Para agentes de IA: um índice de documentação está disponível em https://www.mongodb.com/pt-br/docs/llms.txt — as versões de markdown de todas as páginas estão disponíveis anexando .md a qualquer caminho de URL.

Integre o MongoDB ao n8n para fluxos de trabalho de IA

Você pode integrar o MongoDB ao n8n para criar automações e fluxos de trabalho de agente usando sua interface visual sem código. Esta página fornece uma visão geral da integração e descreve os diferentes tipos de nós que você pode usar em seus fluxos de trabalho.

The default n8n installation includes the MongoDB nodes. The examples in this guide use n8n version 2.x.

Para usar os nós do MongoDB no n8n, conclua as seguintes etapas:

1

Para instalar o n8n, consulte a documentação do n8n ou execute o seguinte comando usando o npm:

npx n8n
2

Todos os nós n8n do MongoDB exigem credenciais do MongoDB. Para aprender como adicionar suas credenciais, consulte Credenciais do MongoDB na documentação n8n.

3

Se você planeja usar o MongoDB Atlas Vector armazenar nó, crie um índice de pesquisa vetorial do MongoDB em sua coleção. Para aprender como criar o índice usando o nó do MongoDB no n8n, consulte Criar o índice de pesquisa vetorial no n8n.

Para saber como criar um agente de IA básico usando n8n e MongoDB, consulte Criar um agente de IA com MongoDB e n8n.

O nó do MongoDB permite automatizar o trabalho no MongoDB e integrar o MongoDB com outros nós em seus fluxos de trabalho n8n.

Use o nó do MongoDB em qualquer um dos seus fluxos de trabalho n8personalizados.

O nó MongoDB suporta as seguintes operações:

categoria
(operação)
Descrição

Operações de documentos

Documentos agregados

Execute operações de agregação para processar e transformar dados usando o MongoDB pipeline de agregação. Para aprender mais, consulte db.collection.aggregate().

Encontrar documentos

Faça query e recupere documentos de suas coleção do MongoDB com opções de filtro flexíveis. Para aprender mais, consulte db.collection.find().

Insira documentos

Adicione novos documento às suas coleção do MongoDB. Para aprender mais, consulte db.collection.insertMany().

Atualize documentos

Modifique documentos existentes em suas coleção. Para aprender mais, consulte db.collection.updateOne().

Exclua documentos

Remova documentos de suas coleções. Para aprender mais, consulte db.collection.deleteMany().

Localizar e substituir documentos

Pesquise documentos e substitua-os por novo conteúdo. Para aprender mais, consulte db.collection.findOneAndReplace().

Encontrar e atualizar documentos

Pesquise documentos e atualize campos específicos. Para aprender mais, consulte db.collection.findOneAndUpdate().

Operações de índice de pesquisa

Crie índices de pesquisa

Crie novos índices de pesquisa e pesquisa vetorial em suas coleções. Para aprender mais, consulte db.collection.createSearchIndex().

Listar índices de pesquisa

Recuperar informações sobre índice de pesquisa existentes. Para aprender mais, consulte $listSearchIndexes.

Atualizar índices de pesquisa

Modifique as configurações de índice de pesquisa existentes. Para aprender mais, consulte db.collection.updateSearchIndex().

Índices de pesquisa

Remova os índices de pesquisa que não são mais necessários. Para aprender mais, consulte db.collection.dropSearchIndex().

Dica

Para saber mais, consulte n8n documentação do nó do MongoDB

O nó MongoDB Atlas permite que você use o MongoDB pesquisa vetorial em seus fluxos de trabalho de agentes.

Para usar este nó, você deve ter um índice de pesquisa vetorial MongoDB em sua coleção. Para aprender como criar o índice no n8n, consulte Criar o índice de pesquisa vetorial no n8n.

Use o nó MongoDB Vector Store nos seguintes padrões de fluxo de trabalho:

Conecte-se diretamente a um agente de IA como uma ferramenta para executar o RAG agente.

AI Agent (tools connector) → MongoDB Vector Store

Para obter um tutorial, consulte Criar um agente de IA com MongoDB e n8n.

Para saber mais sobre os agentes de IA em n8n, consulte Nó do agente de IA.

O nó MongoDB Vector Store suporta os seguintes modos de operação. O modo de recuperação de documento só está disponível em determinados padrões de fluxo de trabalho.

Modo de operação
Descrição

Obtenha muitos

Recupere vários documento usando pesquisa de similaridade com base em um prompt. Retorna documento com pontuações de similaridade. Para aprender mais, consulte Parâmetros Get Many.

Insira documentos

Adicione novos documento com embedding de vetor à sua coleção. Para saber mais, consulte Parâmetros de Inserir documentos.

Recuperar documentos (como armazenamento de vetor para cadeia/ferramenta)

Disponível apenas quando você usa o nó como um retriever ou uma ferramenta. Deve estar conectado a um nó retriever ou nó raiz. Para aprender mais, consulte Parâmetros de Recuperar Documentos (Como Armazenar Vetor para Cadeia/Ferramenta).

Recuperar documentos (como ferramenta para o agente de IA)

Disponível apenas quando você usa o nó como uma ferramenta para um agente de IA. O agente usa este armazenar de vetores quando o nome e a descrição são relevantes para o prompt. Para aprender mais, consulte Recuperar documentos (como ferramenta para agente de IA) parâmetros.

Atualize documentos

Update an existing document in the vector store by document ID. Specify the document to update in the ID parameter. The node embeds the document content from the input items and replaces the existing document.

Dica

Para saber mais, consulte a documentação do nó8n MongoDB Vector Store

The MongoDB Atlas Vector Store node can filter documents when you retrieve them. Use the Pre Filter and Post Filter Pipeline options in the node's Options.

For example, the following pre filter matches movies in the Action genre:

{ "genres": "Action" }

Observação

A pre filter narrows the scope of the vector search before the query runs. In the Pre Filter field, enter a MongoDB Query Language (MQL) match expression for the fields that you want to filter on. To use a pre filter, index the fields as the filter type in your MongoDB Vector Search index definition.

A post filter pipeline processes the results further after the vector search completes. In the Post Filter Pipeline field, enter an aggregation pipeline as a JSON array. For example, the following pipeline matches movies released in 2000 or later:

[ { "$match": { "year": { "$gte": 2000 } } } ]

Para saber mais sobre como filtrar os resultados da pesquisa vetorial, consulte Tipos de pesquisa vetorial.

The MongoDB Atlas Vector Store node supports logical partitioning of documents by using the Namespace option. When you insert documents with the Namespace option set, the node stores the namespace value in the metadata.namespace field of each document. When the node retrieves documents, it returns only the documents in the namespace that you specify.

Use namespaces para isolar documentos de diferentes locatários, tópicos ou fluxos de trabalho dentro da mesma coleção. Por exemplo, em uma implantação multilocatária, especifique um namespace exclusivo para cada locatário. Essa separação impede que o agente recupere documentos que pertencem a outros locatários.

When you insert documents, you can also enable the Clear Namespace option. The node removes the existing documents in the namespace, and then inserts the new documents.

O nó Memória de bate-papo do MongoDB permite que você use o MongoDB como um armazenamento de memória para armazenar o histórico de bate-papo em seus fluxos de trabalho de IA. Isso permite um contexto de conversa persistente nas execuções do fluxo de trabalho.

Você deve usar o nó Memória de bate-papo MongoDB como um subnó adicionando-o à seção Memory de um nó de agente de IA. Para obter um tutorial, consulte Criar um agente de IA com MongoDB e n8n.

Observação

Each MongoDB Chat Memory node scopes its session to that node by default. To share a session between different MongoDB Chat Memory nodes, set Session ID to Define below and use the same session key in each node.

Para saber mais sobre n8n, utilize os seguintes recursos: