Integre o MongoDB com o Langflow

Você pode integrar o MongoDB ao Langflow, uma estrutura visual de código aberto para criar pipelines e agentes de IA. O Langflow fornece um componente MongoDB Atlas que usa a Vector Search do MongoDB como armazenamento de vetores, para que você possa adicionar a recuperação apoiada MongoDB aos seus fluxos sem escrever código.

O componente MongoDB Atlas permite executar as seguintes ações:

Igest Data: Escreva documentos e suas incorporações em sua coleção.
Pesquisade similaridade: execute uma pesquisa de similaridade e retorne documentos correspondentes.
Configurar ferramentas do agente: forneça aos agentes acesso aos dados do MongoDB .

Começar

Para concluir um tutorial que configura o Langflow para usar o MongoDB, consulte Introdução à integração com o MongoDB.

Instalação

O pacote lfx-bundles fornece integrações de terceiros opcionais, incluindo o componente MongoDB Atlas. Para instalar as dependências do MongoDB , execute o seguinte comando:

uv pip install "lfx-bundles[mongodb]"

Como alternativa, para instalar todos os fornecedores agrupados junto com o Langflow, execute o seguinte comando:

uv pip install "langflow[bundles]"

Importante

Imagens Docker

Para usar o componente MongoDB Atlas com o Docker, use a imagem langflowai/langflow-all em vez da imagem langflowai/langflow padrão. A imagem langflow-all inclui langflow[bundles], que fornece o componente MongoDB Atlas. Para saber mais, consulte Escolher uma imagem do Docker do Langflow.

Uso

Para usar o MongoDB como um armazenamento de vetor em um fluxo, adicione o componente MongoDB Atlas à sua tela a partir da categoria MongoDB e, em seguida, configure sua conexão e parâmetros de índice no painel de inspeção de componentes.

As seguintes guias descrevem maneiras diferentes de usar o componente em seus fluxos:

Para gravar documentos e suas incorporações em sua collection, conecte um carregador de dados e um componente Split Text à entrada Ingest Data:

File or URL loader → Split Text → MongoDB Atlas

Para executar uma pesquisa de similaridade e retornar documentos correspondentes, conecte um Chat Input ou outro componente de produção de texto à entrada Search Query:

Chat Input → MongoDB Atlas → Chat Output

Para conceder aos agentes acesso à sua coleção, ative Tool Mode no menu de cabeçalho do componente MongoDB Atlas. Em seguida, conecte sua saída a uma entrada Tools de um componente Agent:

MongoDB Atlas → Agent (Tools)

Se você usar o componente MongoDB Atlas para consultar sua collection, o componente retornará resultados que você poderá passar para outros componentes em seu fluxo como uma lista de objetos JSON ou como um resultado tabular. Se ambos os formatos estiverem disponíveis, você poderá definir o formato próximo à porta de saída do componente no editor visual.

Na primeira vez que você executa uma pesquisa, o componente verifica se o índice MongoDB Vector Search nomeado no parâmetro Index Name existe. Caso contrário, o componente cria o índice a partir dos parâmetros Index Field, Number of Dimensions, Similarity e Quantization e, em seguida, aguarda 20 segundos antes de continuar. Como essa espera não confirma a conclusão da criação do índice, uma query executada imediatamente após a criação do índice ainda pode retornar resultados vazios.

Dica

Para verificar se o índice terminou de ser criado, visualize seu Status na interface do usuário do Atlas .

Parâmetros

Alguns parâmetros são ocultos por padrão no editor visual. Você pode visualizar e modificar todos os parâmetros por meio do painel de inspeção de componente que aparece quando você seleciona o componente.

Parâmetro	necessidade	Descrição
MongoDB Atlas Cluster URI	Obrigatório	A string de conexão do seu cluster MongoDB Atlas . Para saber mais sobre como localizar sua string de conexão, consulte Conectar-se a um cluster por meio de bibliotecas de clientes.
Enable mTLS	Opcional	Se a autenticação TLS mútua deve ser ativada. O padrão é `false`.
MongoDB Atlas Combined Client Certificate	Condicional	O certificado do cliente combinado com a chave privada. Obrigatório se você habilitar o mTLS.
Database Name	Obrigatório	O nome do banco de dados que contém sua coleção.
Collection Name	Obrigatório	O nome da collection que armazena seus dados.
Index Name	Obrigatório	O nome do índice MongoDB Vector Search em sua coleção.
Ingest Data	Opcional	Os documentos a serem gravados na coleção. Aceita uma ou mais entradas `Data`, `DataFrame` ou `Table` de um componente upstream.
Insert Mode	Opcional	Como o componente insere novos documentos na collection. Quando definido para `append`, o componente mantém os documentos existentes e adiciona os novos documentos. Quando definido como `overwrite`, o componente remove todos os documentos existentes da collection antes de inserir os novos documentos. O padrão é `append`.
Embedding	Obrigatório	O modelo de incorporação que o componente usa para incorporar seus documentos e queries. Conecte um componente de modelo de incorporação a esta entrada.
Search Query	Opcional	A consulta de texto com a qual executar uma pesquisa de similaridade.
Number of Results	Opcional	O número de resultados para retornar de uma pesquisa de similaridade. O padrão é `4`.
Index Field	Opcional	O campo coberto pelo índice do MongoDB Vector Search . O padrão é `embedding`.
Filter Field	Opcional	O campo para filtrar o índice.
Number of Dimensions	Opcional	O número de dimensões nos vetores de incorporação. Deve corresponder ao número de dimensões que seu incorporador configurado produz. O padrão é `1536`, mas certifique-se de definir esse valor para corresponder às dimensões do modelo de incorporação.
Similarity	Opcional	O método usado para medir a similaridade entre vetores. As opções são `cosine`, `euclidean` ou `dotProduct`. O padrão é `cosine`.
Quantization	Condicional	O método de quantização que reduz os custos de memória convertendo 32 bits flutuantes em tipos de dados menores. As opções são `scalar` ou `binary` e não há nenhuma opção `none`. Necessário se o índice MongoDB Vector Search ainda não existir. Para obter mais informações, consulte a nota na seção Índices de pesquisa nesta página.
Cache Vector Store	Opcional	Se deve armazenar em cache o armazenamento de vetores para a execução atual do componente. O padrão é `true`.

Índices de pesquisa

O componente MongoDB Atlas cria um índice do MongoDB Vector Search em sua collection na primeira vez que você executa uma pesquisa, se ainda não existir um índice correspondente. Você também pode criar ou inspecionar este índice manualmente. Para saber mais, consulte Criar um índice de Vector Search do MongoDB .

O índice utiliza a seguinte definição, onde o campo path especifica seu valor Index Field, o campo numDimensions especifica seu valor Number of Dimensions e o campo similarity especifica seu valor Similarity:

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

Se você definir um valor Filter Field, o componente adicionará um campo do tipo filter para esse caminho para a definição do índice.

Importante

Valores necessários

Select a value for Quantization before you run a search. If you leave the field unset, index creation fails because the component sets the quantization field to null instead of omitting the field.

Se o seu modelo de incorporação produzir um número de dimensões diferente do 1536 padrão, certifique-se de definir o parâmetro Número de Dimensões adequadamente.

Recursos adicionais

Para saber mais sobre como usar o Langflow com o MongoDB, consulte os seguintes recursos:

Documentação docomponente MongoDB do MongoDB
Repositório do GitHub doLangflow

Voltar

Mecanismo do Agente Vertex AI

Começar

Integre o MongoDB com o Langflow

Começar

Instalação

Uso

Parâmetros

Parâmetros do componenteMongoDB Atlas Use estes parâmetros para configurar o componente MongoDB Atlas .

Índices de pesquisa

Recursos adicionais