Oracle Database Vector Store 노드를 사용하면 Oracle Database와 벡터 스토어¹로서 상호작용할 수 있습니다. 벡터 테이블에 문서를 삽입하거나, 벡터 테이블에서 문서를 가져오거나, 체인²에 연결된 리트리버에 문서를 제공하도록 검색하거나, 도구³로서 에이전트⁴에 직접 연결할 수 있습니다.

이 페이지에서는 Oracle Database Vector Store 노드의 노드 매개변수와 추가 리소스 링크를 확인할 수 있습니다.

노드 사용 패턴#

Oracle Database Vector Store 노드는 다음과 같은 패턴으로 사용할 수 있습니다.

일반 노드로 사용하여 문서 삽입 및 검색#

Oracle Database Vector Store를 일반 노드로 사용하여 문서를 삽입하거나 가져올 수 있습니다. 이 패턴은 에이전트를 사용하지 않고 Oracle Database Vector Store를 일반적인 연결 흐름에 배치합니다.

이 템플릿의 시나리오 1에서 이 예시를 확인할 수 있습니다(이 템플릿은 Supabase Vector Store를 사용하지만 패턴은 동일합니다).

도구로 AI 에이전트에 직접 연결#

Oracle Database Vector Store 노드를 AI 에이전트의 tool 커넥터에 직접 연결하여, 쿼리에 답변할 때 벡터 스토어를 리소스로 사용할 수 있습니다.

여기서 연결은 다음과 같습니다: AI 에이전트(tools 커넥터) -> Oracle Database Vector Store 노드.

리트리버를 사용하여 문서 가져오기#

Vector Store Retriever 노드를 Oracle Database Vector Store 노드와 함께 사용하여 Oracle Database Vector Store 노드에서 문서를 가져올 수 있습니다. 이는 주어진 채팅 입력과 일치하는 문서를 벡터 스토어에서 가져오기 위해 Question and Answer Chain 노드와 함께 사용되는 경우가 많습니다.

연결 흐름 예시(연결된 예시는 Pinecone을 사용하지만 패턴은 동일합니다)는 다음과 같습니다: Question and Answer Chain(Retriever 커넥터) -> Vector Store Retriever(Vector Store 커넥터) -> Oracle Database Vector Store.

Vector Store Question Answer Tool을 사용하여 질문에 답변하기#

또 다른 패턴은 Vector Store Question Answer Tool을 사용하여 결과를 요약하고 Oracle Database Vector Store 노드에서 질문에 답변하는 것입니다. Oracle Database Vector Store를 도구로 직접 연결하는 대신, 이 패턴은 벡터 스토어의 데이터를 요약하도록 특별히 설계된 도구를 사용합니다.

이 경우 연결 흐름(연결된 예시는 Simple Vector Store를 사용하지만 패턴은 동일합니다)은 다음과 같습니다: AI 에이전트(tools 커넥터) -> Vector Store Question Answer Tool(Vector Store 커넥터) -> Oracle Database Vector Store.

노드 매개변수#

결과 재정렬#

Get Many 매개변수#

• Table Name: 쿼리할 테이블 이름을 입력합니다. 테이블이 존재하지 않으면 노드가 테이블을 생성합니다.
• Prompt: 검색 쿼리를 입력합니다.
• Limit: 벡터 스토어에서 가져올 결과 수를 설정하려면 숫자를 입력합니다. 예를 들어 상위 10개의 결과를 가져오려면 10으로 설정합니다.

Insert Documents 매개변수#

• Table Name: 벡터를 저장할 테이블 이름을 입력합니다. 테이블이 존재하지 않으면 노드가 테이블을 생성합니다.

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

• Table Name: 쿼리할 테이블 이름을 입력합니다.

Retrieve Documents (As Tool for AI Agent) 매개변수#

• Name: 벡터 스토어의 이름입니다.
• Description: 이 도구가 무엇을 하는지 LLM에 설명합니다. 좋고 구체적인 설명은 LLM이 예상되는 결과를 더 자주 생성할 수 있도록 합니다.
• Table Name: 쿼리할 Oracle Database 벡터 테이블을 입력합니다.
• Limit: 벡터 스토어에서 가져올 결과 수를 입력합니다. 예를 들어 상위 10개의 결과를 가져오려면 10으로 설정합니다.

노드 옵션#

Distance Strategy#

Get Many 및 Retrieve Documents 모드에서 사용할 수 있습니다. 이는 두 벡터 간의 거리를 계산하는 방법입니다. 다음 중에서 선택하세요:

• Cosine
• Inner Product
• Euclidean
• Manhattan
• Euclidean Squared
• Hamming

Metadata Filter#

Get Many, Retrieve Documents (As Vector Store for Chain/Tool), Retrieve Documents (As Tool for AI Agent) 모드에서 사용할 수 있습니다. 데이터를 검색할 때, 이를 사용하여 문서와 연결된 메타데이터와 일치시킵니다.

UI에서 둘 이상의 메타데이터 필터 필드를 지정하면 모든 필드가 일치해야 합니다. 이는 AND 쿼리처럼 동작합니다.

고급 필터링의 경우, Oracle Database Vector Store는 메타데이터 필터를 Oracle AI Vector Search로 전달합니다. 이는 배열, 중첩 필터, $gte와 같은 비교 연산자, $nin과 같은 제외 연산자, $and와 같은 논리 연산자를 포함하여 더 풍부한 필터 객체를 지원합니다.

데이터를 삽입할 때 메타데이터는 document loader를 사용하여 설정됩니다. 문서를 로드하는 방법에 대한 자세한 내용은 Default Data Loader를 참고하세요.

템플릿 및 예제#

Oracle Database Vector Store 노드 문서 통합 템플릿 찾아보기 또는 모든 템플릿 검색

관련 자료#

Oracle Database에서 벡터 검색에 대한 자세한 내용은 Oracle AI Vector Search 문서를 참고하세요.

Footnotes

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

2. AI 체인을 사용하면 대규모 언어 모델(LLM) 및 기타 리소스와 일련의 컴포넌트 호출을 통해 상호작용할 수 있습니다. n8n의 AI 체인은 영구 메모리를 사용하지 않으므로, 이전 컨텍스트를 참조하는 데 사용할 수 없습니다(이를 위해서는 AI 에이전트를 사용하세요). ↩

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

4. AI 에이전트는 요청에 응답하고, 결정을 내리고, 사용자를 위해 실제 작업을 수행할 수 있는 인공지능 시스템입니다. 대규모 언어 모델(LLM)을 사용하여 사용자 입력을 해석하고, 사용 가능한 정보와 리소스를 활용하여 요청을 가장 잘 처리하는 방법에 대한 결정을 내립니다. ↩