dexblog.ro
Acces rapid: Învață AI Învață Programare Specificații Dispozitive Comparații
N8N Toate nodurile n8n AI

MongoDB Atlas Vector Store în n8n & Automatizări AI

RAG Vizual & Baze Vectoriale în n8n n8n 2.45 (octombrie 2026)

Folosește un index Vector Search dintr-o colecție MongoDB Atlas ca vector store.

Configurare nod & expresie 
MongoDB Atlas Vector Store
  Operation Mode: Get Many | Insert Documents | Retrieve Documents (As Vector Store for Chain/Tool) | Retrieve Documents (As Tool for AI Agent)
  Sub-noduri: Embedding (obligatoriu), Document (la Insert Documents)

Ce face MongoDB Atlas Vector Store

MongoDB Atlas Vector Store lucrează cu indexurile Vector Search din colecțiile MongoDB Atlas. Indexul se creează înainte, în Atlas (Search & Vector Search > Create Search Index, mod Vector Search).

În definiția indexului, numDimensions trebuie să corespundă modelului de embeddings (de exemplu 1536 pentru modelul OpenAI dat ca exemplu în documentație). Notează numele colecției, al indexului și al câmpurilor pentru embeddings și metadate: nodul le cere în toate modurile.

Sintaxă și opțiuni

Opțiune / Parametru Descriere
Operation Mode Unul din cele patru moduri: Get Many, Insert Documents, Retrieve Documents (As Vector Store for Chain/Tool) și Retrieve Documents (As Tool for AI Agent). Modul decide intrările și ieșirile nodului.
Rerank Results Activează reordonarea rezultatelor. Trebuie conectat un nod de reranking, de exemplu Reranker Cohere. Merge în modurile Get Many și cele două moduri Retrieve Documents.
Mongo Collection Colecția MongoDB.
Vector Index Name Numele indexului Vector Search.
Embedding Field Câmpul cu vectorii.
Metadata Field Câmpul cu metadatele text.
Limit Câte rezultate se întorc (de exemplu 10 pentru cele mai bune zece). În Get Many și As Tool for AI Agent.
Name / Description Doar în As Tool for AI Agent: numele bazei și descrierea pentru model. O descriere precisă ajută agentul să aleagă unealta la momentul potrivit.
Metadata Filter Filtrează rezultatele după metadate.

Exemple practice

Exemplul 1: Configurare ca unealtă pentru agent

Operation Mode: Get Many
Mongo Collection: articole
Vector Index Name: vector_index
Embedding Field: embedding
Metadata Field: text
Prompt: {{ $json.intrebare }}
Limit: 5

Exemplul 2: Legături posibile (din documentație)

Nodul se poate folosi direct ca unealtă, printr-un retriever sau prin Vector Store Question Answer Tool.

AI Agent (Tool) -> MongoDB Atlas Vector Store
Question and Answer Chain (Retriever) -> Vector Store Retriever (Vector Store) -> MongoDB Atlas Vector Store
AI Agent (Tool) -> Vector Store Question Answer Tool (Vector Store) -> MongoDB Atlas Vector Store

Greșeli frecvente și bune practici

  • Folosești alt model de embeddings la inserare decât la căutare. Vectorii trebuie să aibă aceeași dimensiune și să provină din același model.
  • Pornești nodul înainte să creezi indexul Vector Search în Atlas.
  • Scrii o expresie care se referă la mai multe elemente de intrare. În sub-noduri, expresia se rezolvă mereu pentru primul element.

Comenzi înrudite