MongoDB を n8 n と統合すると、コーディングなしのビジュアル インターフェースを使用してオートメーションとエージェントによるワークフローを構築できます。このページでは、統合の概要を説明し、ワークフローで使用できるさまざまなタイプのノードについて説明します。
n8n を使い始める
n n8 8をインストールするには、 n n のドキュメントを参照するか、 npmを使用して次のコマンドを実行してすぐに開始します。
npx n8n
n8 n とMongoDBを使用して基本的なAIエージェントを構築する方法については、「 MongoDBと n n を使用してAIエージェントを構築する8 」を参照してください。
重要
すべてのMongoDB8 n n ノードでは、n8 n でMongoDB認証情報を構成する必要があります。詳細については、 「 MongoDB の認証情報 」を参照してください。
MongoDB Node
MongoDBノードを使用すると、 MongoDBでの作業を自動化したり、 MongoDB をn8n ワークフローの他のノードと統合したりできます。
使用法
カスタム n8n ワークフローのいずれかでMongoDBノードを使用します。
操作
MongoDBノードは次の操作をサポートしています。
カテゴリ | 操作 | 説明 |
|---|---|---|
ドキュメント操作 | ドキュメントの集計 | MongoDB集計パイプライン を使用して集計操作を実行し、データを処理および変換します。 |
ドキュメントの検索 | 柔軟なフィルタリング オプションを使用して、 MongoDBコレクションからドキュメントをクエリして取得します。 | |
ドキュメントの挿入 | MongoDBコレクションに新しいドキュメントを追加します。 | |
Update Documents | コレクション内の既存のドキュメントを変更します。 | |
Delete Documents | コレクションからドキュメントを削除します。 | |
ドキュメントの検索と置換 | ドキュメントを検索して、新しいコンテンツに置き換えます。 | |
ドキュメントの検索と更新 | ドキュメントを検索し、特定のフィールドを更新します。 | |
検索インデックス操作 | 検索インデックスを作成します | コレクションに新しい検索インデックスとベクトル検索インデックスを作成します。 |
検索インデックスをリストする | 既存の検索インデックスに関する情報を取得します。 | |
検索インデックスを更新 | 既存の検索インデックス構成を変更します。 | |
検索インデックスを削除する | 不要になった検索インデックスは削除します。 |
Tip
詳細については、 n8 n MongoDBノードのドキュメント を参照してください
MongoDB Atlas Vector Store Node
MongoDB Atlas Vector Storeノードを使用すると、エージェント ワークフローでMongoDB ベクトル検索を使用できます。
注意
このノードの使用を開始する前に、 MongoDB ベクトル検索インデックスを設定してください。
使用法
次のワークフロー パターンでMongoDB Vector Storeノードを使用します。
エージェント RAG を実行するためのツールとしてAIエージェントに直接接続します。
AI Agent (tools connector) → MongoDB Vector Store
チュートリアルについては、 「 MongoDBと n n を使用してAIエージェントを構築する8 」を参照してください。
MongoDB Atlas Vector Store を通常のノードとして使用して、カスタム ワークフローにドキュメントを挿入または取得します。
Trigger → MongoDB Vector Store (Insert/Get) → Next Node
詳細については、「 ノード 」を参照してください。
質問応答チェーンの検索ノードとしてノードを使用します。
Question and Answer Chain → Vector Store Retriever → MongoDB Vector Store
AIエージェントの質問応答ツールとしてノードを使用します。
AI Agent → Vector Store Question Answer Tool → MongoDB Vector Store
操作モード
MongoDB Vector Storeノードは次の操作モードをサポートしています。ドキュメント取得モードは特定のワークフロー パターンでのみ使用できます。
操作モード | 説明 |
|---|---|
多数取得 | プロンプトに基づく類似性検索を使用して複数のドキュメントを取得します。類似性スコアを持つドキュメントを返します。 |
ドキュメントの挿入 | ベクトル埋め込みを持つ新しいドキュメントをコレクションに追加します 。 |
ドキュメントの検索（チェーン/ツールのベクトル ストアとして） | ノードを検索ツールまたはツールとして使用する場合にのみ使用できます。リテラルノードまたは ルートノードに接続する必要があります。 |
ドキュメントの取得 （ AIエージェントのツールとして） | ノードをAIエージェントのツールとして使用する場合にのみ使用できます。エージェントは、名前と説明がプロンプトに関連する場合、このベクトルストアを使用します。 |
パラメーター
カテゴリ | 設定 | 操作モード | 説明 |
|---|---|---|---|
一般的なパラメータ | MongoDB Collection | すべて | 使用するMongoDBコレクションの名前。 |
Vector Index Name | すべて | MongoDBコレクション内のベクトル検索インデックスの名前。 | |
Embedding Field | すべて | ベクトル埋め込みを含むドキュメント内のフィールド名。 | |
Metadata Field | すべて | テキストメタデータを含むドキュメント内のフィールド名。 | |
モード固有のパラメーター | Name | ドキュメントの取得 （ AIエージェントのツールとして） | AIエージェントのベクトルストア ツールの名前。 |
Description | ドキュメントの取得 （ AIエージェントのツールとして） | このツールの内容に関する LM の説明。 | |
Limit | ドキュメントの取得 （ AIエージェントのツールとして） | ベクトルストアから検索する結果の数。 | |
追加オプション | Metadata Filter | 多数のドキュメントを取得し、ドキュメントを取得する（ AIエージェントのツールとして）、ドキュメントを取得する（チェーン/ツールのベクトル ストアとして） | メタデータ条件に基づいて結果をフィルタリングします。 |
Rerank Results | 多数のドキュメントを取得し、ドキュメントを取得する（ AIエージェントのツールとして）、ドキュメントを取得する（チェーン/ツールのベクトル ストアとして） | 結果の再ランク付け を有効にします（ リランクノード の接続が必要）。 |
Tip
MongoDBチャット メモリ ノード
MongoDBチャットメモリノードを使用すると、 AIワークフローにチャット履歴を保存するためのメモリ ストアとしてMongoDBを使用できます。これにより、ワークフローの実行全体で永続的な交信のコンテキストが可能になります。
使用法
MongoDBチャットメモリノードは、 MemoryAIエージェントノードの セクションに追加して、サブノードとして使用する必要があります。チュートリアルについては、 「 MongoDBと n n を使用してAIエージェントを構築する8 」を参照してください。
注意
ワークフローに複数のMongoDBチャットメモリ ノードを追加すると、すべてのノードはデフォルトで同じメモリインスタンスにアクセスします。個別のメモリ インスタンスの場合は、各メモリノードで異なるセッション ID を使用します。
パラメーター
Parameter | 説明 |
|---|---|
セッションID | セッション キーの識別方法を決定するための方法。接続された trigger を使用してセッションキーを定義することも、キーを手動で定義することもできます。 |
セッション キー | チャット セッションの一意の識別子です。 |
コレクション名 | チャット履歴を保存するコレクションの名前。 MongoDB はコレクションが存在しない場合はそれを作成します。デフォルトは |
databaseName | チャット履歴を保存するデータベースの名前。指定しない場合、n8n は認証情報のデータベースを使用します。 |
コンテキスト ウィンドウの長さ | コンテキストで考慮する以前のインタラクションの数。 |
Tip
追加の n8n リソース
n8n の詳細については、次のリソースを使用してください。