Chroma 노드를 사용하여 vector store¹로서 Chroma 데이터베이스와 상호작용할 수 있습니다. 벡터 데이터베이스에 문서를 삽입하거나, 벡터 데이터베이스에서 문서를 가져오거나, 체인²에 연결된 리트리버에 제공할 문서를 검색하거나, 도구³로서 에이전트⁴에 직접 연결할 수 있습니다.

이 페이지에서는 Chroma 노드의 노드 파라미터와 추가 자료 링크를 확인할 수 있습니다.

노드 사용 패턴#

Chroma Vector Store 노드는 다음과 같은 패턴으로 사용할 수 있습니다.

일반 노드로 사용하여 문서 삽입 및 검색#

Chroma Vector Store를 일반 노드로 사용하여 문서를 삽입하거나 가져올 수 있습니다. 이 패턴은 에이전트를 사용하지 않고 일반적인 연결 흐름 안에 Chroma Vector Store를 배치합니다.

AI 에이전트에 도구로 직접 연결#

AI 에이전트의 도구 커넥터에 Chroma Vector Store 노드를 직접 연결하면 질의에 답변할 때 벡터 스토어를 리소스로 사용할 수 있습니다.

이 경우 연결은 다음과 같습니다: AI 에이전트(도구 커넥터) -> Chroma Vector Store 노드.

리트리버를 사용하여 문서 가져오기#

Vector Store Retriever 노드를 Chroma Vector Store 노드와 함께 사용하여 Chroma Vector Store 노드에서 문서를 가져올 수 있습니다. 이는 주어진 채팅 입력과 일치하는 문서를 벡터 스토어에서 가져오기 위해 Question and Answer Chain 노드와 함께 자주 사용됩니다.

연결 흐름의 예는 다음과 같습니다:

Question and Answer Chain(리트리버 커넥터) -> Vector Store Retriever(벡터 스토어 커넥터) -> Chroma Vector Store.

Vector Store Question Answer Tool을 사용하여 질문에 답변#

또 다른 패턴은 Vector Store Question Answer Tool을 사용하여 Chroma Vector Store 노드의 결과를 요약하고 질문에 답변합니다. Chroma Vector Store를 도구로 직접 연결하는 대신, 이 패턴은 벡터 스토어의 데이터를 요약하도록 특별히 설계된 도구를 사용합니다.

이 경우 연결 흐름은 다음과 같습니다: AI 에이전트(도구 커넥터) -> Vector Store Question Answer Tool(벡터 스토어 커넥터) -> Chroma Vector store.

노드 파라미터#

작업 모드#

이 Vector Store 노드에는 Get Many, Insert Documents, Retrieve Documents (As Vector Store for Chain/Tool), **Retrieve Documents (As Tool for AI Agent)**의 네 가지 모드가 있습니다. 선택한 모드에 따라 노드로 수행할 수 있는 작업과 사용 가능한 입력 및 출력이 결정됩니다.

여러 개 가져오기#

이 모드에서는 프롬프트를 제공하여 벡터 데이터베이스에서 여러 문서를 가져올 수 있습니다. 프롬프트는 임베딩되어 유사도 검색에 사용됩니다. 노드는 프롬프트와 가장 유사한 문서를 유사도 점수와 함께 반환합니다. 이는 유사한 문서 목록을 가져와 추가 컨텍스트로 에이전트에 전달하려는 경우에 유용합니다.

문서 삽입#

Insert Documents 모드를 사용하여 벡터 데이터베이스에 새 문서를 삽입합니다.

문서 검색(Chain/Tool용 Vector Store로 사용)#

벡터 스토어 리트리버와 함께 Retrieve Documents (As Vector Store for Chain/Tool) 모드를 사용하여 벡터 데이터베이스에서 문서를 검색하고 체인에 연결된 리트리버에 제공합니다. 이 모드에서는 노드를 리트리버 노드 또는 루트 노드에 연결해야 합니다.

문서 검색(AI Agent용 Tool로 사용)#

Retrieve Documents (As Tool for AI Agent) 모드를 사용하면 질의에 답변할 때 벡터 스토어를 도구 리소스로 사용할 수 있습니다. 응답을 작성할 때 에이전트는 벡터 스토어 이름과 설명이 질문 세부 정보와 일치하는 경우 벡터 스토어를 사용합니다.

결과 재정렬#

리랭킹⁵을 활성화합니다. 이 옵션을 활성화하면 벡터 스토어에 리랭킹 노드를 연결해야 합니다. 그러면 해당 노드가 쿼리에 대한 결과를 리랭킹합니다. 이 옵션은 Get Many, Retrieve Documents (As Vector Store for Chain/Tool), Retrieve Documents (As Tool for AI Agent) 모드와 함께 사용할 수 있습니다.

Get Many 매개변수#

• Chroma collection name: 가져온 컬렉션 목록에서 컬렉션을 선택합니다.
• Prompt: 검색 쿼리를 입력합니다.
• Limit: 벡터 스토어에서 가져올 결과 수를 입력합니다. 예를 들어 가장 적합한 결과 5개를 가져오려면 5로 설정합니다.

이 Operation Mode에는 Node option 하나, 즉 Metadata Filter가 포함되어 있습니다.

Insert Documents 매개변수#

• Chroma collection name: 가져온 컬렉션 목록에서 컬렉션을 선택합니다.

문서 검색(Chain/Tool용 Vector Store로 사용) 매개변수#

• Chroma collection name: 가져온 컬렉션 목록에서 컬렉션을 선택합니다.

이 Operation Mode에는 Node option 하나, 즉 Metadata Filter가 포함되어 있습니다.

Retrieve Documents (As Tool for AI Agent) 매개변수#

• Description: 이 도구가 하는 일을 LLM에 설명합니다. 훌륭하고 구체적인 설명은 LLM이 더 자주 원하는 결과를 만들어내도록 합니다.
• Chroma collection name: 가져온 컬렉션 목록에서 컬렉션을 선택합니다.
• Limit: 벡터 스토어에서 가져올 결과 수를 입력합니다. 예를 들어 가장 적합한 결과 5개를 가져오려면 5로 설정합니다.

노드 옵션#

Metadata Filter#

관련 자료#

이 서비스에 대한 자세한 내용은 LangChain의 Chroma 문서를 참고하세요.

n8n의 Advanced AI 문서를 확인해 보세요.

Footnotes

1. 벡터 스토어, 즉 벡터 데이터베이스는 정보의 수학적 표현을 저장합니다. 임베딩 및 리트리버와 함께 사용하여 AI가 질문에 답변할 때 접근할 수 있는 데이터베이스를 만듭니다. ↩

2. AI 체인을 사용하면 구성 요소에 대한 일련의 호출을 통해 대규모 언어 모델(LLM) 및 기타 리소스와 상호작용할 수 있습니다. n8n의 AI 체인은 영속적인 메모리를 사용하지 않으므로 이전 컨텍스트를 참조하는 데는 사용할 수 없습니다(이를 위해서는 AI 에이전트를 사용하세요). ↩

3. AI 컨텍스트에서 도구는 요청에 응답할 때 AI가 특정 정보나 기능을 참조할 수 있는 부가 리소스입니다. AI 모델은 도구를 사용하여 외부 시스템과 상호작용하거나 특정하고 집중된 작업을 완료할 수 있습니다. ↩

4. AI 에이전트는 요청에 응답하고, 결정을 내리며, 사용자를 위해 실제 작업을 수행할 수 있는 인공지능 시스템입니다. 이들은 대규모 언어 모델(LLM)을 사용하여 사용자 입력을 해석하고, 사용 가능한 정보와 리소스를 활용해 요청을 가장 잘 처리하는 방법을 결정합니다. ↩

5. 리랭킹은 검색 결과의 관련성을 높이기 위해 후보 문서 목록의 순서를 개선하는 기법입니다. 검색 증강 생성(Retrieval-Augmented Generation, RAG)과 기타 애플리케이션은 생성 또는 후속 작업에서 가장 관련성 높은 정보를 우선시하기 위해 리랭킹을 사용합니다. ↩