EventYou’re invited to MongoDB.local London on October 2. Get your early bird discount now! Learn more >>

ATLAS

Vector Search. GenAI로 스마트 앱 구축

모든 유형의 데이터에 대해 의미 체계 검색 및 생성 AI를 기반으로 하는 지능형 애플리케이션을 구축하세요.
튜토리얼 살펴보기
Atlas 벡터 검색 그림입니다.
Atlas Vector Search란 무엇입니까?
널리 사용되는 프레임워크를 통해 대형 언어 모델(LLM)을 활용할 수 있는 MongoDB 네이티브 인터페이스를 통해 운영 데이터베이스와 벡터 검색을 하나의 완전 관리형 플랫폼에 통합하세요.3분 영상 보기

주요 통합 솔루션

LangChain
LlamaIndex
OpenAI
Hugging Face
Cohere

모두보기
Atlas Vector Search의 주요 사용 사례

Atlas Vector Search의 주요 사용 사례

Atlas Vector Search를 사용하면 비정형 데이터를 검색할 수 있습니다. OpenAI 및 Hugging Face와 같은 머신 러닝 모델을 사용하여 벡터 임베딩을 생성하고 RAG(검색 증강 생성), 시맨틱 검색, 추천 엔진, 동적 개인화 및 기타 사용 사례를 위해 Atlas에 저장하고 인덱싱할 수 있습니다.검색 증강 생성(RAG)이란?
단순화된 벡터 검색

단순화된 벡터 검색

Atlas Vector Search를 사용하면 개발자는 AI 기반 경험을 구축하는 동시에 MongoDB Query API 형태의 통합되고 일관된 개발자 경험을 통해 필요한 모든 데이터에 액세스할 수 있습니다. 새로운 $VectorSearch 집계 단계를 사용하면 이미 MongoDB를 사용하는 사람들이 더욱 쉽게 작업을 수행할 수 있습니다.Vector Search 3분 설명
동기화 세금을 피하세요

동기화 세금을 피하세요

강력한 문서 모델을 사용하여 소스 데이터 및 메타데이터 바로 옆에 벡터 임베딩을 저장하세요. 벡터 임베딩은 애플리케이션 데이터와 통합되어 의미론적 쿼리에 원활하게 적용되므로 더 쉽고 빠르게 구축할 수 있습니다.문서 데이터베이스란?
수고로운 운영 작업 제거

수고로운 운영 작업 제거

Atlas Vector Search는 MongoDB Atlas 개발자 데이터 플랫폼을 기반으로 구축되었습니다. 프로비저닝, 패치 적용, 업그레이드, 확장, 보안 및 재해 복구를 쉽게 자동화하는 동시에 데이터베이스와 벡터 검색 모두의 성능에 대한 심층적인 가시성을 제공하므로 애플리케이션 구축에 집중할 수 있습니다.지능형 애플리케이션 구축 방법 알아보기

AI 통합의 견고한 에코시스템

Atlas Vector Search는 다양한 최고의 LLM 및 프레임워크와 통합하여 고급 검색 및 생성 AI 애플리케이션 구축을 위한 여정을 가속화합니다.
LangChain logo image.

LangChain

MongoDB Atlas Vector Search는 LangChain과 통합되어 LLM에 '장기 메모리'를 제공하고 채팅 대화를 위한 저장소로 사용됩니다.

LlamaIndex 로고 이미지

LlamaIndex

MongoDB Atlas Vector Search는 LlamaIndex와 통합되어 LLM(대형 언어 모델)에 '장기 메모리'를 제공할 뿐만 아니라 대량의 문서를 위한 저장소를 제공합니다.

OpenAI 로고 이미지

OpenAI

OpenAI에서 생성된 벡터 임베딩을 MongoDB Atlas Vector Search에 저장하여 고성능의 생성형 AI 애플리케이션을 구축할 수 있습니다.

Hugging Face 로고 이미지

Hugging Face

Hugging Face는 벡터 임베딩을 생성하여 Atlas Vector Search에 저장하는 데 쉽게 사용할 수 있는 다양한 오픈 소스 모델을 이용할 수 있도록 합니다.

Cohere 로고 이미지

Cohere

Cohere에서 생성한 벡터 임베딩을 MongoDB Atlas Vector Search에 저장하여 고성능 생성형 AI 애플리케이션을 구축할 수 있습니다.

Nomic 로고 이미지

Nomic

Nomic은 웹 브라우저에서 벡터 임베딩 데이터를 쉽게 시각화하고 탐색할 수 있을 뿐만 아니라 gpt4all을 통해 벡터 임베딩을 생성할 수 있는 기능을 제공합니다. 또한 Atlas Vector Search와도 쉽게 작동합니다.

Microsoft Semantic Kernel 로고 이미지

Microsoft Semantic Kernel

Semantic Kernel은 C# 및 Python과 같은 프로그래밍 언어를 사용하여 LLM 애플리케이션 구축을 간소화하는 SDK입니다. Atlas Vector Search와 통합되어 LLM 애플리케이션을 위한 '메모리'를 제공합니다.

"우리는 고객사의 지식 기반 사용자가 MongoDB Atlas Vector Search 및 생성형 AI 기능으로 구동되는 대화형 검색을 통해 질문에 대해 즉각적이고 신뢰할 수 있으며 정확한 답변을 얻을 수 있도록 하고자 합니다."
사라바나 쿠마르(Saravana Kumar)
CEO, Kovai
전문 읽기
"처음에는 다른 벡터 검색 공급업체를 검토하고 있었습니다. 하지만 MongoDB의 Vector Search를 보고 난 후 결정이 쉬워졌습니다. 모든 것을 Atlas로 옮길 것이었기 때문에 모든 것을 Atlas에 통합해야겠다고 생각했습니다."
마스 랜(Mars Lan)
Co-founder & CTO, 공동 창업자 겸 CTO
전문 읽기
"Atlas Vector Search를 통해 이제 엄격한 테스트와 10년 이상의 개선을 거친 벡터 메타데이터 데이터베이스를 보유하게 되었고, 덕분에 밀도 높은 검색 요구 사항을 효과적으로 해결하고 있습니다. 벡터와 아티팩트 메타데이터를 한 공간에 간편하게 저장할 수 있어 새로운 데이터베이스를 배포할 필요가 없습니다."
러셀 셔먼(Russell Sherman)
VISO TRUST, 공동 창업자 겸 CTO
전문 읽기
"우리는 AI 임베딩과 벡터 검색을 사용해 의미론적 뜻을 기반으로 데이터를 검색하는 전체 텍스트 검색을 넘어 생성형 AI 자동차 구매 어시스턴트에 문맥과 메모리를 제공합니다. MongoDB가 Atlas에 벡터 검색을 도입한 덕분에 엔지니어링 작업이 훨씬 단순화되었습니다."
네이선 클리벤저(Nathan Clevenger)
Drivly Inc., 창업자 겸 CTO

AI 기반 애플리케이션 구축을 위한 리소스

MongoDB를 활용하여 차세대 AI 기반 애플리케이션 개발을 간소화하는 방법을 알아보세요.
자료 보기

FAQ

의미 검색이란 무엇입니까?
시맨틱 검색은 데이터 자체가 아닌 데이터의 의미를 검색하는 개념입니다.
벡터란 무엇입니까?
벡터는 고급 알고리즘을 사용하여 효율적으로 검색할 수 있는 데이터 및 관련 컨텍스트를 숫자로 표현한 것입니다.
Atlas Vector Search는 Atlas Search와 어떻게 다릅니까?
Atlas Vector Search는 벡터에 포착된 의미론적 뜻을 기반으로 데이터를 검색하는 반면, Atlas Search는 실제 텍스트와 정의된 동의어 매핑을 기반으로 키워드 검색이 가능합니다.
KNN이란 무엇입니까?
KNN은 'K Nearest Neighbors'의 약자이며, 서로 가까운 벡터를 찾는 데 자주 사용되는 알고리즘입니다.
자세히 알아보세요.
$VectorSearch는 무엇이며 $search의 knnBeta 연산자와 어떻게 다릅니까?
$VectorSearch는 MongoDB 쿼리 언어 필터링(예: "$eq" 또는 "$gte")을 사용하여 Approximate Nearest Neighbor 쿼리를 실행할 수 있는 MongoDB Atlas의 새로운 집계 단계입니다. 이 단계는 Atlas cluster 버전 6.0 이상에서 지원됩니다. $search의 knnBeta 연산자도 계속 지원됩니다.
자세히 알아보세요.
ANN이란 무엇입니까?
ANN은 'Approximate Nearest Neighbors'의 약자이며, 성능을 위해 정확성을 교환하는 유사한 벡터를 찾는 접근 방식입니다. 이는 Atlas Vector Search를 지원하는 데 사용되는 핵심 알고리즘 중 하나입니다. Approximate Nearest Neighbor 검색을 위한 알고리즘은 Hierarchical Navigable Small World(HNSW)를 사용합니다. 그래프.
Atlas Search에서 지원되는 벡터 임베딩
Atlas Vector Search는 서비스의 4096차원 제한을 초과하지 않는 한 모든 공급자의 임베딩을 지원합니다.
Vector Search는 이미지, 미디어 파일 및 기타 유형의 데이터에서 작동하나요?
예, Atlas Vector Search는 임베딩으로 변환할 수 있는 모든 종류의 데이터를 쿼리할 수 있습니다. 문서 모델의 이점 중 하나는 문서의 풍부한 데이터와 함께 임베딩을 저장할 수 있다는 것입니다.

Atlas 활용 극대화

개발자 데이터 플랫폼을 구성하는 나머지 도구를 사용해 데이터 중심 경험과 인사이트를 강화합니다.
atlas_database

데이터베이스

탄력성과 확장성, 그리고 가장 강력한 데이터 개인정보보호와 보안을 고려해 개발된 멀티 클라우드 데이터베이스 서비스를 시작해보세요.

atlas_charts

차트

데이터의 가치를 빠르게 창출합니다. 시각화를 생성, 공유 및 삽입하여 실시간 인사이트와 비즈니스 인텔리전스를 도출합니다.

atlas_data_federation

데이터 페더레이션

유료 티어에서만 제공됨

Atlas와 AWS S3에 저장된 다량의 데이터를 손쉽게 분석합니다. 복잡한 통합 과정 없이 여러 소스의 데이터를 결합하고, 변환하고, 보강합니다.

지금 등록하기
문서가 있는 돋보기.

시작할 준비가 되셨습니까?

튜토리얼로 이동하세요. MongoDB 데이터의 임베딩을 빠르게 생성하고 벡터 검색 기능으로 검색하는 방법을 알아보세요.시작하기