Milvus Vector Store 노드 문서
Milvus 노드를 사용해 Milvus 데이터베이스와 벡터 저장소로 상호작용합니다. 이 페이지에서는 Milvus 노드의 파라미터와 추가 리소스 링크를 확인할 수 있습니다. 이 노드의 인증 정보는 여기에서 확인하세요. 서브 노드는 표현식을 사용하여 여러 항목을 처리할 때 다른 노드와 다르게 동작합니다.
Milvus 노드를 사용해 Milvus 데이터베이스와 벡터 저장소로 상호작용합니다. 벡터 데이터베이스에 문서를 삽입하거나, 벡터 데이터베이스에서 문서를 가져오거나, 체인에 연결된 리트리버에 제공하기 위한 문서를 검색하거나, 에이전트에 직접 도구로 연결할 수 있습니다.
이 페이지에서는 Milvus 노드의 파라미터와 추가 리소스 링크를 확인할 수 있습니다.
이 노드의 인증 정보는 여기에서 확인하세요.
서브 노드는 표현식을 사용하여 여러 항목을 처리할 때 다른 노드와 다르게 동작합니다.
루트 노드를 포함한 대부분의 노드는 임의 수의 항목을 입력으로 받아 처리한 후 결과를 출력합니다. 표현식을 사용하여 입력 항목을 참조할 수 있으며, 노드는 각 항목에 대해 순서대로 표현식을 해석합니다. 예를 들어, 5개의 name 값이 입력된 경우 {{ $json.name }} 표현식은 각 이름을 순서대로 해석합니다.
서브 노드에서는 표현식이 항상 첫 번째 항목으로 해석됩니다. 예를 들어, 5개의 name 값이 입력된 경우 {{ $json.name }} 표현식은 항상 첫 번째 이름으로 해석됩니다.
노드 사용 패턴#
Milvus Vector Store 노드는 다음 패턴으로 사용할 수 있습니다.
문서 삽입 및 검색을 위한 일반 노드로 사용#
Milvus Vector Store를 에이전트 없이 문서를 삽입하거나 가져오는 일반 노드로 사용할 수 있습니다.
Milvus에 문서를 저장하고 인용이 포함된 채팅 기반 답변을 지원하기 위해 검색하는 시스템 구축 방법은 이 예제 템플릿을 참조하세요.
AI 에이전트에 직접 도구로 연결#
Milvus Vector Store 노드를 AI 에이전트의 도구 커넥터에 직접 연결하여 쿼리에 답할 때 벡터 저장소를 리소스로 사용할 수 있습니다.
연결은 다음과 같습니다: AI agent (tools connector) -> Milvus Vector Store node. 데이터를 Milvus에 임베딩하고 인덱싱하여 AI Agent가 질문 답변용 지식 도구로 벡터 저장소를 사용하는 예제 템플릿을 참조하세요.
리트리버로 문서 가져오기#
Vector Store Retriever 노드와 Milvus Vector Store 노드를 함께 사용하여 Milvus에서 문서를 가져올 수 있습니다.
일반적인 연결 흐름: Question and Answer Chain (Retriever connector) -> Vector Store Retriever (Vector Store connector) -> Milvus Vector Store.
외부 데이터를 Milvus에 수집하고 채팅 기반 시맨틱 Q&A 시스템을 구축하는 방법은 워크플로 예제를 참조하세요.
질문 답변을 위한 Vector Store Question Answer Tool 사용#
Vector Store Question Answer Tool을 사용하여 Milvus에서 결과를 요약하고 질문에 답하는 패턴입니다.
연결 흐름: AI agent (tools connector) -> Vector Store Question Answer Tool (Vector Store connector) -> Milvus Vector store.
노드 파라미터#
작동 모드#
이 Vector Store 노드에는 네 가지 모드가 있습니다: 여러 개 가져오기(Get Many), 문서 삽입(Insert Documents), 문서 검색(체인/도구용 벡터 스토어로 사용)(Retrieve Documents (As Vector Store for Chain/Tool)), 문서 검색(AI 에이전트용 도구로 사용)(Retrieve Documents (As Tool for AI Agent)). 선택한 모드에 따라 노드에서 수행할 수 있는 작업과 사용 가능한 입력 및 출력이 결정됩니다.
Get Many#
이 모드에서는 프롬프트를 제공하여 벡터 데이터베이스에서 여러 문서를 검색할 수 있습니다. 프롬프트가 임베딩되어 유사도 검색에 사용됩니다. 노드는 프롬프트와 가장 유사한 문서를 유사도 점수와 함께 반환합니다. 유사한 문서 목록을 검색하여 에이전트에 추가 컨텍스트로 전달하려는 경우에 유용합니다.
Insert Documents#
문서 삽입 모드를 사용하여 벡터 데이터베이스에 새 문서를 삽입합니다.
Retrieve Documents (as Vector Store for Chain/Tool)#
벡터 스토어 검색기와 함께 Retrieve Documents (As Vector Store for Chain/Tool) 모드를 사용하여 벡터 데이터베이스에서 문서를 검색하고 체인에 연결된 검색기에 제공합니다. 이 모드에서는 노드를 검색기 노드 또는 루트 노드에 연결해야 합니다.
Retrieve Documents (as Tool for AI Agent)#
쿼리에 응답할 때 벡터 스토어를 도구 리소스로 사용하려면 Retrieve Documents (As Tool for AI Agent) 모드를 사용합니다. 응답을 구성할 때 에이전트는 벡터 스토어 이름과 설명이 질문 내용과 일치하면 벡터 스토어를 사용합니다.
Rerank Results(결과 재순위 지정)#
재순위 지정(reranking)을 활성화합니다. 이 옵션을 활성화하면 벡터 스토어에 재순위 지정 노드를 연결해야 합니다. 해당 노드가 쿼리 결과를 재순위 지정합니다. 이 옵션은 여러 개 가져오기(Get Many), 문서 검색(체인/도구용 벡터 스토어로 사용)(Retrieve Documents (As Vector Store for Chain/Tool)), 문서 검색(AI 에이전트용 도구로 사용)(Retrieve Documents (As Tool for AI Agent)) 모드와 함께 사용할 수 있습니다.
Get Many 파라미터#
- Milvus Collection: 사용할 Milvus 컬렉션을 선택하거나 입력합니다.
- Prompt: 검색 쿼리를 입력합니다.
- Limit: 벡터 저장소에서 검색할 결과 수를 입력합니다.
Insert Documents 파라미터#
- Milvus Collection: 사용할 Milvus 컬렉션을 선택하거나 입력합니다.
- Clear Collection: 새 문서를 삽입하기 전에 컬렉션을 지울지 여부를 지정합니다.
Retrieve Documents (As Vector Store for Chain/Tool) 파라미터#
- Milvus collection: 사용할 Milvus 컬렉션을 선택하거나 입력합니다.
Retrieve Documents (As Tool for AI Agent) 파라미터#
- Name: 벡터 저장소의 이름입니다.
- Description: 이 도구가 하는 일을 LLM에 설명합니다. 좋고 구체적인 설명으로 LLM이 더 자주 예상 결과를 생성할 수 있습니다.
- Milvus Collection: 사용할 Milvus 컬렉션을 선택하거나 입력합니다.
- Limit: 벡터 저장소에서 검색할 결과 수를 입력합니다.
노드 옵션#
Metadata Filter(메타데이터 필터)#
Get Many 모드에서 사용 가능합니다. 데이터를 검색할 때 문서와 연관된 메타데이터와 매칭하는 데 사용합니다.
이것은 AND 쿼리입니다. 메타데이터 필터 필드를 두 개 이상 지정하면 모든 필드가 일치해야 합니다.
데이터를 삽입할 때 메타데이터는 문서 로더를 사용하여 설정됩니다. 문서 로드에 대한 자세한 내용은 Default Data Loader를 참조하세요.
Clear Collection(컬렉션 지우기)#
Insert Documents 모드에서 사용 가능합니다. 새 데이터를 삽입하기 전에 컬렉션의 모든 데이터를 삭제합니다.
관련 리소스#
서비스에 대한 자세한 내용은 LangChain의 Milvus 문서를 참조하세요.
n8n의 Advanced AI 문서를 확인하세요.