Zep Vector Store를 사용하여 Zep 벡터 데이터베이스와 상호 작용할 수 있습니다. 벡터 데이터베이스에 문서를 삽입하거나, 벡터 데이터베이스에서 문서를 가져오거나, 체인¹에 연결된 리트리버에 문서를 제공하기 위해 문서를 검색하거나, 에이전트²에 직접 연결하여 도구³로 사용할 수 있습니다.

이 페이지에서는 Zep Vector Store 노드의 노드 파라미터와 추가 참고 자료 링크를 확인할 수 있습니다.

노드 사용 패턴#

Zep Vector Store 노드는 다음 패턴으로 사용할 수 있습니다.

일반 노드로 사용하여 문서 삽입, 업데이트, 검색하기#

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

이 템플릿의 시나리오 1에서 이 예시를 확인할 수 있습니다(예시는 Supabase를 사용하지만 패턴은 동일합니다).

AI 에이전트에 도구로 직접 연결하기#

Zep Vector Store 노드를 AI 에이전트의 도구 커넥터에 직접 연결하여 쿼리에 답변할 때 벡터 스토어를 리소스로 사용할 수 있습니다.

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

리트리버를 사용하여 문서 가져오기#

Vector Store Retriever 노드를 Zep Vector Store 노드와 함께 사용하여 Zep Vector Store 노드에서 문서를 가져올 수 있습니다. 이는 Question and Answer Chain 노드와 함께 자주 사용되어, 주어진 채팅 입력과 일치하는 문서를 벡터 스토어에서 가져옵니다.

연결 흐름의 예시(예시는 Pinecone을 사용하지만 패턴은 동일합니다)는 다음과 같습니다: Question and Answer Chain(리트리버 커넥터) -> Vector Store Retriever(Vector Store 커넥터) -> Zep Vector Store.

Vector Store Question Answer Tool을 사용하여 질문에 답변하기#

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

이 경우 연결 흐름(이 예시는 Supabase를 사용하지만 패턴은 동일합니다)은 다음과 같습니다: AI 에이전트(도구 커넥터) -> Vector Store Question Answer Tool(Vector Store 커넥터) -> Zep Vector store.

노드 파라미터#

결과 재정렬#

Insert Documents 파라미터#

• Collection Name: 데이터를 저장할 컬렉션 이름을 입력합니다.

Get Many 파라미터#

• Collection Name: 데이터를 가져올 컬렉션 이름을 입력합니다.
• Prompt: 검색 쿼리를 입력합니다.
• Limit: 벡터 스토어에서 가져올 결과 수를 입력합니다. 예를 들어, 최상위 10개 결과를 가져오려면 이 값을 10으로 설정합니다.

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

• Collection Name: 데이터를 가져올 컬렉션 이름을 입력합니다.

Retrieve Documents (As Tool for AI Agent) 파라미터#

• Name: 벡터 스토어의 이름입니다.
• Description: 이 도구가 무엇을 하는지 LLM에게 설명합니다. 구체적이고 명확한 설명은 LLM이 더 자주 예상되는 결과를 생성하도록 돕습니다.
• Collection Name: 데이터를 가져올 컬렉션 이름을 입력합니다.
• Limit: 벡터 스토어에서 가져올 결과 수를 입력합니다. 예를 들어, 최상위 10개 결과를 가져오려면 이 값을 10으로 설정합니다.

노드 옵션#

Embedding Dimensions#

데이터를 임베딩할 때와 쿼리할 때 동일해야 합니다.

이 값은 텍스트 문서의 의미론적 의미를 나타내는 데 사용되는 부동소수점 배열의 크기를 설정합니다.

Is Auto Embedded#

Insert Documents Operation Mode에서 사용할 수 있으며, 기본적으로 활성화되어 있습니다.

n8n이 아닌 Zep에서 임베딩을 구성하려면 이 옵션을 비활성화하세요.

Metadata Filter#

템플릿 및 예시#

Zep Vector Store 노드 문서 통합 템플릿 살펴보기 또는 모든 템플릿 검색하기

관련 자료#

이 서비스에 대한 자세한 내용은 LangChain의 Zep 문서를 참조하세요.

Footnotes

1. AI 체인을 사용하면 컴포넌트에 대한 일련의 호출을 통해 대규모 언어 모델(LLM) 및 기타 리소스와 상호 작용할 수 있습니다. n8n의 AI 체인은 영구 메모리를 사용하지 않으므로 이전 컨텍스트를 참조하는 데 사용할 수 없습니다(이를 위해서는 AI 에이전트를 사용하세요). ↩

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

3. AI 컨텍스트에서 도구란 AI가 요청에 응답할 때 특정 정보나 기능을 참조할 수 있는 추가 리소스입니다. AI 모델은 도구를 사용하여 외부 시스템과 상호 작용하거나 특정한 집중 작업을 완료할 수 있습니다. ↩