Weaviate Vector Store 노드 문서

요약

Weaviate 노드를 사용하여 Weaviate 컬렉션을 벡터 스토어로 활용할 수 있습니다. 이 페이지에서는 Weaviate 노드의 파라미터와 추가 리소스 링크를 확인할 수 있습니다. 이 노드의 인증 정보는 여기에서 확인할 수 있습니다.

Weaviate 노드를 사용하여 Weaviate 컬렉션을 벡터 스토어로 활용할 수 있습니다. 벡터 데이터베이스에 문서를 삽입하거나 검색할 수 있습니다. 또한 문서를 검색하여 chain에 연결된 retriever에 제공하거나, 이 노드를 agent에 직접 연결하여 tool로 사용할 수도 있습니다.

이 페이지에서는 Weaviate 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#

Weaviate Vector Store 노드는 다음과 같은 패턴으로 사용할 수 있습니다.

일반 노드로 사용하여 문서 삽입 및 검색#

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

AI agent에 tool로 직접 연결#

Weaviate Vector Store 노드를 AI agent의 tool 커넥터에 직접 연결하여 쿼리 응답 시 벡터 스토어를 리소스로 활용할 수 있습니다.

연결 방식: AI agent (tools 커넥터) → Weaviate Vector Store 노드

Retriever를 사용하여 문서 가져오기#

Vector Store Retriever 노드와 Weaviate Vector Store 노드를 함께 사용하여 Weaviate Vector Store 노드에서 문서를 가져올 수 있습니다. 이 방식은 Question and Answer Chain 노드와 함께 사용하여 채팅 입력과 일치하는 문서를 벡터 스토어에서 가져오는 데 자주 활용됩니다.

Vector Store Question Answer Tool로 질문에 답변하기#

또 다른 패턴으로는 Vector Store Question Answer Tool을 사용하여 Weaviate Vector Store 노드에서 결과를 요약하고 질문에 답변하는 방식이 있습니다. Weaviate Vector Store를 tool로 직접 연결하는 대신, 이 패턴은 벡터 스토어의 데이터를 요약하기 위해 특별히 설계된 tool을 사용합니다.

노드 파라미터#

멀티테넌시

동일한 컬렉션에 대해 데이터를 독립적인 테넌트로 분리할 수 있습니다(예: 서로 다른 고객을 위해). 이를 위해 객체를 삽입하거나 검색할 때 항상 Tenant Name을 제공해야 합니다. Weaviate 문서에서 멀티 테넌시에 대해 자세히 알아보기.

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.

Get Many 파라미터#

Weaviate Collection: 사용할 Weaviate 컬렉션 이름을 입력합니다.
Prompt: 검색 쿼리를 입력합니다.
Limit: 벡터 스토어에서 검색할 결과 수를 입력합니다. 예를 들어 10으로 설정하면 상위 10개 결과를 가져옵니다.

Insert Documents 파라미터#

Weaviate Collection: 사용할 Weaviate 컬렉션 이름을 입력합니다.
Embedding Batch Size: 한 번에 임베딩할 문서 수입니다. 기본값은 200개입니다.

Retrieve Documents (As Vector Store for Chain/Tool) 파라미터#

Weaviate Collection: 사용할 Weaviate 컬렉션 이름을 입력합니다.

Retrieve Documents (As Tool for AI Agent) 파라미터#

Weaviate Collection: 벡터 스토어의 이름입니다.
Description: LLM에게 이 tool이 무엇을 하는지 설명합니다. 구체적이고 명확한 설명을 작성하면 LLM이 기대한 결과를 더 자주 생성합니다.
Weaviate Collection: 사용할 Weaviate 컬렉션 이름을 입력합니다.
Limit: 벡터 스토어에서 검색할 결과 수를 입력합니다. 예를 들어 10으로 설정하면 상위 10개 결과를 가져옵니다.

Include Metadata#

문서 메타데이터 포함 여부를 설정합니다.

Get Many와 Retrieve Documents (As Tool for AI Agent) 모드에서 사용할 수 있습니다.

Rerank Results#

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.

노드 옵션#

Get Many, Retrieve Documents (As Vector Store for Chain/Tool), Retrieve Documents (As Tool for AI Agent) 작업 모드에서 사용 가능합니다.

데이터 검색 시 문서와 연관된 메타데이터를 기준으로 필터링하는 데 사용합니다. 연산자와 쿼리 구조에 대한 자세한 내용은 Weaviate의 조건부 필터 문서를 참고하세요.

AND와 OR을 다양한 연산자와 함께 사용할 수 있으며, 연산자는 대소문자를 구분하지 않습니다:

{
  "OR": [
    {
        "path": ["source"],
        "operator": "Equal",
        "valueString": "source1"
    },
    {
        "path": ["source"],
        "operator": "Equal",
        "valueString": "source1"
    }
  ]
}

지원되는 연산자:

연산자	필수 필드	설명
`'equal'`	`valueString` 또는 `valueNumber`	속성이 지정한 문자열 또는 숫자와 동일한지 확인합니다.
`'like'`	`valueString`	문자열 속성이 패턴과 일치하는지 확인합니다(예: 부분 문자열 매칭).
`'containsAny'`	`valueTextArray` (string[])	속성이 지정한 값 중 하나라도 포함하는지 확인합니다.
`'containsAll'`	`valueTextArray` (string[])	속성이 지정한 값을 모두 포함하는지 확인합니다.
`'greaterThan'`	`valueNumber`	속성 값이 지정한 숫자보다 큰지 확인합니다.
`'lessThan'`	`valueNumber`	속성 값이 지정한 숫자보다 작은지 확인합니다.
`'isNull'`	`valueBoolean` (true/false)	속성이 null인지 아닌지 확인합니다. (수집 전에 활성화해야 합니다)
`'withinGeoRange'`	`valueGeoCoordinates` (지리 위치 데이터가 있는 객체)	지리적 좌표를 기준으로 근접성으로 필터링합니다.

데이터 삽입 시 document loader가 메타데이터를 설정합니다. 문서 로드에 대한 자세한 내용은 Default Data Loader를 참고하세요.

Metadata Keys#

쿼리 시 Weaviate가 반환할 메타데이터 키를 정의할 수 있습니다. 정의한 속성만 가져오므로 네트워크 부하를 줄일 수 있습니다. 기본적으로는 서버의 모든 속성을 반환합니다.

Get Many, Retrieve Documents (As Vector Store for Chain/Tool), Retrieve Documents (As Tool for AI Agent) 작업 모드에서 사용 가능합니다.

Hybrid: Query Text#

벡터 검색과 키워드/텍스트 검색을 결합하기 위한 쿼리 텍스트를 입력합니다.

Hybrid: Explain Score#

hybrid 검색과 벡터 검색 사이에서 융합된 점수 설명을 표시할지 여부를 설정합니다.

Hybrid: Fusion Type#

벡터 검색과 키워드 검색 결과를 결합하는 fusion 타입을 선택합니다. fusion 알고리즘에 대해 자세히 알아보기.

옵션:

Relative Score: 상대적 점수 fusion을 사용합니다
Ranked: 순위 기반 fusion을 사용합니다

Hybrid: Auto Cut Limit#

점수의 급격한 변화를 감지하여 결과 그룹을 제한합니다. autocut에 대해 자세히 알아보기{:target=_blank .external-link}.

Hybrid: Alpha#

키워드 컴포넌트와 벡터 컴포넌트의 상대적 가중치를 조정합니다. 1.0 = 순수 벡터, 0.0 = 순수 키워드. 기본값은 0.5입니다. alpha 파라미터에 대해 자세히 알아보기{:target=_blank .external-link}.

Hybrid: Query Properties#

쿼리에 포함할 속성 목록을 쉼표로 구분하여 입력하며, 선택적으로 가중치 값을 지정할 수 있습니다(예: "question^2,answer"). 속성 값에 가중치 설정에 대해 자세히 알아보기{:target=_blank .external-link}.

Hybrid: Max Vector Distance#

벡터 검색 컴포넌트의 최대 허용 거리를 설정합니다.

Tenant Name#

문서를 저장하거나 검색할 특정 테넌트를 지정합니다. 멀티 테넌시에 대해 자세히 알아보기{:target=_blank .external-link}.

생성 시 활성화 필요

멀티 테넌시를 활성화하려면 첫 번째 수집 시 테넌트 이름을 전달해야 합니다. 생성 후에는 멀티 테넌시를 활성화하거나 비활성화할 수 없습니다.

Text Key#

임베딩된 텍스트가 포함된 문서의 키입니다.

Skip Init Checks#

클라이언트 초기화 시 초기화 검사를 건너뛸지 여부를 설정합니다.

Init Timeout#

초기 검사 중 타임아웃이 발생하기까지 대기할 시간(초)입니다.

Insert Timeout#

삽입 중 타임아웃이 발생하기까지 대기할 시간(초)입니다.

Query Timeout#

쿼리 중 타임아웃이 발생하기까지 대기할 시간(초)입니다.

GRPC Proxy#

gRPC 요청에 사용할 프록시입니다.

Clear Data#

Insert Documents 작업 모드에서 사용 가능합니다.

새 데이터를 삽입하기 전에 컬렉션 또는 테넌트를 지울지 여부를 설정합니다.

템플릿 및 예시#

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

Weaviate Vector Store 노드 문서

원문 보기

번역일: 2026-04-03

요약

이 페이지에서는 Weaviate 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.

노드 사용 패턴#

Weaviate Vector Store 노드는 다음과 같은 패턴으로 사용할 수 있습니다.

일반 노드로 사용하여 문서 삽입 및 검색#

AI agent에 tool로 직접 연결#

Weaviate Vector Store 노드를 AI agent의 tool 커넥터에 직접 연결하여 쿼리 응답 시 벡터 스토어를 리소스로 활용할 수 있습니다.

연결 방식: AI agent (tools 커넥터) → Weaviate Vector Store 노드

Retriever를 사용하여 문서 가져오기#

Vector Store Question Answer Tool로 질문에 답변하기#

노드 파라미터#

멀티테넌시

작동 모드#

Get Many#

Insert Documents#

문서 삽입 모드를 사용하여 벡터 데이터베이스에 새 문서를 삽입합니다.

Retrieve Documents (as Vector Store for Chain/Tool)#

Retrieve Documents (as Tool for AI Agent)#

Get Many 파라미터#

Weaviate Collection: 사용할 Weaviate 컬렉션 이름을 입력합니다.
Prompt: 검색 쿼리를 입력합니다.
Limit: 벡터 스토어에서 검색할 결과 수를 입력합니다. 예를 들어 10으로 설정하면 상위 10개 결과를 가져옵니다.

Insert Documents 파라미터#

Weaviate Collection: 사용할 Weaviate 컬렉션 이름을 입력합니다.
Embedding Batch Size: 한 번에 임베딩할 문서 수입니다. 기본값은 200개입니다.

Retrieve Documents (As Vector Store for Chain/Tool) 파라미터#

Weaviate Collection: 사용할 Weaviate 컬렉션 이름을 입력합니다.

Retrieve Documents (As Tool for AI Agent) 파라미터#

Weaviate Collection: 벡터 스토어의 이름입니다.
Description: LLM에게 이 tool이 무엇을 하는지 설명합니다. 구체적이고 명확한 설명을 작성하면 LLM이 기대한 결과를 더 자주 생성합니다.
Weaviate Collection: 사용할 Weaviate 컬렉션 이름을 입력합니다.
Limit: 벡터 스토어에서 검색할 결과 수를 입력합니다. 예를 들어 10으로 설정하면 상위 10개 결과를 가져옵니다.

Include Metadata#

문서 메타데이터 포함 여부를 설정합니다.

Get Many와 Retrieve Documents (As Tool for AI Agent) 모드에서 사용할 수 있습니다.

Rerank Results#

노드 옵션#

Get Many, Retrieve Documents (As Vector Store for Chain/Tool), Retrieve Documents (As Tool for AI Agent) 작업 모드에서 사용 가능합니다.

AND와 OR을 다양한 연산자와 함께 사용할 수 있으며, 연산자는 대소문자를 구분하지 않습니다:

{
  "OR": [
    {
        "path": ["source"],
        "operator": "Equal",
        "valueString": "source1"
    },
    {
        "path": ["source"],
        "operator": "Equal",
        "valueString": "source1"
    }
  ]
}

지원되는 연산자:

연산자	필수 필드	설명
`'equal'`	`valueString` 또는 `valueNumber`	속성이 지정한 문자열 또는 숫자와 동일한지 확인합니다.
`'like'`	`valueString`	문자열 속성이 패턴과 일치하는지 확인합니다(예: 부분 문자열 매칭).
`'containsAny'`	`valueTextArray` (string[])	속성이 지정한 값 중 하나라도 포함하는지 확인합니다.
`'containsAll'`	`valueTextArray` (string[])	속성이 지정한 값을 모두 포함하는지 확인합니다.
`'greaterThan'`	`valueNumber`	속성 값이 지정한 숫자보다 큰지 확인합니다.
`'lessThan'`	`valueNumber`	속성 값이 지정한 숫자보다 작은지 확인합니다.
`'isNull'`	`valueBoolean` (true/false)	속성이 null인지 아닌지 확인합니다. (수집 전에 활성화해야 합니다)
`'withinGeoRange'`	`valueGeoCoordinates` (지리 위치 데이터가 있는 객체)	지리적 좌표를 기준으로 근접성으로 필터링합니다.

데이터 삽입 시 document loader가 메타데이터를 설정합니다. 문서 로드에 대한 자세한 내용은 Default Data Loader를 참고하세요.

Metadata Keys#

Get Many, Retrieve Documents (As Vector Store for Chain/Tool), Retrieve Documents (As Tool for AI Agent) 작업 모드에서 사용 가능합니다.

Hybrid: Query Text#

벡터 검색과 키워드/텍스트 검색을 결합하기 위한 쿼리 텍스트를 입력합니다.

Hybrid: Explain Score#

hybrid 검색과 벡터 검색 사이에서 융합된 점수 설명을 표시할지 여부를 설정합니다.

Hybrid: Fusion Type#

벡터 검색과 키워드 검색 결과를 결합하는 fusion 타입을 선택합니다. fusion 알고리즘에 대해 자세히 알아보기.

옵션:

Relative Score: 상대적 점수 fusion을 사용합니다
Ranked: 순위 기반 fusion을 사용합니다

Hybrid: Auto Cut Limit#

점수의 급격한 변화를 감지하여 결과 그룹을 제한합니다. autocut에 대해 자세히 알아보기{:target=_blank .external-link}.

Hybrid: Alpha#

Hybrid: Query Properties#

Hybrid: Max Vector Distance#

벡터 검색 컴포넌트의 최대 허용 거리를 설정합니다.

Tenant Name#

문서를 저장하거나 검색할 특정 테넌트를 지정합니다. 멀티 테넌시에 대해 자세히 알아보기{:target=_blank .external-link}.

생성 시 활성화 필요

멀티 테넌시를 활성화하려면 첫 번째 수집 시 테넌트 이름을 전달해야 합니다. 생성 후에는 멀티 테넌시를 활성화하거나 비활성화할 수 없습니다.

Text Key#

임베딩된 텍스트가 포함된 문서의 키입니다.

Skip Init Checks#

클라이언트 초기화 시 초기화 검사를 건너뛸지 여부를 설정합니다.

Init Timeout#

초기 검사 중 타임아웃이 발생하기까지 대기할 시간(초)입니다.

Insert Timeout#

삽입 중 타임아웃이 발생하기까지 대기할 시간(초)입니다.

Query Timeout#

쿼리 중 타임아웃이 발생하기까지 대기할 시간(초)입니다.

GRPC Proxy#

gRPC 요청에 사용할 프록시입니다.

Clear Data#

Insert Documents 작업 모드에서 사용 가능합니다.

새 데이터를 삽입하기 전에 컬렉션 또는 테넌트를 지울지 여부를 설정합니다.

템플릿 및 예시#

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

Weaviate Vector Store 노드 문서

노드 사용 패턴#

일반 노드로 사용하여 문서 삽입 및 검색#

AI agent에 tool로 직접 연결#

Retriever를 사용하여 문서 가져오기#

Vector Store Question Answer Tool로 질문에 답변하기#

노드 파라미터#

작동 모드#

Get Many#

Insert Documents#

Retrieve Documents (as Vector Store for Chain/Tool)#

Retrieve Documents (as Tool for AI Agent)#

Get Many 파라미터#

Insert Documents 파라미터#

Retrieve Documents (As Vector Store for Chain/Tool) 파라미터#

Retrieve Documents (As Tool for AI Agent) 파라미터#

Include Metadata#

Rerank Results#

노드 옵션#

Search Filters#

Metadata Keys#

Hybrid: Query Text#

Hybrid: Explain Score#

Hybrid: Fusion Type#

Hybrid: Auto Cut Limit#

Hybrid: Alpha#

Hybrid: Query Properties#

Hybrid: Max Vector Distance#

Tenant Name#

Text Key#

Skip Init Checks#

Init Timeout#

Insert Timeout#

Query Timeout#

GRPC Proxy#

Clear Data#

템플릿 및 예시#

관련 리소스#

노드 사용 패턴#

일반 노드로 사용하여 문서 삽입 및 검색#

AI agent에 tool로 직접 연결#

Retriever를 사용하여 문서 가져오기#

Vector Store Question Answer Tool로 질문에 답변하기#

노드 파라미터#

작동 모드#

Get Many#

Insert Documents#

Retrieve Documents (as Vector Store for Chain/Tool)#

Retrieve Documents (as Tool for AI Agent)#

Get Many 파라미터#

Insert Documents 파라미터#

Retrieve Documents (As Vector Store for Chain/Tool) 파라미터#

Retrieve Documents (As Tool for AI Agent) 파라미터#

Include Metadata#

Rerank Results#

노드 옵션#

Search Filters#

Metadata Keys#

Hybrid: Query Text#

Hybrid: Explain Score#

Hybrid: Fusion Type#

Hybrid: Auto Cut Limit#

Hybrid: Alpha#

Hybrid: Query Properties#

Hybrid: Max Vector Distance#

Tenant Name#

Text Key#

Skip Init Checks#

Init Timeout#

Insert Timeout#

Query Timeout#

GRPC Proxy#

Clear Data#

템플릿 및 예시#

관련 리소스#