データベース操作のためのエージェントキーエージェント

ソリューション概要

40フィールドフィールド運用は年間 00万以上のプランをサポートしており、バケットの処理、電源、配達、メンテナンスなどの多数のタスクに関与します。経験の少ないフィールドでは複雑さが増す。そのため、人間によるエラーの可能性が高まり、安全性が損なわれ、移動遅延のコストが発生します。インスタンス、15 Airbus A の321 3分の遅延は、$,030 （約 $3500 ）の航空会社のコストになる可能性があります。

このソリューションは、Dataworkz、Google Cloud、 MongoDB Atlasを使用して、フィールドグラウンド操作用のエージェントエージェントを強化します。この支援は、重要なチェックリストで演算子をガイドし、Dataworkz の RAGアプリケーションを介して埋め込みマニュアルからリアルタイムの結果を取得し、監査すると最適化のアクションをログに記録します。このシステムは Vertex AIを使用してテキストからテキスト、テキストを含まないインタラクションを可能にし、コンテキストを認識する検索には Atlas ベクトル検索を使用します。従業員は、音声支援をインテリジェントな知識ベースとして使用できるため、コンプライアンスが保証され、 操作効率が向上し、グラウンドチームの訓練時間が短縮されます。

参照アーキテクチャ

このソリューションのアーキテクチャは次のとおりです。

図の 1。インテリジェントファイルフィールド操作アーキテクチャ

図の 1 に示すように、このソリューションでは次のテクノロジーが使用されています。

• RG およびエージェントAI用の Dataworkz : Dataworkz は、エージェントAIフレームワークとAI最適化データレイヤーを提供するマネージド RG プラットフォームです。 MongoDB Atlasへのシームレスなデータ統合を容易にし、技術マニュアルと規則を Vyage AIモデルに取り込んで埋め込むことで、エンドツーエンドの RG ワークフローを管理します。 Dataworkz の RAG ビルダは、 MongoDBに保存されている安全性マニュアルの複雑な情報と任意の情報を統合しています。エンドツーエンドのワークフローが完了すると、Dataworkz は正確な情報検索のためにMongoDB Atlas Vector Searchを使用してクエリを実行します。

• コアデータベースとしてのMongoDB Atlas : MongoDB Atlas は、アプリケーションの中央データ ストアとして機能します。柔軟性とスケーラビリティにより、 AIワークロードで一般的な非構造化データを大量に保存できます。さらに、その集計フレームワークは、 AIアプリケーション開発のためのデータ処理を簡素化します。 Atlas は、セッション アクティビティ ログと、埋め込みマニュアルからの未加工およびベクトル化されたテキスト データも保存しており、Dataworkz はベクトル検索を使用してクエリを実行します。

• Google Cloud Platform で発音と NTP を使用する場合: Google Cloud の Vertex AI は、基本的な言語からテキストへの接続、テキストを含む単語への接続、NFS 機能を提供し、フィールドチームのエージェントによる自然な相互作用を可能にします。例、オペレーターが ドキュメントの質問 をした場合、「 ノード ジャーナリング とは何平均」などのエンジンの質問をした場合、 Vertex AI は、言語からテキストへの変換を実行し、 Dataworkz に情報を送信し、 ベクトル検索を使用してMongoDB をインテリジェントにクエリします。

• 音声支援機能: エージェントの位置情報はチェックリスト項目を演算子に動的に入力します。システムは即座に検証を提供し、次のステップを読み取り、不一致を検出した場合はマニュアルからの追加コンテキストを提供します。 Dataworkz はMongoDB Atlas Vector Searchを通じて埋め込みマニュアルに対するインテリジェントなクエリを実行し、コンテキスト固有の結果をリアルタイムで提供します。

データモデルアプローチ

MongoDB の柔軟なドキュメントモデルは、ターミナル環境内の複雑な監視システムやログ システムのデータなど、 AI開発で使用される非構造化データをサポートしています。 MongoDB Atlas は、チェックリストの現在の状態、個々のステップ、RAG によって生成されたログなどのエージェントメモリを保存します。これらのログは、トレーニングのためのクエリを追跡することや、 セキュリティコンプライアンスのための監査するファイルを追跡するのに役立ちます。

以下のコード スニペットは、logsコレクションがNCP クエリを記録する方法を示しています。

{
   "_id": {
      "$oid": "686ffc11d66babf8cd958229"
   },
   "sessionId": "efc07eac-ef36-4487-adc0-5c0f82eddfe7",
   "logs": [
      {
         "timestamp": "2025-07-10T17:44:48.838Z",
         "toolName": "consultManual",
         "type": "call",
         "details": {
            "name": "consultManual",
            "args": {
               "query": "What is a tow bar operation?"
            }
         }
      }
   ]
}

ソリューションはログを記録し、監査するおよび最適化のために各フィールド操作をJSONドキュメントとしてMongoDB Atlasに保存します。各ドキュメントには一意の sessionId があります。必要に応じてドキュメントをアップデートするために使用できます。

ソリューションのビルド

READMEGitHubリポジトリの に従って、このソリューションを複製できます。これにより、次の手順がガイドされます。

git clone https://github.com/mongodb-industry-solutions/aircraft-groundops-sync.git

npm install

npm run dev

npm run build

キーポイント

• 訓練時間と認識負荷の削減: このソリューションを使用すると、グラウンドチームは幅広いマニュアルをすべて暗示する必要はありません。発音区別ドは、コンテキストに対応した応答をリアルタイムで提供するインテリジェントな知識ベースとして機能し、操作手順やマシンマニュアルを追跡する際の認識負荷を軽減します。

• エラー防止とコンプライアンスの強化 :コンプライアンスチェックリストを使用すると、正しい手順にすぐにアクセスでき、手順を忘れるによる人間のエラーのリスクを最小限に抑え、セッション アクティビティ ログを通じて安全性とコンプライアンスを向上させます。

• データに基づく最適化: MongoDB Atlasに保存されているセッション アクティビティ ログを使用してデータを分析および監査する。これらのログにより、手動コンテンツの追加訓練や改善が必要な領域を識別するデータに基づくインサイトが提供され、継続的な最適化が可能になります。

• 柔軟でスケーラブルなAIベースのガイダンス: MongoDB の 柔軟なドキュメントモデル、リアルタイム処理機能、高度なベクトル検索を統合して、エージェントによる発音支援システムを構築できます。このアーキテクチャは、構造化データと非構造化データをシームレスに統合することで、 AIアプリケーションが複雑な運用環境を処理できるようにします。

作成者

• ロミナ・カランサ、MongoDB

• Humza Akthar, MongoDB

詳細

• エージェント AI を活用したコネクテッドフリートインシデントアドバイザー

• リアルタイム分析を活用した航空運航の高度化

• MongoDB と Google Cloud によるドライバー体験の変革

• MongoDB が製造と自動車アプリケーションをサポートする方法については、 MongoDB を使用して製造とモバイルをご覧ください。