InfoGrab Docs

Qdrant Vector Store 노드 문서

요약

Qdrant 노드를 사용하여 Qdrant 컬렉션을 벡터 스토어로 활용합니다. 이 페이지에서는 Qdrant 노드의 파라미터와 추가 리소스 링크를 확인할 수 있습니다. 이 노드의 인증 정보는 여기에서 확인할 수 있습니다. 서브 노드는 표현식을 사용하여 여러 항목을 처리할 때 다른 노드와 다르게 동작합니다.

Qdrant 노드를 사용하여 Qdrant 컬렉션을 벡터 스토어로 활용합니다. 벡터 데이터베이스에 문서를 삽입하거나, 벡터 데이터베이스에서 문서를 가져오거나, 체인에 연결된 리트리버에 제공할 문서를 검색하거나, 에이전트에 도구로 직접 연결할 수 있습니다.

이 페이지에서는 Qdrant 노드의 파라미터와 추가 리소스 링크를 확인할 수 있습니다.

자격 증명

이 노드의 인증 정보는 여기에서 확인할 수 있습니다.

서브 노드에서의 파라미터 해석

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#

Qdrant Vector Store 노드는 다음 패턴으로 사용할 수 있습니다.

문서 삽입 및 검색을 위한 일반 노드로 사용#

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

이 템플릿의 첫 번째 부분에서 예시를 확인할 수 있습니다.

AI 에이전트에 도구로 직접 연결#

Qdrant Vector Store 노드를 AI 에이전트의 도구 커넥터에 직접 연결하여 쿼리에 응답할 때 벡터 스토어를 리소스로 활용할 수 있습니다.

이 경우 연결은 다음과 같습니다: AI 에이전트 (tools connector) -> Qdrant Vector Store 노드.

리트리버를 사용하여 문서 가져오기#

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

연결 흐름 예시: Question and Answer Chain (Retriever connector) -> Vector Store Retriever (Vector Store connector) -> Qdrant Vector Store.

Vector Store Question Answer Tool로 질문에 답변#

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

이 경우 연결 흐름은 다음과 같습니다: AI 에이전트 (tools connector) -> Vector Store Question Answer Tool (Vector Store connector) -> Qdrant 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.

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.

여러 항목 가져오기 파라미터#

  • Qdrant collection name: 사용할 Qdrant 컬렉션 이름을 입력합니다.
  • Prompt: 검색 쿼리를 입력합니다.
  • Limit: 벡터 스토어에서 검색할 결과 수를 입력합니다. 예를 들어 가장 좋은 결과 10개를 가져오려면 10으로 설정합니다.

이 동작 모드에는 노드 옵션인 메타데이터 필터가 포함됩니다.

문서 삽입 파라미터#

  • Qdrant collection name: 사용할 Qdrant 컬렉션 이름을 입력합니다.

이 동작 모드에는 하나의 노드 옵션이 포함됩니다:

  • Collection Config: Qdrant 컬렉션 생성 설정을 위한 JSON 옵션을 입력합니다. 자세한 내용은 Qdrant Collections 문서를 참고하세요.

문서 검색 파라미터 (체인/도구를 위한 벡터 스토어로)#

  • Qdrant Collection: 사용할 Qdrant 컬렉션 이름을 입력합니다.

이 동작 모드에는 노드 옵션인 메타데이터 필터가 포함됩니다.

문서 검색 파라미터 (AI 에이전트를 위한 도구로)#

  • Name: 벡터 스토어의 이름입니다.
  • Description: LLM에게 이 도구가 무엇을 하는지 설명합니다. 구체적인 설명일수록 LLM이 기대하는 결과를 더 자주 생성합니다.
  • Qdrant Collection: 사용할 Qdrant 컬렉션 이름을 입력합니다.
  • Limit: 벡터 스토어에서 검색할 결과 수를 입력합니다. 예를 들어 가장 좋은 결과 10개를 가져오려면 10으로 설정합니다.

노드 옵션#

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.

템플릿 및 예시#

이 노드의 워크플로 템플릿은 n8n 워크플로 템플릿 갤러리에서 확인할 수 있습니다.

관련 리소스#

서비스에 대한 자세한 내용은 LangChain의 Qdrant 문서를 참고하세요.

n8n의 Advanced AI 문서를 확인하세요.

셀프 호스팅 AI 스타터 킷#

AI 작업과 셀프 호스팅 n8n이 처음이신가요? Ollama, Qdrant, PostgreSQL을 활용한 개념 증명(PoC) 또는 데모 플레이그라운드를 시작하려면 n8n의 셀프 호스팅 AI 스타터 킷을 사용해 보세요.

Qdrant Vector Store 노드 문서

원문 보기
요약

Qdrant 노드를 사용하여 Qdrant 컬렉션을 벡터 스토어로 활용합니다. 이 페이지에서는 Qdrant 노드의 파라미터와 추가 리소스 링크를 확인할 수 있습니다. 이 노드의 인증 정보는 여기에서 확인할 수 있습니다. 서브 노드는 표현식을 사용하여 여러 항목을 처리할 때 다른 노드와 다르게 동작합니다.

Qdrant 노드를 사용하여 Qdrant 컬렉션을 벡터 스토어로 활용합니다. 벡터 데이터베이스에 문서를 삽입하거나, 벡터 데이터베이스에서 문서를 가져오거나, 체인에 연결된 리트리버에 제공할 문서를 검색하거나, 에이전트에 도구로 직접 연결할 수 있습니다.

이 페이지에서는 Qdrant 노드의 파라미터와 추가 리소스 링크를 확인할 수 있습니다.

자격 증명

이 노드의 인증 정보는 여기에서 확인할 수 있습니다.

서브 노드에서의 파라미터 해석

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#

Qdrant Vector Store 노드는 다음 패턴으로 사용할 수 있습니다.

문서 삽입 및 검색을 위한 일반 노드로 사용#

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

이 템플릿의 첫 번째 부분에서 예시를 확인할 수 있습니다.

AI 에이전트에 도구로 직접 연결#

Qdrant Vector Store 노드를 AI 에이전트의 도구 커넥터에 직접 연결하여 쿼리에 응답할 때 벡터 스토어를 리소스로 활용할 수 있습니다.

이 경우 연결은 다음과 같습니다: AI 에이전트 (tools connector) -> Qdrant Vector Store 노드.

리트리버를 사용하여 문서 가져오기#

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

연결 흐름 예시: Question and Answer Chain (Retriever connector) -> Vector Store Retriever (Vector Store connector) -> Qdrant Vector Store.

Vector Store Question Answer Tool로 질문에 답변#

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

이 경우 연결 흐름은 다음과 같습니다: AI 에이전트 (tools connector) -> Vector Store Question Answer Tool (Vector Store connector) -> Qdrant 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.

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.

여러 항목 가져오기 파라미터#

  • Qdrant collection name: 사용할 Qdrant 컬렉션 이름을 입력합니다.
  • Prompt: 검색 쿼리를 입력합니다.
  • Limit: 벡터 스토어에서 검색할 결과 수를 입력합니다. 예를 들어 가장 좋은 결과 10개를 가져오려면 10으로 설정합니다.

이 동작 모드에는 노드 옵션인 메타데이터 필터가 포함됩니다.

문서 삽입 파라미터#

  • Qdrant collection name: 사용할 Qdrant 컬렉션 이름을 입력합니다.

이 동작 모드에는 하나의 노드 옵션이 포함됩니다:

  • Collection Config: Qdrant 컬렉션 생성 설정을 위한 JSON 옵션을 입력합니다. 자세한 내용은 Qdrant Collections 문서를 참고하세요.

문서 검색 파라미터 (체인/도구를 위한 벡터 스토어로)#

  • Qdrant Collection: 사용할 Qdrant 컬렉션 이름을 입력합니다.

이 동작 모드에는 노드 옵션인 메타데이터 필터가 포함됩니다.

문서 검색 파라미터 (AI 에이전트를 위한 도구로)#

  • Name: 벡터 스토어의 이름입니다.
  • Description: LLM에게 이 도구가 무엇을 하는지 설명합니다. 구체적인 설명일수록 LLM이 기대하는 결과를 더 자주 생성합니다.
  • Qdrant Collection: 사용할 Qdrant 컬렉션 이름을 입력합니다.
  • Limit: 벡터 스토어에서 검색할 결과 수를 입력합니다. 예를 들어 가장 좋은 결과 10개를 가져오려면 10으로 설정합니다.

노드 옵션#

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.

템플릿 및 예시#

이 노드의 워크플로 템플릿은 n8n 워크플로 템플릿 갤러리에서 확인할 수 있습니다.

관련 리소스#

서비스에 대한 자세한 내용은 LangChain의 Qdrant 문서를 참고하세요.

n8n의 Advanced AI 문서를 확인하세요.

셀프 호스팅 AI 스타터 킷#

AI 작업과 셀프 호스팅 n8n이 처음이신가요? Ollama, Qdrant, PostgreSQL을 활용한 개념 증명(PoC) 또는 데모 플레이그라운드를 시작하려면 n8n의 셀프 호스팅 AI 스타터 킷을 사용해 보세요.