20.500.12556/RUL-187798 Zasnova cloud native arhitekture za trajno hrambo vektoriziranih informacij agentnih sistemov Design of a cloud native architecture for the persistent storage of vectorized information of agentic systems V delu obravnavamo problem učinkovite trajne hrambe in iskanja vloženih podatkov za potrebe agentov, ki temeljijo na velikih jezikovnih modelih. Ker neprestano večanje kontekstnega okna poslabša učinkovitost in poveča stroške, predlagamo oblačno arhitekturo, ki temelji na vektorski podatkovni bazi. Prek poznavanja osnovnih konceptov vektorskih podatkovnih baz ter analizo baz Milvus in Qdrant pridobimo znanje, ki nam omogoča zasnovati arhitekturo sistema, ki bo te podatke trajno hranil. Rešitev temelji na večnajemniški arhitekturi s Qdrantom, posrednikom Envoy, vmesnikom Quarkus in sistemom OpenFGA za zagotavljanje varnosti. Na podlagi obsežnega empiričnega testiranja različnih konfiguracij kazal, gruč in metod kvantizacije (kot je rotacijska kvantizacija) pokažemo, da lahko z optimizirano uporabo podgrafov najemnikov in ustreznih vrst kvantizacije bistveno zmanjšamo porabo virov ter izboljšamo prepustnost podatkovne baze, ne da bi pri tem žrtvovali priklic poizvedb. In this work, we address the challenge of efficient persistent storage and retrieval of embedded data for large language model–based agents. Since continuously expanding the context window degrades performance and increases costs, we propose a cloud architecture built on a vector database. By examining the fundamental concepts of vector databases and analyzing Milvus and Qdrant, we establish the foundational knowledge needed to design the system architecture. Our solution implements a multi-tenant architecture that uses Qdrant, an Envoy proxy, a Quarkus interface, and OpenFGA for security. Through extensive empirical testing of various index configurations, cluster setups, and quantization methods (such as rotational quantization), our results show that optimizing the use of tenant subgraphs and selecting appropriate quantization techniques can significantly reduce resource consumption and improve database throughput without sacrificing query accuracy. vektorska podatkovna baza vložitev računalništvo v oblaku kvantizacija kazala vmesniki MCP RAG večnajemništvo iskanje približnih najbližjih sosedov merilo vector database embedding cloud computing quantization index interface MCP RAG multi-tenancy approximate nearest neighbor search benchmark true false false Slovenski jezik Angleški jezik Diplomsko delo/naloga 2026-09-14 14:10:01 2026-09-14 14:10:05 2026-09-16 03:51:07 0000-00-00 00:00:00 2026 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 1970-01-01 38720 Savron_Peter_-_Zasnova_cloud_native_arhitekture_za_trajno_hrambo_vektoriziranih_informacij_agent.pdf Savron_Peter_-_Zasnova_cloud_native_arhitekture_za_trajno_hrambo_vektoriziranih_informacij_agent.pdf 1 83B4E3C794F8785D8BB744FCCF3CF396 bbef9013e28cbb7c92968c7e2a8d0b4ced877f57a23e33cb0c9a97e9e2c1afa2 3145b5e1-b035-11f1-8bc5-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=247563 Fakulteta za računalništvo in informatiko 0 0 0