functions](https://learn.microsoft.com/en-us/samples/azure-samples/fastapi-on-azure-functions/fastapi-on-azure-functions/)
 - [ks6088ts-labs/azure-functions-python](https://github.com/ks6088ts-labs/azure-functions-python)
 
-## MCP
+### Azure Cosmos DB
 
-- [FastAPI-MCP](https://github.com/tadata-org/fastapi_mcp)
-- [FastAPI で作成した API エンドポイントをモデル コンテキスト プロトコル (MCP) ツールとして公開してみる](https://dev.classmethod.jp/articles/fastapi-api-mcp/)
-- [MCP Inspector > docs](https://modelcontextprotocol.io/docs/tools/inspector)
-- [MCP Inspector > codes](https://github.com/modelcontextprotocol/inspector)
+- [VectorDistance() を使用したクエリによるベクトル検索を実行する](https://learn.microsoft.com/ja-jp/azure/cosmos-db/nosql/vector-search#perform-vector-search-with-queries-using-vectordistance)
+- [LangChain / Azure Cosmos DB No SQL](https://python.langchain.com/docs/integrations/vectorstores/azure_cosmos_db_no_sql/)
 
-## Application Insights
+```shell
+# Azure Cosmos DB のローカル認証を有効にする
+# (注意: この操作はセキュリティ上のリスクを伴うため、開発環境でのみ使用してください。)
+az resource update \
+  --resource-group $RESOURCE_GROUP \
+  --name $COSMOS_DB_ACCOUNT_NAME \
+  --resource-type "Microsoft.DocumentDB/databaseAccounts" \
+  --set properties.disableLocalAuth=false
+```
+
+### Application Insights
 
 - [Application Insights の概要 - OpenTelemetry の可観測性](https://learn.microsoft.com/ja-jp/azure/azure-monitor/app/app-insights-overview)
 - [Azure Monitor OpenTelemetry を設定する](https://learn.microsoft.com/ja-jp/azure/azure-monitor/app/opentelemetry-configuration?tabs=python)
 - [open-telemetry/opentelemetry-python > Basic Trace](https://github.com/open-telemetry/opentelemetry-python/tree/main/docs/examples/basic_tracer)
 - [FastAPI のテレメトリデータを Azure Application Insights に送る](https://qiita.com/hoto17296/items/2f366dfabdbe3d1d4e97)
 - [【Azure Functions】 - Application Insights のログが表示されない問題](https://zenn.dev/headwaters/articles/ff19f7e1b99b44)
 - [opentelemetry-instrumentation-fastapi (python) から OpenTelemetry に入門する](https://zenn.dev/taxin/articles/opentelemetry-fast-api-instrumentation-basics)
-
-## OpenTelemetry
-
-- [Docs > Language APIs & SDKs > Python > Getting Started](https://opentelemetry.io/docs/languages/python/getting-started/)

pyproject.toml

@@ -5,11 +5,16 @@ description = "A GitHub template repository for Python"
 readme = "README.md"
 requires-python = ">=3.10"
 dependencies = [
+    "azure-cosmos>=4.9.0",
     "azure-functions>=1.23.0",
     "azure-monitor-opentelemetry>=1.6.10",
     "fastapi-mcp>=0.3.4",
     "fastapi[standard]>=0.115.12",
+    "langchain-community>=0.3.27",
+    "langchain-openai>=0.3.27",
     "opentelemetry-instrumentation-fastapi>=0.52b1",
+    "pydantic-settings>=2.10.1",
+    "typer>=0.16.0",
 ]
 
 [project.optional-dependencies]
@@ -58,3 +63,6 @@ environment = { python-version = "3.10" }
 [tool.ty.rules]
 unresolved-attribute = "ignore" # Ignore unresolved attributes in classes
 possibly-unbound-attribute = "ignore" # Ignore possibly unbound attributes in classes
+unknown-argument = "ignore" # Ignore unknown arguments in function calls
+invalid-assignment = "ignore" # Ignore invalid assignments
+invalid-argument-type = "ignore" # Ignore invalid argument types

scripts/foodies_restaurants.py

@@ -0,0 +1,161 @@
+#!/usr/bin/env python
+# filepath: /Users/ks6088ts/src/github.com/ks6088ts-labs/template-fastapi/scripts/foodies_restaurant.py
+
+import csv
+
+import typer
+from azure.cosmos import CosmosClient, PartitionKey
+from langchain_core.documents import Document
+from langchain_openai import AzureOpenAIEmbeddings
+from rich.console import Console
+
+from template_fastapi.settings.azure_cosmosdb import get_azure_cosmosdb_settings
+from template_fastapi.settings.azure_openai import get_azure_openai_settings
+
+app = typer.Typer()
+console = Console()
+
+
+def read_csv_data(file_path: str) -> list[dict]:
+    """CSVファイルからレストランデータを読み込む"""
+    restaurants = []
+    with open(file_path, encoding="utf-8") as csvfile:
+        csv_reader = csv.DictReader(csvfile)
+        for row in csv_reader:
+            # タグをリストに変換
+            tags = row["tags"].strip('"').split(",")
+            restaurant = {
+                "id": row["id"],
+                "name": row["name"],
+                "description": row["description"],
+                "price": int(row["price"]),
+                "location": {
+                    "type": "Point",
+                    "coordinates": [float(row["longitude"]), float(row["latitude"])],
+                },
+                "tags": tags,
+            }
+            restaurants.append(restaurant)
+    return restaurants
+
+
+def get_embeddings(texts: list[str]) -> list[list[float]]:
+    """Azure OpenAIを使用してテキストのベクトル埋め込みを生成する"""
+    settings = get_azure_openai_settings()
+    embedding_model = AzureOpenAIEmbeddings(
+        azure_endpoint=settings.azure_openai_endpoint,
+        api_key=settings.azure_openai_api_key,
+        azure_deployment=settings.azure_openai_model_embedding,
+        api_version=settings.azure_openai_api_version,
+    )
+
+    documents = [Document(page_content=text) for text in texts]
+    embeddings = embedding_model.embed_documents([doc.page_content for doc in documents])
+    return embeddings
+
+
+def setup_cosmos_db():
+    """Azure Cosmos DBのセットアップと接続"""
+    settings = get_azure_cosmosdb_settings()
+    client = CosmosClient.from_connection_string(settings.azure_cosmosdb_connection_string)
+
+    # データベースが存在しなければ作成
+    db = client.create_database_if_not_exists(id=settings.azure_cosmosdb_database_name)
+
+    # コンテナが存在しなければ作成（ベクトル検索用インデックスポリシー付き）
+    indexing_policy = {
+        "indexingMode": "consistent",
+        "includedPaths": [{"path": "/*"}],
+        "excludedPaths": [{"path": "/vector/*"}],
+        "vectorIndexes": [
+            {
+                "path": "/vector",
+                "type": "cosine",
+                "numDimensions": 1536,  # OpenAI Embedding modelのデフォルトサイズ
+                "vectorSearchConfiguration": "vectorConfig",
+            }
+        ],
+    }
+
+    container = db.create_container_if_not_exists(
+        id=settings.azure_cosmosdb_container_name,
+        partition_key=PartitionKey(path="/id"),
+        indexing_policy=indexing_policy,
+    )
+
+    return container
+
+
+@app.command()
+def import_data(
+    csv_file: str = typer.Option(..., "--csv-file", "-f", help="CSVファイルのパス"),
+    batch_size: int = typer.Option(100, "--batch-size", "-b", help="一度に処理するバッチサイズ"),
+):
+    """CSVからデータをCosmosDBにインポートしてベクトル検索を設定する"""
+    console.print(f"[bold green]CSVファイル[/bold green]: {csv_file}からデータを読み込みます")
+
+    # CSVデータの読み込み
+    restaurants = read_csv_data(csv_file)
+    console.print(f"[bold blue]{len(restaurants)}件[/bold blue]のレストランデータを読み込みました")
+
+    # 説明文を抽出してベクトル埋め込みを生成
+    descriptions = [restaurant["description"] for restaurant in restaurants]
+    console.print("[bold yellow]説明文のベクトル埋め込みを生成しています...[/bold yellow]")
+    embeddings = get_embeddings(descriptions)
+
+    # Cosmos DBのセットアップ
+    container = setup_cosmos_db()
+    console.print(f"[bold green]Cosmos DBのコンテナ[/bold green]: {container.id}に接続しました")
+
+    # データの登録
+    console.print("[bold yellow]レストランデータをCosmosDBに登録しています...[/bold yellow]")
+    for i, restaurant in enumerate(restaurants):
+        # ベクトルデータを追加
+        restaurant["vector"] = embeddings[i]
+
+        # UpsertによりCosmosDBに登録
+        container.upsert_item(body=restaurant)
+
+        console.print(f"ID: {restaurant['id']} - {restaurant['name']}を登録しました")
+
+    console.print("[bold green]すべてのデータが正常に登録されました！[/bold green]")
+
+
+@app.command()
+def search(
+    query: str = typer.Option(..., "--query", "-q", help="検索クエリ"),
+    k: int = typer.Option(3, "--top-k", "-k", help="取得する上位結果の数"),
+):
+    """説明文のベクトル検索を実行する"""
+    console.print(f"[bold green]クエリ[/bold green]: '{query}'で検索します")
+
+    # クエリテキストのベクトル埋め込みを生成
+    query_embedding = get_embeddings([query])[0]
+
+    # Cosmos DBに接続
+    container = setup_cosmos_db()
+
+    # ベクトル検索クエリの実行
+    query_text = f"""
+    SELECT TOP {k} r.id, r.name, r.description, r.price, r.tags
+    FROM restaurants r
+    ORDER BY VectorDistance(r.vector, @queryVector)
+    """
+
+    parameters = [{"name": "@queryVector", "value": query_embedding}]
+
+    items = list(container.query_items(query=query_text, parameters=parameters, enable_cross_partition_query=True))
+
+    # 結果の表示
+    console.print(f"\n[bold blue]{len(items)}件[/bold blue]の検索結果:")
+    for i, item in enumerate(items):
+        console.print(f"\n[bold]{i + 1}. {item['name']}[/bold]")
+        console.print(f"   説明: {item['description']}")
+        console.print(f"   価格: ¥{item['price']}")
+        console.print(f"   タグ: {', '.join(item['tags'])}")
+
+    return items
+
+
+if __name__ == "__main__":
+    app()

template_fastapi/app.py

@@ -11,7 +11,7 @@
 from opentelemetry.instrumentation.fastapi import FastAPIInstrumentor
 from opentelemetry.trace import Span
 
-from template_fastapi.routers import demo, games, items
+from template_fastapi.routers import demos, foodies, games, items
 
 app = FastAPI()
 
@@ -37,5 +37,6 @@ def server_request_hook(span: Span, scope: dict):
 
 # Include routers
 app.include_router(items.router)
-app.include_router(demo.router)
+app.include_router(demos.router)
 app.include_router(games.router)
+app.include_router(foodies.router)

template_fastapi/models/restaurant.py

@@ -0,0 +1,11 @@
+from pydantic import BaseModel
+
+
+class Restaurant(BaseModel):
+    id: int
+    name: str
+    description: str | None = None
+    price: float
+    latitude: float | None = None
+    longitude: float | None = None
+    tags: list[str] = []