Potencie las aplicaciones autogestionadas con capacidades de búsqueda y búsqueda vectorial

Gyana Guity, Scott Amerman, and Sam Wickline
September 17, 2025 | Updated: September 30, 2025

MongoDB se complace en anunciar la vista previa pública de las capacidades de búsqueda y búsqueda vectorial para su uso con MongoDB Community Edition y MongoDB Enterprise Server. Estas nuevas capacidades permiten a los desarrolladores crear prototipos, iterar y compilar aplicaciones sofisticadas impulsadas por IA directamente en entornos autogestionados con una sólida funcionalidad de búsqueda.

La versatilidad es una de las razones por las que los desarrolladores aman MongoDB. MongoDB puede ejecutarse en cualquier lugar.¹ Esto incluye configuraciones locales donde muchos desarrolladores inician su viaje con MongoDB, hasta los centros de datos de empresas más grandes cuando es momento de escalar, y el servicio de cloud totalmente gestionado de MongoDB, MongoDB Atlas. Independientemente de dónde se lleve a cabo el desarrollo, MongoDB se integra sin esfuerzo con el flujo de trabajo de cualquier desarrollador.

MongoDB Community Edition es la versión gratuita y con código fuente disponible de MongoDB que millones de desarrolladores utilizan para aprender, probar y mejorar sus habilidades. MongoDB Enterprise Server es la versión comercial de la base de datos principal de MongoDB. Ofrece características adicionales de nivel empresarial para empresas que prefieren autogestionar sus implementaciones on-premises o en entornos de nube pública, privada o híbrida.

Con las capacidades de búsqueda nativa y búsqueda vectorial ahora disponibles para su uso con Community Edition y Enterprise Server, MongoDB tiene como objetivo ofrecer una experiencia más sencilla y coherente para crear excelentes aplicaciones dondequiera que se implementen.

¿Qué es la búsqueda y la búsqueda vectorial?

Similar a las ofertas en MongoDB Atlas, MongoDB Community Edition y MongoDB Enterprise Server ahora tienen soporte para dos capacidades de búsqueda distintas pero complementarias:

La búsqueda de texto completo es una capacidad integrada que ofrece una experiencia sin interrupciones y escalable para desarrollar características de aplicación basadas en la relevancia

La búsqueda vectorial permite a los desarrolladores compilar aplicaciones inteligentes impulsadas por búsqueda semántica e IA generativa utilizando capacidades nativas y completas de base de datos vectorial.

No existen limitaciones funcionales en las etapas centrales de agregación de búsqueda en esta vista previa pública. Por lo tanto, $search, $searchMeta y $vectorSearch son compatibles con la misma funcionalidad que lo disponible en Atlas, excluyendo las características en estado de vista previa. Para obtener más información, consulte las páginas de documentación de búsqueda y búsqueda vectorial.

Resolviendo los desafíos de los desarrolladores con la búsqueda integrada.

Históricamente, integrar características de búsqueda avanzada en aplicaciones autogestionadas a menudo requería añadir motores de búsqueda externos o bases de datos vectoriales a MongoDB. Este enfoque generó fricción en cada etapa para los desarrolladores y las organizaciones, lo que condujo a:

Complejidad arquitectónica: La gestión y sincronización de datos a través de múltiples sistemas dispares añadió capas de complejidad, exigió habilidades adicionales y complicó los flujos de trabajo de desarrollo.

Gastos en general operativos: Manejar el Provisionamineto, la seguridad, las actualizar y la supervisión por separado para cada sistema supuso una gran carga para los equipo de DevOps.

Disminución de la productividad de los desarrolladores: los desarrolladores se ven obligados a aprender y utilizar diferentes API de query y lenguajes tanto para la base de datos como para el motor de búsqueda. Esto resultó en cambios frecuentes de contexto, curvas de aprendizaje más pronunciadas y ciclos de lanzamiento más lentos.

Desafíos de coherencia: Alinear la base de datos Primaria con índices de búsqueda o vectoriales independientes conlleva el riesgo de producir resultados desincronizados. A pesar de las promociones de garantías transaccionales y coherencia de datos, estos índices solo eran eventualmente coherentes. Esto condujo a resultados incompletos en entornos de rápida evolución.

Con la búsqueda y la búsqueda vectorial ahora integradas en MongoDB Community Edition y MongoDB Enterprise Server, estas compensaciones desaparecen. Los desarrolladores ahora pueden crear potentes capacidades de búsqueda utilizando la conocida estructura del query de MongoDB, removiendo la carga de la sincronización y la necesidad de gestionar múltiples sistemas de un solo propósito. Esta versión simplifica la arquitectura de datos, reduce los gastos en general operativos y acelera el desarrollo de aplicaciones.

Con estas capacidades, los desarrolladores pueden aprovechar sofisticadas capacidades listas para usar para compilar una variedad de potentes aplicaciones. Los posibles casos de uso incluyen:

MongoDB ofrece integraciones nativas con frameworks como LangChain, LangGraph y LlamaIndex. Esto agiliza los flujos de trabajo, acelera el desarrollo e integra características RAG o de agentes directamente en las aplicaciones. Para aprender más sobre otros marcos de IA compatibles con MongoDB, consulte esta documentación.

Los Emparejar y defensores de MongoDB ya están experimentando los beneficios de utilizar la búsqueda y la búsqueda vectorial en un rango más amplio de entornos:

“Estamos encantados de que ahora se pueda acceder a la búsqueda de MongoDB y a la búsqueda vectorial en la ya popular MongoDB Community Edition. Ahora nuestros clientes pueden aprovechar MongoDB y LangChain en cualquier modo de implementación y en su entorno preferido para compilar aplicaciones de LLM de vanguardia”. —Harrison Chase, CEO de LangChain.

“MongoDB ha ayudado a Clarifresh a compilar un software increíble, y siempre me ha impresionado su base sólida como una roca Con las capacidades de búsqueda y búsqueda vectorial ahora disponibles en MongoDB Community Edition, obtenemos la confianza del código fuente accesible, la flexibilidad para implementar en cualquier lugar y la promesa de una extensibilidad impulsada por la comunidad. "Es un hito emocionante que reafirma el compromiso de MongoDB con los desarrolladores”. —Luke Thompson, MongoDB Champion, Clarifresh.

“Estamos entusiasmados con la siguiente iteración de experiencias de búsqueda en MongoDB Community Edition. "Nuestros clientes desean la máxima flexibilidad para poder Ejecutar sus aplicaciónes de búsqueda y habilitadas para IA generativa, y llevar esta funcionalidad a la Community desbloquea una forma completamente nueva de compilar y probar en cualquier lugar.”—Jerry Liu, CEO de LlamaIndex.

Participar en la vista previa privada de búsqueda de texto completo y búsqueda vectorial para la MongoDB Community ha sido una oportunidad emocionante. Tener $search, $searchMeta y $vectorSearch directamente en Community Edition ofrece las mismas potentes capacidades que utilizamos en Atlas, sin necesidad de sistemas ni integraciones adicionales. "Incluso en la vista previa inicial, ya está optimizando los flujos de trabajo y produciendo resultados más rápidos y relevantes”. —Michael Höller, MongoDB Champion, akazia consultoría.

Accediendo a la vista previa pública

La vista previa pública está disponible de forma gratuita y está destinada únicamente a fines de prueba, evaluación y comentarios.

Búsqueda y búsqueda vectorial con MongoDB Community Edition. Las nuevas capacidades son compatibles con MongoDB versión 8.2+ y operan en un binario separado, mongot, que tiene interacción con el binario estándar de la base de datos mongodb.

Para empezar, asegúrese de que:

Se está ejecutando un clúster de MongoDB Community Server utilizando uno de los tres métodos siguientes:

Descargue MongoDB Community Server versión 8.2 desde la página de descargas de MongoDB. A partir de la vista previa pública, esta característica está disponible para implementaciones autogestionadas en distribuciones y arquitecturas de Linux compatibles con MongoDB Community Edition versión 8.2+.
Descargue el binario de mongot desde la página de descargas de MongoDB.
Extraiga la imagen del container para Community Server 8.2 desde un Repositorio público de Docker Hub.
Próximamente: implementar usando los Controladores de MongoDB para el Operador de Kubernetes (el soporte de búsqueda para Community Server está previsto para la versión 1.5 y posteriores).

Búsqueda y Vector Search para usar con MongoDB Enterprise Server. Las nuevas capacidades se implementan como Nodos de búsqueda autogestionados en el entorno de Kubernetes de un cliente. Esto se conectará sin problemas a cualquier clúster de MongoDB Enterprise Server, que resida dentro o fuera del propio Kubernetes.

Para empezar, asegúrese de que:

Se está ejecutando un clúster de MongoDB Enterprise Server.

versión 8.0.10+ (para MongoDB Controllers para Operador de Kubernetes 1.4).
versión 8.2+ (para el operador de MongoDB Controllers para Kubernetes 1.5+).

Un entorno de Kubernetes.

El MongoDB Controllers for Kubernetes Operator está instalado en Kubernetes cluster. Encuentre las instrucciones de instalación aquí.

También está disponible la documentación completa para configurar MongoDB Community Edition y MongoDB Enterprise Server.

¿Qué sigue?

Durante la vista previa pública, MongoDB actualizará características adicionales y características del plan de desarrollo basadas en los comentarios de los clientes. Después de la vista previa pública, se anticipa que estas capacidades de búsqueda y búsqueda vectorial estarán generalmente disponibles para su uso con implementaciones on-premises. Para Community Edition, estas capacidades estarán disponibles sin costo adicional como parte de la Server Side Public License (SSPL).

Para MongoDB Enterprise Server, estas capacidades se incluirán en una nueva oferta de suscripción de pago que se lanzará en el futuro. Los detalles de precios y empaquetado de la suscripción estarán disponibles más cerca del lanzamiento. Para los desarrolladores que buscan una experiencia totalmente gestionada en la nube, MongoDB Atlas ofrece una versión lista para producción de estas capacidades hoy.

¡ A MongoDB le encantaría recibir retroalimentación; also: comentarios! Sugiera nuevas características o vote sobre ideas existentes en feedback.mongodb.com. La entrada es crucial para moldear el futuro de este producto. Los usuarios pueden ponerse en contacto con su equipo de cuentas de MongoDB para proporcionar comentarios más completos.

Consulte la documentación de MongoDB para aprender cómo empezar con la búsqueda y Vector Search en MongoDB Community Edition y MongoDB Enterprise Server.

¹ MongoDB se puede implementar como un servicio multi-nube totalmente gestionado en todos los principales proveedores de nube pública, en nubes privadas, localmente, on-premises y en entornos híbridos.

← Previous

MongoDB AMP: An AI-Driven Approach to Modernization

Why should a database company be your modernization partner? It’s a fair question. From over a decade of experience with database migrations, we've learned that the database is often the single biggest blocker preventing digital transformation. It's where decades of business logic have been embedded, where critical dependencies multiply, and where the complexity that blocks innovation actually lives. But by working with MongoDB, customers have found that transforming their data layer removed the barriers that had stalled previous modernization attempts. This post is also available in: Deutsch , Français , Español , Português , Italiano , 한국어 , 简体中文 . Now, with today’s launch of the MongoDB Application Modernization Platform (AMP), we're providing customers a proven approach to full-stack modernization. MongoDB AMP is an AI-powered solution that rapidly and safely transforms legacy applications into modern, scalable services. MongoDB AMP integrates agentic AI workflows into our modernization methodology, alongside reusable, battle-tested tooling, and the expertise we've developed through customer engagements over the past decade—a powerful combination of tools, technique, and talent. By combining AMP tooling with MongoDB’s proven, repeatable framework, customers have seen tasks like code transformation sped up by 10x or more—with overall modernization projects implemented 2–3 times faster on average. Figure 1. The MongoDB Application Modernization Platform. The common challenges Many of our customers are facing the same impossible choice: accept growing technical debt that slows every business initiative, or risk disruption with a full system rewrite. Their teams are stuck maintaining legacy code instead of building new capabilities. These legacy systems have evolved into interconnected webs (“spaghetti messes”) where even simple changes require coordination across multiple systems and teams. Database changes require corresponding updates to middleware integrations, application business logic, and user interface components. Teams struggle to update systems because any change brings risks breaking something else they don't fully understand. Innovation initiatives often get blocked because new capabilities struggle to integrate within the constraints of legacy systems. Technical debt accumulates with every workaround, making each subsequent change more complex and risky than the last. Before working with MongoDB, Intellect Design's Wealth Management platform exemplified this challenge perfectly . Key business logic was locked in hundreds of SQL stored procedures, leading to batch processing delays of up to eight hours and limiting scalability as transaction volumes grew. The platform’s rigid architecture hindered innovation and blocked integration with other systems, such as treasury and insurance platforms, preventing the delivery of unified financial services that their enterprise clients demanded. In cases like this, the result is stagnation disguised as stability. Systems "work" but can't evolve. Applications can handle today's requirements, but can't adapt to tomorrow's opportunities. Legacy architectures have become the foundation on which everything else depends—and the constraint that prevents everything else from changing. Battle-tested solutions By working through challenges with customers, we've built a comprehensive methodology for modernization, backed by sophisticated tools that address the messy reality of legacy applications. Our approach empowers application teams with proven processes and purpose-built technology to systematically address key challenges. Central to our methodology is a test-first philosophy that has proven essential for safe, reliable modernization. Before any transformation begins, we develop comprehensive test coverage for existing applications, creating a baseline that captures how legacy systems actually behave in production. This upfront investment in testing becomes the foundation for everything that follows, providing guardrails that ensure modernized code performs identically to the original while giving teams the confidence to make changes without fear of breaking critical business processes. Our test-driven approach ensures modernization is a methodical, validated process where every change is verified. Before we make any code changes, we establish a complete picture of the legacy system. We've built sophisticated analysis tools that comprehensively map legacy application architectures. These tools uncover the complex interdependencies and embedded logic that make legacy applications far more intricate than they appear on the surface. This deep analysis isn't just about cataloging complexity; it's about understanding the true scope, informing execution of the transformation, and identifying potential risks before they derail projects. Analysis is just the start. By working with customers, we've learned that successful modernization requires careful sequencing and planning. Our dependency analysis capabilities help teams understand not just what needs to be migrated, but the critical order of operations and what safeguards need to be in place at each step. It's critical to avoid the temptation to migrate everything at once. MongoDB’s approach is designed to make complex modernizations successful by transforming applications incrementally with robust validation. Instead of crossing your fingers and hoping everything works after months of development, our methodology decomposes large modernization efforts into manageable components where every component is iteratively tested and verified. Issues are caught early when they're easy to fix, not after months of development when rollback becomes costly and complex. Each successful iteration reduces risk rather than accumulating it. The agentic AI acceleration MongoDB AMP represents over two years of dedicated effort to integrate AI-powered automation into our battle-tested processes, dramatically accelerating modernization while maintaining the reliability our customers depend on. AI powerfully expands our validation processes by generating additional test cases to validate modernized applications against their legacy counterparts. This dramatically improves confidence in migration results while reducing the time teams spend manually creating test cases for the complex business logic they are trying to preserve. Our existing analysis tools, which decompose embedded logic into smaller segments, now feed directly into AI systems that can automatically transform the code components they discover. What once required weeks of manual code conversion can now happen in hours, with testing frameworks providing the same rigorous validation we've always insisted on. For example, Bendigo and Adelaide Bank reduced the development time to migrate a banking application by up to 90% . The difference is speed and scale, without sacrificing quality or safety. Figure 2. The AMP process. Years of customer engagement and refined processes provide the foundation and guardrails that make AI-powered modernization effective and safe. With MongoDB AMP, AI becomes a force multiplier that transforms our proven approach into something that can tackle modernization challenges at unprecedented speed and scale. Migrating simple code is now 50 to 60 times quicker, and we can migrate small applications 20 times faster to MongoDB. Regression testing also went from three days to three hours with automated test generation. Fabrice Bidard, Head of Technical Architecture, Lombard Odier Ready to begin your modernization journey? Legacy application modernization doesn't have to be a leap of faith. With MongoDB as your partner, you gain access to proven methodologies, battle-tested tools, and the accelerated capabilities that agentic AI brings to our existing expertise. Contact our team to discuss your specific challenges and learn how our proven methodology can be applied to your environment.

September 16, 2025

Next →

Innovating with MongoDB | Customer Successes, October 2025

It’s officially fall! The start of every new season is a perfect time to consider change and new beginnings. While fall might make you think about pumpkin spice and newly chilly evenings, I’m thinking about the latest round of transformations that MongoDB’s customers are embracing to thrive in an AI-powered world. In all seriousness, legacy systems and technical debt are huge challenges: the cost of tech debt has been estimated at almost $4 trillion dollars. That’s trillion with a T! Legacy systems can slow down innovation, create bottlenecks, and make it tough to deliver the seamless, real-time experiences customers increasingly expect. But companies are finding that modernizing their applications isn't just about fixing what's broken—modernization enables them to move faster and innovate for end-users. That’s why I'm incredibly excited to share the recent launch of MongoDB’s Application Modernization Platform (AMP). This AI-powered program is designed to help enterprises move beyond outdated infrastructures to embrace a flexible, data-driven future. AMP is a comprehensive approach to modernization that combines smart AI tooling with proven methodologies, enabling businesses to transform their applications from the ground up, moving from legacy monoliths to a more flexible, microservices-based architecture. In this roundup, we're spotlighting customers who understand the strategic importance of modernization. You'll see how Wells Fargo is using MongoDB to power a new credit card platform, how CSX is ensuring business continuity during a critical migration, how Intellect Design is modernizing its wealth management platform, and how Deutsche Telekom is transforming its B2C digital channels. With MongoDB, customers are showing how integral a modern database is to powering the next generation of applications—and succeeding in the AI era. Wells Fargo Wells Fargo sought to modernize its mainframe-dependent credit card platform to provide a faster, more seamless customer experience and handle an exponential increase in transaction data. The company's legacy system was costly to manage and lacked the scalability needed for its "Cards 2.0" initiative. To solve this, Wells Fargo built an operational data store (ODS) using MongoDB. This new platform allowed them to adopt reusable APIs, streamline integrations, and move from a monolithic architecture to flexible microservices. The ODS now serves 40% of traffic from external vendors, handling more than 7 million transactions with sub-second service. By leveraging MongoDB, Wells Fargo was able to jumpstart its mainframe modernization and create curated data products to serve real-time, personalized financial services. CSX CSX , a major U.S. railroad company, sought to modernize its critical operations platform, RTOP, by migrating it to the cloud. The challenge was to maintain the platform's 24/7 availability with minimal disruption to its mission-critical, near real-time operations during the transition. To solve this, CSX selected MongoDB Atlas on Azure and partnered with MongoDB Professional Services . Leveraging the Cluster-to-Cluster Sync feature, the team was able to facilitate continuous data synchronization and complete the entire migration in just a few hours. The move to MongoDB Atlas has equipped CSX with a more scalable and resilient platform. This modernization effort established a blueprint for migrating other critical applications and helped CSX continue its digital transformation journey toward becoming America’s best-run railroad. Intellect Design Intellect Design , a global fintech company, sought to modernize its wealth management platform to overcome legacy system bottlenecks and multihour batch processing delays. The company's rigid relational database architecture limited its ability to scale and innovate. To solve this, the company partnered with MongoDB, using our AMP methodology and generative AI tools. This transformation reengineered the platform's core components, resulting in an 85% reduction in onboarding workflow times, allowing clients to access critical portfolio insights faster than ever. This initiative is the first step in Intellect Design's long-term vision to integrate its entire application suite into a unified, AI-driven service. By leveraging MongoDB Atlas's flexible schema and powerful native tools, the company is now better positioned to deliver smarter analytics and advanced AI capabilities to its customers. Watch Intellect AI’s MongoDB.local Bengaluru keynote presentation to learn how AMP helped them transform outdated systems into scalable, modern solutions. Deutsche Telekom Deutsche Telekom , a leading telecommunications company, sought to modernize its B2C digital channels, which were fragmented by outdated legacy systems. The company needed to create a unified digital experience for its 30 million customers while improving developer productivity. By leveraging MongoDB Atlas as part of its Internal Developer Platform, Deutsche Telekom built a robust data infrastructure to unify customer data and power its new digital services. This approach allowed the company to retire legacy systems and reduce its reliance on physical shops and call centers. The transition to MongoDB Atlas led to a massive surge in digital engagement, with daily customer interactions rising from under 50,000 to approximately 1.5 million. The company's customer data platform now handles up to 15 times the load of legacy systems, supporting large-scale loyalty programs and transforming the customer experience. Video spotlight: Bendigo Bank Before you go, watch how Bendigo and Adelaide Bank modernized their core banking technology using MongoDB Atlas and generative AI. Bendigo and Adelaide Bank reduced the migration time for legacy applications from 80 hours to just five minutes. This innovative approach allowed them to quickly modernize their systems and better serve their 2.5 million customers. Want to get inspired by your peers and discover all the ways we empower businesses to innovate for the future? Visit MongoDB’s Customer Success Stories hub to see why these customers, and so many more, build modern applications with MongoDB.

October 2, 2025