Cómo generar automáticamente incrustaciones vectoriales para datos de texto en su colección y consultas

Voyage IA API Claves

Si bien puede usar una única clave de API para generar embeddings tanto en el momento de indexación como en el momento de query, le recomendamos que use claves de API separadas para evitar que las operaciones de query afecten negativamente las operaciones de indexación.

Puedes generar claves API de las siguientes formas:

• (Recomendado) Utilizar tu cuenta de Atlas, lo que te permite gestionar tu clave API del modelo de embeddings Voyage IA desde la Interfaz de Usuario de Atlas.

  Para obtener más información sobre cómo generar y administrar claves API, incluida la configuración de los límites de velocidad (que es una combinación de TPM y RPM) y el monitoreo del uso de claves API, consulte Claves API de modelo.

• Voyage AI.

  Para obtener más información sobre la gestión de las claves API creadas en Voyage IA, consulta Clave API.

Después de crear las claves, debes especificar las claves que deseas utilizar para la incrustación automatizada al configurar mongot durante la implementación con MongoDB Community Edition. MongoDB Vector Search utiliza la clave de la API de Voyage IA que proporcionaste durante la implementación de mongot para generar automáticamente incrustaciones para tus datos en el índice y para tu texto de query en tiempo de query.

Modelos de integración compatibles

MongoDB Vector Search se integra con los modelos de integración de última generación de Voyage AI, cada uno optimizado para un caso de uso específico:

costo

El precio del modelo de incrustación se basa en el uso, y los cargos se facturan a la cuenta vinculada a la clave API utilizada para el acceso. El precio se basa en la cantidad de tokens en el campo de texto y las consultas.

Si usa la clave API que creó con su cuenta de Atlas, puede supervisar su uso desde la interfaz de usuario de Atlas. Para obtener más información, consulte Facturación.

Si generaste la clave API directamente desde Voyage IA, consulta Precios para aprender más sobre el cobro por solicitudes al endpoint del servicio de embedding.

Limitaciones

Mientras esté en vista previa, la funcionalidad de Integración Automática aún no está disponible para los siguientes tipos de implementación:

• Cúmulos del Atlas

• implementaciones locales de Atlas utilizando Atlas CLI

• Edición de MongoDB Enterprise

La funcionalidad solo está disponible para MongoDB Search y MongoDB Vector Search implementaciones usando Docker, tarball o un gestor de paquetes y para implementaciones que utilizan los controladores de MongoDB para el operador de Kubernetes con MongoDB Community Edition 8.2 o posterior.

Comprobar el estado del índice

Para comprobar el estado de su índice de MongoDB Vector Search, ejecute el siguiente comando después de reemplazar los siguientes marcadores de posición:

mongosh <connection-string>/<database-name> --eval '
  db.<collection-name>.getSearchIndexes().forEach(printjson);
'

El comando anterior se conecta a su clúster y, para la colección especificada en la base de datos especificada, itera a través de cada índice de la colección y devuelve la definición del índice en formato JSON.

mongosh "mongodb://localhost:27017/sample_mflix" --eval '
  db.movies.getSearchIndexes().forEach(printjson);
'

{
   id: '698d005f8bf34e5e6624d086',
   name: 'vector_index',
   type: 'vectorSearch',
   status: 'READY',
   numDocs: 21349,
   latestDefinition: {
      type: 'vectorSearch',
      indexID: ObjectId('698d005f8bf34e5e6624d086'),
      name: 'vector_index',
      database: 'sample_mflix',
      lastObservedCollectionName: 'movies',
      collectionUUID: UUID('3920f806-ec08-46ae-a73e-8e1e191e85f5'),
      numPartitions: 1,
      fields: [
         {
         type: 'autoEmbed',
         path: 'fullplot',
         model: 'voyage-4',
         modality: 'text'
         }
      ],
      definitionVersion: 0,
      definitionVersionCreatedAt: '2026-02-11T22:19:11Z',
      indexFeatureVersion: 4
   }
}

Verificar que se generaron las incrustaciones

Para verificar que MongoDB Vector Search haya generado incrustaciones para sus datos de texto indexados, ejecute el siguiente comando después de reemplazar el marcador de posición <connection-string> con su cadena de conexión del clúster:

mongosh <connection-string> --eval '
   print("Embeddings: " +
      db.getSiblingDB("__mdb_internal_search")
         .getCollectionNames()
         .filter(c => c.match(/^[0-9a-f]{24}$/))
         .map(c => db.getSiblingDB("__mdb_internal_search").getCollection(c).countDocuments())
         .reduce((a,b) => a+b, 0)
   );
'

El comando anterior se conecta a su clúster y devuelve el número total de incrustaciones vectoriales almacenadas en todas las colecciones de su implementación.

mongosh "mongodb://localhost:27017/" --eval '
   print("Embeddings: " +
      db.getSiblingDB("__mdb_internal_search")
         .getCollectionNames()
         .filter(c => c.match(/^[0-9a-f]{24}$/))
         .map(c => db.getSiblingDB("__mdb_internal_search").getCollection(c).countDocuments())
         .reduce((a,b) => a+b, 0)
   );
'

Embeddings: 21349