Puedes integrar MongoDB con n8n para crear automatizaciones y flujos de trabajo generativos utilizando su interfaz visual sin código. Esta página proporciona una visión general de la integración y describe los diferentes tipos de nodos que puedes utilizar en tus flujos de trabajo.
La instalación predeterminada n8n incluye los nodos de MongoDB. Los ejemplos de esta guía usan n8n versión 2.x.
Comienza con n8n
Para usar los nodos de MongoDB en n8n, completa los siguientes pasos:
Instala n8n.
Para instalar n8n, consulte la documentación de n8n o ejecute el siguiente comando usando npm:
npx n8nConfigure sus credenciales de MongoDB en n8n.
Todos los nodo de MongoDB8requieren credenciales de MongoDB. Para aprender cómo agregar sus credenciales, consulte credenciales de MongoDB en la documentación de n8n.
Crear un índice de búsqueda vectorial.
Si planeas usar el MongoDB Atlas Vector almacenar nodo, crea un índice de búsqueda vectorial de MongoDB en tu colección. Para aprender a crear el índice usando el nodo de MongoDB en n8n, consulta Crear el índice de búsqueda vectorial en n8n.
Para aprender a compilar un agente de IA básico usando n8n y MongoDB, consulta Compila un agente de IA con MongoDB y n8n.
MongoDB Node
El nodo de MongoDB permite automatizar el trabajo en MongoDB e integrar MongoDB con otros nodos en tus flujos de trabajo n8n.
Uso de nodos de MongoDB
Utiliza el nodo MongoDB en cualquiera de tus flujos de trabajo personalizados n8n.
Operación de nodo de MongoDB
El nodo MongoDB admite las siguientes operaciones:
Categoría | Operación | Descripción |
|---|---|---|
Operaciones de documentos | Documentos agregados | Realiza operaciones de agregación para procesar y transformar datos mediante pipelines de agregación de MongoDB. Para aprender más, consulta |
Buscar documentos | Query y recuperar documento de tus colección de MongoDB con opciones de filtro flexibles. Para aprender más, consulta | |
Insertar documentos | Agrega nuevos documento a tus colección de MongoDB. Para aprender más, consulta | |
Update Documents | Modifica los documentos existentes en tus colecciones. Para aprender más, consulta | |
Delete Documents | Remover documentos de sus colección. Para aprender más, consulta | |
Encontrar y reemplazar documentos | Busca documentos y reemplázalos con contenido nuevo. Para aprender más, consulta | |
Encontrar y actualizar documentos | Busca documentos y actualiza campos específicos. Para aprender más, consulta | |
Operaciones del índice de búsqueda | Crear índices de búsqueda | Crea nuevos índices de búsqueda y búsqueda vectorial en tus colecciones. Para aprender más, consulta |
listSearchIndexes | Recuperar información sobre los índice de búsqueda existentes. Para aprender más, consulta | |
Actualizar índices de búsqueda | Modifica las configuraciones de índice de búsqueda existentes. Para aprender más, consulta | |
Descartar índices de búsqueda | Remover los índices de búsqueda que ya no sean necesarios. Para aprender más, consulta |
Tip
Para obtener más información, consulta la n8n documentación de nodos de MongoDB
MongoDB Atlas Vector Store Node
El nodo Vendor de MongoDB Atlas te permite usar Búsqueda Vectorial de MongoDB en tus flujos de trabajo agenticos.
Para usar este nodo, debe tener un índice de búsqueda vectorial de MongoDB en su colección. Para aprender a crear el índice en n8n, consulte Crear el índice de búsqueda vectorial en n8n.
Uso del nodo de almacenar vectores
Utiliza el nodo MongoDB Vector Store en los siguientes patrones de flujo de trabajo:
Conéctate directamente con un agente de IA como herramienta para realizar RAG agentic.
AI Agent (tools connector) → MongoDB Vector StorePara un tutorial, consulta Compila un agente de IA con MongoDB y n8n.
Para aprender más sobre los agentes de IA en n8n, consulta Nodo de agente de IA.
Utilice MongoDB Atlas Vector Store como un nodo normal para insertar o recuperar documentos en sus flujos de trabajo personalizados:
Trigger → MongoDB Vector Store (Insert/Get) → Next NodePara aprender más, consulta Nodos.
Utiliza el nodo como recuperador en una cadena de preguntas y respuestas:
Question and Answer Chain → Vector Store Retriever → MongoDB Vector StorePara obtener más información sobre Q&A en n8n, consulta Nodo de Cadena de Preguntas y Respuestas.
Utiliza el nodo como herramienta de preguntas y respuestas para un agente de IA:
AI Agent → Vector Store Question Answer Tool → MongoDB Vector StorePara obtener más información sobre la herramienta de respuesta a preguntas en n8n, consulta Nodo de Herramienta de Respuesta a Preguntas de Almacén Vectorial.
Modas de operación de almacenar vectores
El nodo MongoDB Vector Store admite los siguientes modos de operación. El modo de recuperación de documentos solo está disponible en ciertos patrones de flujo de trabajo.
Modo de operación | Descripción |
|---|---|
Obtener Muchas | Recuperar varios documento mediante búsqueda de similitud basada en un aviso. Devuelve documento con puntuaciones de similitud. Para aprender más, consulta Obtener muchos parámetros. |
Insertar documentos | Agregue nuevos documento con incrustación a su colección. Para aprender más, consulta Insertar documento parámetros. |
Recuperar documentos (como base vectorial para cadena/herramienta) | Solo disponible cuando utilizas el nodo como recuperador o herramienta. Debe estar conectado a un nodo recuperador o a un nodo raíz. Para aprender más, consulta Parámetros de Recuperar documentos (como almacenar vectores para cadena/herramienta). |
Recuperar documentos (Como herramienta para Agente IA) | Solo disponible cuando usas el nodo como herramienta para un agente de IA. El agente utiliza este almacenar de vectores cuando el nombre y la descripción son relevantes para el aviso. Para aprender más, consulta Parámetros de Recuperar documentos (como herramienta para agente de IA). |
Update Documents | Actualiza un documento existente en el almacén vectorial por ID de documento. Especifica el documento a actualizar en el parámetro ID . El nodo incrusta el contenido del documento de los elementos de entrada y reemplaza el documento existente. |
Parámetros del nodo de almacenar vectores
Tip
Para obtener más información, consulta la n8n documentación de nodos de MongoDB Vector Store
Resultados de búsqueda por vector de filtro
El nodo Atlas Vector Store de MongoDB puede filtrar documentos cuando los recuperas. Utiliza las opciones Pre Filter y Post Filter Pipeline en la Optionsdel nodo.
Por ejemplo, el siguiente prefiltro empareja películas del género Action :
{ "genres": "Action" }Nota
Un prefiltro reduce el alcance de la búsqueda vectorial antes de que se ejecute la consulta. En el campo Pre Filter , introduce una expresión de coincidencia del Lenguaje de Consulta MongoDB (MQL) para los campos que quieres filtrar. Para usar un prefiltro, indexa los campos como el tipo filter en la definición de tu índice de búsqueda vectorial de MongoDB.
Una tubería posterior al filtro procesa los resultados más después de que la búsqueda vectorial haya finalizado. En el campo Post Filter Pipeline , introduce una tubería de agregación como un array JSON. Por ejemplo, la siguiente tubería coincide con películas lanzadas en 2000 o posteriores:
[ { "$match": { "year": { "$gte": 2000 } } } ]Para saber más sobre cómo filtrar resultados de búsqueda vectorial, consulte Tipos de búsqueda vectorial.
Utilizar espacios de nombres para particionar documentos
El nodo Atlas Vector Store de MongoDB soporta la partición lógica de documentos usando la opción Namespace . Cuando insertas documentos con el conjunto de opciones Namespace , el nodo almacena el valor del espacio de nombres en el campo metadata.namespace de cada documento. Cuando el nodo recupera documentos, solo devuelve los documentos del espacio de nombres que especifiques.
Utiliza espacios de nombres para aislar documentos de diferentes tenants, temas o flujos de trabajo dentro de la misma colección. Por ejemplo, en un despliegue multi-inquilino, especifica un espacio de nombres único para cada inquilino. Esta separación impide que el agente recupere documentos que pertenecen a otros inquilinos.
Cuando insertas documentos, también puedes activar la opción Clear Namespace . El nodo elimina los documentos existentes en el espacio de nombres y luego inserta los nuevos documentos.
Nodo de memoria de chat de MongoDB
El nodo de memoria de chat de MongoDB te permite usar MongoDB como un repositorio de memoria para almacenar el historial de chat en tus flujos de trabajo de IA. Esto permite un contexto de conversación persistente en todas las ejecuciones del flujo de trabajo.
Uso del nodo de memoria de chat
Debe usar el nodo MongoDB Chat Memory como un subnodo agregándolo a la sección Memory de un nodo agente IA. Para obtener un tutorial, consulta Compilar un Agente de IA con MongoDB y n8n.
Nota
Cada nodo de Memoria de Chat de MongoDB escala su sesión a ese nodo por defecto. Para compartir una sesión entre diferentes nodos de Memoria de Chat de MongoDB, configura Session ID para Define below y usa la misma clave de sesión en cada nodo.
Parámetros del nodo de memoria de chat
Tip
Para aprender más, consulta n8n la documentación del nodo de memoria de chat de MongoDB
Recursos n8n adicionales
Para aprender más sobre n8n, utiliza los siguientes recursos: