Comience a integrar el SDK de MongoDB Vercel AI.

Instalar las dependencias.

Ejecuta los siguientes comandos en tu terminal para crear un nuevo directorio llamado vercel-ai-mongodb-project e instalar las dependencias necesarias:

mkdir vercel-ai-mongodb-projectcd vercel-ai-mongodb-projectnpm init -ynpm install @mongodb-developer/vercel-ai-memory ai mongodb zod @ai-sdk/openai voyage-ai-provider dotenvnpm install --save-dev tsx @types/node

Establecer las variables de entorno.

En tu directorio vercel-ai-mongodb-project, crea un archivo .env y añade el siguiente código:

OPENAI_API_KEY="<openai-api-key>"VOYAGE_API_KEY="<voyage-api-key>"MONGODB_URI="<connection-string>"

Se debe sustituir <connection-string> por la cadena de conexión del clúster Atlas o de la implementación local de Atlas.

mongodb+srv://<db_username>:<db_password>@<clusterName>.<hostname>.mongodb.net

mongodb://localhost:<port-number>/?directConnection=true

Cree un archivo de proyecto.

En tu directorio vercel-ai-mongodb-project, crea un archivo llamado main.ts. Agrega el siguiente código a este archivo para cargar tus variables de entorno e importar los módulos necesarios:

import 'dotenv/config'import { createMongoDBMemory } from '@mongodb-developer/vercel-ai-memory'import { createVoyage } from 'voyage-ai-provider'import { openai } from '@ai-sdk/openai'import { ToolLoopAgent } from 'ai'

En los siguientes pasos, deberá agregar código a este archivo para crear el proveedor de memoria y compilar su agente.

Cree el proveedor de memoria.

Agregue el siguiente código a su archivo main.ts para crear un cliente de Voyage AI y un proveedor de memoria que utilice un modelo de incrustación de Voyage AI:

const voyage = createVoyage({  apiKey: process.env.VOYAGE_API_KEY,  baseURL: 'https://ai.mongodb.com/v1',})
const mongodbMemory = createMongoDBMemory({  uri: process.env.MONGODB_URI!,  embedder: voyage.embeddingModel('voyage-4'),})

El proveedor se conecta a MongoDB la primera vez que se usa y crea la base de datos agent_memory. Luego, agrega una colección por cada nivel de memoria a la base de datos. El proveedor también crea los índices de búsqueda vectorial de MongoDB que requiere la recuperación semántica. Para obtener más información sobre las colecciones e índices que crea el proveedor, consulte la sección Colecciones e índices en la referencia del SDK de IA de Vercel.

Crear el agente.

Agregue el siguiente código a su archivo main.ts para crear un agente cuyas herramientas de memoria estén limitadas a un usuario y una sesión:

const agent = new ToolLoopAgent({  model: openai('gpt-4.1'),  tools: mongodbMemory({ userId: 'alice', sessionId: 'sess-001' }),  instructions: `You are an assistant with persistent memory.    At the start of every conversation, call session_recent to    restore context and semantic_search to recall facts about    the user. Save each conversation turn with session_append.    Save important facts about the user with semantic_save.`,})

Las instrucciones le indican al modelo qué comandos de memoria debe ejecutar. Los valores userId y sessionId delimitan el alcance de las memorias que el agente almacena y recupera.

Añade el código que ejecuta el agente.

Agregue el siguiente código a su archivo main.ts para pasar una solicitud al agente desde la línea de comandos, imprimir la respuesta y cerrar la conexión de MongoDB:

async function main() {  const prompt = process.argv[2]
  if (!prompt) {    console.error('Usage: npx tsx main.ts "<your message>"')    process.exit(1)  }
  const result = await agent.generate({ prompt })  console.log('[agent]:', result.text)
  await mongodbMemory.close()}
main().catch((error) => {  console.error(error)  process.exit(1)})

Ejecuta el agente y proporciona tu información personal.

Desde tu directorio vercel-ai-mongodb-project, ejecuta el siguiente comando:

npx tsx main.ts "I'm a marine biologist who studies emperor penguins in Antarctica. Remember that."

Si el comando se ejecuta correctamente, el resultado se parecerá al siguiente:

[agent]: I've noted that you are a marine biologist studying emperorpenguins in Antarctica.

Indíquele al agente que recuerde la información.

Ejecute el agente nuevamente y pase el siguiente mensaje que le pide al agente que recuerde información anterior:

npx tsx main.ts "What do I study, and where?"

La salida es similar a la siguiente:

[agent]: You are a marine biologist who studies emperor penguins inAntarctica.

El agente utiliza la memoria para responder a la solicitud. Ambas ejecuciones pasan los mismos valores userId y sessionId, por lo que el modelo llama a los comandos session_recent y semantic_search al inicio de la segunda ejecución. Estos comandos restauran la conversación y los recuerdos que la primera ejecución almacenó en MongoDB.