Docs Menu
Docs Home
/
Atlas Architecture Center
Docs Home
/
Atlas Architecture Center
Docs Home
/
Atlas Architecture Center

AI を活用したネットワーク管理用チャットボット

AIベースのソリューションでネットワーク マネジメントを効率化し、価値のあるインサイトを得る間に人間数を削減します。

ユースケース: Gen AI

業種: 電気通信

製品: MongoDB Atlas、 MongoDB集計パイプライン 、 MongoDB Atlas Vector Search、 MongoDB Atlas Stream Processing

ソリューション概要

通信サービスプロバイダー（CSP）は、接続されたデバイスの数十のデバイスによって生成された大量のデータを管理し、シームレスで中断されない操作を確保します。これを実現するために、レイテンシなどの重要なパフォーマンス メトリクスをモニターし、ネットワーク競合が発生しても信頼性を維持し、サーバー攻撃から保護するために厳格なセキュリティ対策を強化する、データ集中型のネットワーク管理システムに依存しています。

このソリューションは、 MongoDB を大規模言語モデル（llm）と統合し、検索拡張生成（RAG）戦略を採用してチャットボットを実装します。チャットボットは、 MongoDBに保存されているネットワーク ログ、メンテナンス レコード、カスタマーデータ、センサーデータを処理し、異常検出、ルート原因分析、軽減推奨事項などのための実行可能なインサイトを提供します。

チャットボットにより、ネットワークオペレーターが人間の介入を最小限に抑えながら複雑なワークフローを管理できるようになり、新しいサービスのロールアウトが迅速化します。

参照アーキテクチャ

このソリューションには、次に挙げる3つの主要なコンポーネントがあります。

ネットワーク チャットボットのアーキテクチャ図

図の 1。MongoDBによるネットワーク チャットボット アーキテクチャ

  • ソース データの取り込み: このコンポーネントは、ログエントリとテレメトリ イベントをリアルタイムで取り込んで、 IPアドレス、地理的データ、リクエストパス、タイムスタンプ、ルーター ログ、センサーデータなどの詳細をキャプチャします。 MongoDBのストリーム処理機能により、 MongoDB Atlasへの受信データを自動的にキャプチャして処理し、ネットワーク アクティビティの包括的なビューを作成できます。

  • 質問ベースのデータ選択: その後、ネットワーク マネージャーは「トロントのクライアントでビデオストリーミングの問題が発生する可能性がありますか」などの質問をします。クエリは初期処理を受け、LVM がカスタム集計パイプラインを生成し、分析に適したデータを選択します。同時に、ベクトル埋め込みデータはセマンティック検索によって効率的に検索され、密接に関連する情報を抽出できるようになります。

  • 推論と自然言語出力: 後続の LVM は、 MongoDBから検索された関連データを、ユーザーの自然言語説明に変換します。 LM はデータを分析してパターンと異常性を検出することで、ルート原因候補を正確に識別できるようにし、情報された決定をサポートします。例、過負荷の ローカル CDNノードと古い ルーターからのリクエスト数が多い場合に、問題が発生していることが検出される場合があります。

データモデルアプローチ

このソリューションは、サーバー ネットワークのログを時系列データとして整理し、以下の MongoDB スキーマを使用します。

{
   "_id": ObjectId("..."),
   "source_id": 12345,
   "source_type": "webserver",
   "timestamp": ISODate("2025-02-19T15:12:57.000Z"),
   "category": "accesslog",
   "event": "GET",
   "value": {
      "type": "url",
      "data": "https://mytv.telco.com/login"
   }
}

ソリューションのビルド

この AI を活用したネットワーク管理ソリューションは、MongoDB Atlas を使用した RAG フレームワークを採用し、複雑な通信環境におけるデータ駆動型診断を強化します。

1

アプリケーションをローカルにクローン

次の GitHub リポジトリをダウンロードしてクローンします。

2

環境を構成する

以下の環境変数を設定します。

  • LLM APIキー

  • MongoDB 接続 URI

  • データベースおよびコレクションの名前

3

アプリケーションを配置する

アプリケーションを起動するには 、次のタスクを実行します。

  • 適切なバージョンのPythonをインストールする

  • 仮想環境の作成とアクティブ化

  • 依存関係のインストール

  • アプリケーションを実行する

ネットワーク チャットボットの可視化

図 2. ネットワーク チャットボットのフロントエンド

キーポイント

  • MongoDBと 生成AI はネットワーク マネジメントを変換します: LRM を集計パイプライン やベクトル検索 などの MongoDB の機能と統合し、人間の介入を減らし、プロセスを最適化し、クリティカルな操作を自動化することで、ネットワーク管理を効率化します。

  • データ管理は重要です: ネットワーク管理システムは、ネットワークログやユーザーリクエストから膨大なデータを生成し、データの相互運用性、プライバシー、効率的な処理において大きな課題を生み出します。効果的なソリューションには、高頻度で複雑なデータストリームを保存および処理できる、柔軟でスケーラブルなデータベースが必要です。

  • MongoDB は、 AIベースのソリューションを実現するためのツールを提供します。堅牢なデータベースインフラストラクチャと柔軟なドキュメントモデル、高度なベクトル検索機能を組み合わせると、CSP はAIアプリケーションを開発できます。ベクトル検索により、セマンティクスに関連するコンテンツの取得が効率化され、チャットボット テクノロジーの背後にある LVM のパフォーマンスが向上します。

作成者

  • Benjamin Lorenz, MongoDB

  • Diego Canales, MongoDB

詳細

戻る

動的価格設定

項目一覧