MongoDB 와 Langflow 통합

시작하기

MongoDB 사용하도록 Langflow를 구성하는 튜토리얼을 완료하려면 Langflow 통합 시작하기를 참조하세요.

설치

lfx-bundles 패키지 MongoDB Atlas 구성 요소를 포함한 선택적 타사 통합을 제공합니다. MongoDB 종속성을 설치하려면 다음 명령을 실행 .

uv pip install "lfx-bundles[mongodb]"

또는 Langflow와 함께 번들로 제공되는 모든 제공자 설치하려면 다음 명령을 실행 .

uv pip install "langflow[bundles]"

사용법

To use MongoDB as a vector store in a flow, add the MongoDB Atlas component to your canvas from the MongoDB category, then configure its connection and index parameters in the component inspection panel.

다음 탭에서는 흐름에서 구성 요소를 사용하는 다양한 방법을 설명합니다.

File or URL loader → Split Text → MongoDB Atlas

Chat Input → MongoDB Atlas → Chat Output

MongoDB Atlas → Agent (Tools)

MongoDB Atlas 구성 요소를 사용하여 컬렉션 쿼리 경우, 구성 요소는 흐름의 다른 구성 요소에 전달할 수 있는 결과를 JSON 객체 목록 또는 표 형식의 결과로 반환합니다. 두 형식을 모두 사용할 수 있는 경우 비주얼 편집기에서 구성 요소의 출력 포트 근처에서 형식을 설정하다 수 있습니다.

검색 처음 실행 하면 구성 요소는 Index Name 매개변수에 명명된 MongoDB Vector Search 인덱스 존재하는지 확인합니다. 그렇지 않으면 구성 요소는 Index Field, Number of Dimensions, Similarity 및 Quantization 매개변수에서 인덱스 생성한 다음 20초 동안 기다린 후 계속합니다. 이 대기 시간은 인덱스 작성이 완료되었는지 확인하지 않기 때문에 인덱스 생성 직후에 실행되는 쿼리 여전히 빈 결과를 반환할 수 있습니다.

검색 인덱스

MongoDB Atlas 구성 요소는 일치하는 인덱스 아직 존재하지 않는 경우 처음 검색 실행 때 컬렉션 에 MongoDB Vector Search 인덱스 생성합니다. 이 인덱스 수동으로 생성하거나 검사할 수도 있습니다. 자세한 학습 은 MongoDB 벡터 검색 인덱스 생성을 참조하세요.

인덱스 다음 정의를 사용하며, 여기서 path 필드 Index Field 값을 지정하고, numDimensions 필드 Number of Dimensions 값을 지정하며, similarity 필드 Similarity 값을 지정합니다.

{
  "fields": [
    {
      "numDimensions": 1536,
      "path": "embedding",
      "quantization": "scalar",
      "similarity": "cosine",
      "type": "vector"
    }
 ]
}

Filter Field 값을 설정하다 하면 구성 요소가 해당 경로에 대한 filter 유형 필드 인덱스 정의에 추가합니다.

추가 리소스

MongoDB 에서 Langflow를 사용하는 방법에 대해 자세히 학습 다음 리소스를 참조하세요.

• Langflow MongoDB 구성 요소 문서

• Langflow GitHub 리포지토리