Para agentes de IA: hay un índice de documentación disponible en https://www.mongodb.com/es/docs/llms.txt — versiones en markdown de todas las páginas están disponibles agregando .md a cualquier ruta URL.
Docs Menu
Docs Home
/ /
n8n
Docs Home
/
Desarrollo
/
Integraciones de IA
/
n8n
Docs Home
/
Desarrollo
/
Integraciones de IA
/
n8n

Compilación de un agente de IA con MongoDB y n8n

Este tutorial demuestra cómo compilar rápidamente un agente de IA utilizando n8n que pueda responder preguntas sobre algunos datos de muestra. El agente aprovecha MongoDB tanto como un almacén vectorial para la recuperación de documentos como un almacén de memoria de chat para la persistencia de conversaciones.

Acerca del n8n Flujo de trabajo con MongoDB

La siguiente captura de pantalla muestra el flujo de trabajo que se va a crear en este tutorial. En este flujo de trabajo, creas un agente de IA que utiliza dos nodos de MongoDB:

También utiliza OpenAI como proveedor de modelos LLM y de embedding.

Cuando envías un mensaje al agente, se activan las siguientes acciones:

  1. El nodo del agente de IA procesa el mensaje del usuario y determina la siguiente acción.

  2. El agente de IA verifica si necesita realizar alguna llamada de herramienta.

    • Si es así, llama al nodo de almacén vectorial de MongoDB para recuperar documentos.

    • De lo contrario, sigue a la siguiente acción.

  3. El agente genera una respuesta utilizando el LLM que configuraste para el flujo de trabajo.

  4. Después de cada interacción, el nodo MongoDB Chat Memory almacena el historial de la conversación.

Captura de pantalla del flujo de trabajo del agente de IA con n8n y MongoDB
haga clic para ampliar

Nota

Los asteriscos rojos en la configuración del nodo del agente de IA indican parámetros obligatorios.

Requisitos previos

Antes de comenzar, asegúrate de tener lo siguiente:

  • n8n instalado.

  • Uno de los siguientes tipos de clúster de MongoDB:

    • Un clúster de Atlas que ejecute la versión 6.0.11 de MongoDB, 7.0.2, o posterior. Asegúrese de que su dirección IP esté incluida en la lista de acceso de su proyecto Atlas.

    • Una implementación local de Atlas creada con Python y Docker. Instala atlas-local-lib-py (pip install atlas-local-lib-py) para crear y gestionar implementaciones locales mediante programación. Para obtener más información, consulta el repositorio atlas-local-lib-py.

    • Un clúster de MongoDB Community con Search y búsqueda vectorial instalados.

  • Los datos de muestra cargados en tu implementación de MongoDB.

  • Una clave de API de OpenAI, o una clave de API para cualquier otro proveedor compatible de LLM y modelos de embedding que pretendas utilizar.

Considerations

Cuando trabajes con n8n y MongoDB, considera lo siguiente:

  • Para los usuarios de MongoDB Atlas, asegúrense de añadir sus direcciones IP n8n a la lista de acceso IP de su proyecto. Para obtener más información, consulte Acceso a la red.

  • Al configurar el nodo MongoDB Vector Store, asegúrate de activar la opción Include Metadata a Off. Si no activas este ajuste en Off, el agente de IA podría no ejecutarse ya que los documentos podrían ser demasiado grandes para cargarlos en la ventana de contexto.

Creael índice de búsqueda vectorial

Debe crear un índice de búsqueda vectorial en su colección antes de poder usar el nodo de almacén vectorial de MongoDB.

Para usar un método de creación de índice diferente, siga los pasos del procedimiento de creación de índice. Utilice la siguiente configuración:

{
  "fields": [
    {
      "type": "vector",
      "path": "plot_embedding",
      "numDimensions": 1536,
      "similarity": "dotProduct"
    }
  ]
}

Configurar Credenciales en n8n

En esta sección, completarás los pasos para configurar las credenciales requeridas en n8n.

1

Abra la página de configuración Credenciales.

En la esquina superior derecha de la página de inicio de n8n, haz clic derecho en Create Workflow. Como alternativa, selecciona la pestaña Credentials y haz clic en Add first credential.

2

Agrega credenciales para tu proveedor de modelos.

  1. En el menú desplegable, seleccione las credenciales a configurar.

    Por ejemplo, selecciona OpenAI y haz clic en Continue.

  2. Para ver qué parámetros debe introducir para su proveedor de modelos, consulte la librería de Credenciales.

    Por ejemplo, para OpenAI, introduce la clave de la API, el nombre de la organización y la URL base.

  3. Haz clic en Save. n8n agrega la credencial a tu espacio personal.

3

Agrega las credenciales para MongoDB.

Sigue las mismas instrucciones descritas en el paso anterior para agregar tus credenciales de MongoDB a n8n. Especifique los siguientes valores:

Configuración
Valor

Tipo de configuración

En el menú desplegable, selecciona el método Connection String.

Cadena de conexión

Ingresa tu MongoDB Connection String.

Para aprender a encontrar tu cadena de conexión de MongoDB, consulta Cadenas de conexión.

Database

Introduce sample_mflix.

Configura el flujo de trabajo del agente de IA

Siga los pasos siguientes en n8n para compilar un flujo de trabajo de agente de IA con MongoDB y n8n. Para obtener más información sobre el flujo de trabajo, consulte Acerca del flujo de trabajo n8n con MongoDB.

1

Crea un nuevo n8n flujo de trabajo.

Abre n8n donde estés alojando, luego crea un nuevo flujo de trabajo:

  • Si no tienes ningún flujo de trabajo o si está usando n8n por primera vez, utiliza el flujo de trabajo vacío que se muestra.

  • Si tiene flujos de trabajo existentes, haga clic en Create Workflow.

2

Añade un nodo de Chat Trigger.

Todos los flujos de trabajo en n8n comienzan con un nodo de activador. Para este workflow, se utiliza un nodo de activador de chat para que el workflow del agente de IA se active con un mensaje del usuario.

  1. Selecciona Add first step o presiona Tab para abrir el menú del nodo.

  2. Buscar Chat Trigger. n8n muestra una lista de nodos que coinciden con la búsqueda.

  3. Seleccione Chat Trigger para agregar el nodo al lienzo.

  4. Haz clic en Back to canvas en la esquina superior izquierda de tu pantalla. Se puede omitir la prueba de este nodo en esta fase. Haz clic en Save.

3

Agregar un nodo de agente de IA.

En el nodo Agente de IA, se configura el modelo de chat, la memoria y las herramientas. Estos son componentes requeridos del nodo Agente de IA donde se pueden agregar nodos y subnodos adicionales.

  1. Selecciona el conector + en el nodo del activador.

  2. Busque el nodo AI Agent y agrégalo al flujo de trabajo. Se muestra la vista de edición del agente de IA.

  3. Haz clic en Back to canvas en la esquina superior izquierda de tu pantalla. Se puede omitir la prueba de este nodo en esta fase. Haz clic en Save.

4

Configura el modelo de chat.

Configure el modelo de chat para adjuntar el nodo que procese las indicaciones entrantes:

  1. Haz clic en el conector + junto a la etiqueta Chat Model en el nodo de agente de IA. El panel de búsqueda aparece, filtrado en Language Models.

  2. Seleccione OpenAI Chat Model de la lista, o su proveedor de LLM preferido.

  3. Haga clic en Credential to connect with.

  4. Después de seleccionar tus credenciales, elige un modelo en el menú desplegable (por ejemplo, gpt-4o).

  5. Haz clic en Back to canvas en la esquina superior izquierda de tu pantalla. Se puede omitir la prueba de este nodo en esta fase. Haz clic en Save.

  6. Haz clic en el ícono del agente de IA en la parte superior del cuadro de diálogo para volver a la configuración del nodo del agente de IA.

5

Agrega el subnodo MongoDB Chat Memory.

Configura el subnodo de Memoria de Chat de MongoDB para habilitar el contexto de conversación persistente.

  1. Haz clic en el conector + junto a la etiqueta Memory en el nodo AI Agent.

  2. Desde el panel lateral, selecciona MongoDB Chat Memory.

  3. Haz clic en Select credential, luego selecciona tus credenciales de MongoDB.

  4. Use las configuraciones por defecto para el nodo de memoria de chat de MongoDB. Por defecto, n8n crea una colección llamada n8n_chat_histories en la base de datos especificada.

  5. Haz clic en Back to canvas en la esquina superior izquierda de tu pantalla. Se puede omitir la prueba de este nodo en esta fase. Haz clic en Save.

  6. Haz clic en el icono del agente de IA para volver a la configuración de nodos del agente de IA.

6

Agrega el nodo de MongoDB Atlas Vector Store como una herramienta.

Configura el nodo vectorial de MongoDB Atlas para habilitar la recuperación de documentos.

  1. Haz clic en el conector + junto a la etiqueta Tool en el nodo AI Agent.

  2. En el panel de búsqueda, selecciona MongoDB Atlas Vector Store.

  3. Seleccione las credenciales de MongoDB que configuró y luego especifique los siguientes valores:

    Configuración
    Valor

    Operation Mode

    Retrieve Documents (As Tool for AI Agent)

    Description

    "Search through documents about movies to find relevant information"

    MongoDB Collection

    embedded_movies

    Embedding

    plot_embedding

    Metadata Field

    plot

    Vector Index Name

    vector_index

    Limit

    4

    Include Metadata

    Cambiar a Off

    IMPORTANTE:

    Si no activas esta configuración en Off, puede que el agente de IA no se ejecute, ya que los documentos podrían ser demasiado grandes para cargarse en la ventana de contexto.

    Rerank Results

    Cambiar a Off

7

Configure el modelo de embedding.

Configura el modelo de incrustación para el Vector Almacenar de MongoDB Atlas:

  1. Haz clic en el conector + junto a la etiqueta Embedding en el nodo MongoDB Atlas Vector Store.

  2. Desde el panel lateral, selecciona Embeddings OpenAI.

  3. Selecciona tus credenciales de OpenAI, y luego especifica el modelo text-embedding-ada-002.

  4. Haz clic en Back to canvas en la esquina superior izquierda de la pantalla. Haz clic en Save.

8

Prueba el flujo de trabajo.

Ahora que has configurado el nodo del agente de IA, puedes probar el flujo de trabajo completo. Después de enviar un mensaje, el flujo de trabajo se ejecuta en tiempo real en el canvas.

  1. Haz clic en el botón Open chat cerca de la parte inferior del lienzo.

  2. Prueba la funcionalidad de memoria ejecutando algunas indicaciones iniciales. Por ejemplo:

    Hi, my name is Mongo
    What is my name?

  3. Prueba la búsqueda vectorial y la funcionalidad RAG ejecutando el siguiente prompt.

    Recommend me a few movies about time travel
9

Guardar el flujo de trabajo.

  1. Haz clic en el botón Save en la parte superior derecha de la ventana del editor.

  2. Dale a tu flujo de trabajo un nombre descriptivo. Por ejemplo, asígnele el nombre de "Agente de IA con MongoDB".

Puede volver a este flujo de trabajo en cualquier momento.

Volver
n8n
Califique esta página

En esta página