MongoDB Atlas Vector Store 노드 문서

MongoDB Atlas Vector Search는 사용자가 벡터 임베딩을 저장하고 쿼리할 수 있도록 해주는 MongoDB Atlas의 기능입니다. 이 노드를 사용하여 MongoDB Atlas 컬렉션의 Vector Search 인덱스와 상호작용할 수 있습니다. 문서를 삽입하거나 검색할 수 있으며, 체인에서 또는 에이전트용 도구로 벡터 스토어를 사용할 수 있습니다. 이 페이지에서는 MongoDB Atlas Vector Store 노드의 노드 파라미터와 더 많은 리소스로 연결되는 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 MongoDB Atlas 컬렉션에 Vector Search 인덱스 를 생성하세요. 다음 단계에 따라 인덱스를 생성합니다. MongoDB Atlas 대시보드 에 로그인합니다. 조직과 프로젝트를 선택합니다. "Search & Vector Search" 섹션을 찾습니다. 클러스터를 선택하고 "Go to search"를 클릭합니다. "Create Search Index"를 클릭합니다. "Vector Search" 모드를 선택하고 시각적 편집기 또는 JSON 편집기를 사용합니다. 예를 들면: { "fields" : [ { "type" : "vector" , "path" : "<field-name>" , "numDimensions" : 1536 , // any other value "similarity" : "<similarity-function>" } ] } 임베딩 모델에 맞게 "dimensions" 값을 조정합니다(예: OpenAI의 text-embedding-small-3 의 경우 1536 ). 인덱스 이름을 지정하고 생성합니다. 노드를 구성할 때 필요한 다음 값들을 반드시 메모해 두세요. 컬렉션 이름 벡터 인덱스 이름 임베딩 및 메타데이터용 필드 이름 노드 사용 패턴 # MongoDB Atlas Vector Store 노드는 다음과 같은 패턴으로 사용할 수 있습니다. 일반 노드로 사용하여 문서 삽입 및 검색 # MongoDB Atlas Vector Store를 일반 노드로 사용하여 문서를 삽입하거나 가져올 수 있습니다. 이 패턴은 에이전트를 사용하지 않고 MongoDB Atlas Vector Store를 일반적인 연결 흐름에 배치합니다. 이 템플릿 의 시나리오 1에서 이에 대한 예시를 확인할 수 있습니다(이 템플릿은 Supabase Vector Store를 사용하지만 패턴은 동일합니다). AI 에이전트에 도구로 직접 연결 # MongoDB Atlas Vector Store 노드를 AI 에이전트 의 도구 커넥터에 직접 연결하여 쿼리에 답변할 때 벡터 스토어를 리소스로 사용할 수 있습니다. 이 경우 연결은 다음과 같습니다: AI 에이전트(tools 커넥터) -> MongoDB Atlas Vector Store 노드. 리트리버를 사용하