Azure AI Search Vector Store 노드 문서

Azure AI Search(이전 Azure Cognitive Search)는 RAG 및 시맨틱 검색 애플리케이션을 위한 벡터 검색 기능을 갖춘 클라우드 검색 서비스입니다. 이 노드를 사용하여 벡터 임베딩을 콘텐츠 및 메타데이터와 함께 저장, 조회, 쿼리할 수 있습니다. 이 페이지에서는 Azure AI Search Vector Store 노드의 노드 매개변수와 추가 리소스 링크를 확인할 수 있습니다. Note 자격 증명 이 노드에 대한 인증 정보는 여기 에서 확인할 수 있습니다. 참고 이 섹션의 상세 내용은 n8n 공식 문서 를 참조하세요. 사전 준비 사항 # 이 노드를 사용하기 전에 다음이 필요합니다: Azure 구독 Azure AI Search 서비스 API 키 인증 구성(쓰기 작업용 관리자 키, 읽기 전용 작업용 쿼리 키) 설정 방법은 자격 증명 문서 를 참고하세요. 인덱스 구성 # 노드는 인덱스가 존재하지 않는 경우 자동으로 생성합니다. 자동 생성 시 노드는 다음을 구성합니다: 사용 중인 임베딩 모델에 따라 적절한 차원을 갖는 벡터 필드 코사인 메트릭을 사용한 효율적인 유사도 검색을 위한 HNSW 알고리즘 필터링 및 조회를 위한 콘텐츠 및 메타데이터 필드 Azure Portal에서 사용자 지정 구성을 위해 인덱스를 미리 생성할 수도 있습니다. 스키마 예시: { "name" : "n8n-vectorstore" , "fields" : [ { "name" : "id" , "type" : "Edm.String" , "key" : true , "filterable" : true } , { "name" : "content" , "type" : "Edm.String" , "searchable" : true } , { "name" : "content_vector" , "type" : "Collection(Edm.Single)" , "searchable" : true , "vectorSearchDimensions" : 1536 , "vectorSearchProfileName" : "n8n-vector-profile" } , { "name" : "metadata" , "type" : "Edm.String" , "filterable" : true } ] , "vectorSearch" : { "profiles" : [ { "name" : "n8n-vector-profile" , "algorithm" : "n8n-vector-algorithm" } ] , "algorithms" : [ { "name" : "n8n-vector-algorithm" , "kind" : "hnsw" , "hnswParameters" : { "metric" : "cosine" , "m" : 4 , "efConstruction" : 400 , "efSearch" : 500 } } ] } } Note 벡터 차원 vectorSearchDimensions 값은 사용 중인 임베딩 모델의 출력과 일치해야 합니다. 노드 사용 패턴 # 일반 노드로 사용하여 문서 삽입 및 조회 # 에이전트 없