MongoDB ベクトル検索 のユースケースと設計パターン

セマンティック検索

MongoDB ベクトル検索ベクトル埋め込みに変換したデータをインデックスして検索することで、テキスト、画像、マルチモーダル、およびその他のデータ型に対してセマンティック検索を実行できます。

開始するには、「Atlas クラスターのデータに対してセマンティック検索を実行する方法」 を参照してください。

検索拡張生成（RAG）

RG を使用すると、応答を生成する前に関連するコンテキストを取得することで、言語モデルと独自のデータを組み合わせることができます。 このパターンにより、カスタム データに基づいてより正確かつドメイン固有の応答を提供するAIアプリケーションを構築できます。

詳細と開始するには、 MongoDBを使用した検索拡張生成（RAG） を参照してください。

LM プロバイダーからの APIキーを必要とせずに、RAM をローカルに実装することもできます。詳細については、MongoDB ベクトル検索を使用してローカル RAG 実装を構築する を参照してください。

AIエージェント

MongoDB は、 AIエージェントを構築するためのいくつかの機能を提供します。ベクトルデータベースとドキュメントデータベースの両方として、 MongoDB はエージェント的 RG のさまざまな検索方法、また、短期間および長期のエージェントメモリのために同じデータベースにエージェントインタラクションを保存します。

詳細と開始方法については、 MongoDBを使用したAIエージェントの構築 を参照してください。

前提条件

これらのページのチュートリアルを完了するには、次のものが必要です。

• 次のいずれかのMongoDBクラスター タイプ

  • MongoDB バージョン 6.0.11 を実行しているAtlas クラスター。7.0.2 以降。IP アドレスが Atlas プロジェクトのアクセスリストに含まれていることを確認する。

  • Atlas CLI を使用して作成されたローカル Atlas 配置。詳しくは、ローカル Atlas 配置の作成を参照してください。

  • Search とベクトル検索がインストールされたMongoDB Community または Enterprise クラスター。

• Project Data Access Admin プロジェクトにアクセスしてMongoDB ベクトル検索インデックスを作成する

• サンプルデータはMongoDBクラスターにロードされます。

• クラスターでクエリを実行するのに必要な mongosh またはサポートされている MongoDB ドライバー。