Comece a usar a integração do SDK de IA do MongoDB Vercel

Instalar dependências.

Execute os seguintes comandos no seu terminal para criar um novo diretório denominado vercel-ai-mongodb-project e instalar as dependências necessárias:

mkdir vercel-ai-mongodb-projectcd vercel-ai-mongodb-projectnpm init -ynpm install @mongodb-developer/vercel-ai-memory ai mongodb zod @ai-sdk/openai voyage-ai-provider dotenvnpm install --save-dev tsx @types/node

Defina suas variáveis de ambiente.

No seu diretório vercel-ai-mongodb-project, crie um arquivo .env e adicione o seguinte código:

OPENAI_API_KEY="<openai-api-key>"VOYAGE_API_KEY="<voyage-api-key>"MONGODB_URI="<connection-string>"

Substitua <connection-string> pela string de conexão do seu cluster do Atlas ou da implantação local do Atlas.

mongodb+srv://<db_username>:<db_password>@<clusterName>.<hostname>.mongodb.net

mongodb://localhost:<port-number>/?directConnection=true

Crie um arquivo de projeto.

No seu diretório vercel-ai-mongodb-project, crie um arquivo denominado main.ts. Adicione o seguinte código a este arquivo para carregar suas variáveis de ambiente e importar os módulos necessários:

import 'dotenv/config'import { createMongoDBMemory } from '@mongodb-developer/vercel-ai-memory'import { createVoyage } from 'voyage-ai-provider'import { openai } from '@ai-sdk/openai'import { ToolLoopAgent } from 'ai'

Em etapas futuras, você adicionará o código a este arquivo para criar o provedor de memória e construir seu agente.

Crie o provedor de memória.

Adicione o seguinte código ao seu arquivo main.ts para criar um cliente Voyage AI e um fornecedor de memória que use um modelo de incorporação do Voyage AI:

const voyage = createVoyage({  apiKey: process.env.VOYAGE_API_KEY,  baseURL: 'https://ai.mongodb.com/v1',})
const mongodbMemory = createMongoDBMemory({  uri: process.env.MONGODB_URI!,  embedder: voyage.embeddingModel('voyage-4'),})

O provedor se conecta ao MongoDB no primeiro uso e cria o banco de dadosagent_memory. Em seguida, ele adiciona uma collection para cada nível de memória ao banco de dados. O fornecedor também cria os índices do MongoDB Vector Search exigidos pela recuperação semântica. Para saber mais sobre as coleções e índices que o fornecedor cria, consulte Coleções e índices na referência do SDK do Vercel.

Crie o agente.

Adicione o seguinte código ao seu arquivo main.ts para criar um agente cujas ferramentas de memória tenham como escopo um usuário e uma sessão:

const agent = new ToolLoopAgent({  model: openai('gpt-4.1'),  tools: mongodbMemory({ userId: 'alice', sessionId: 'sess-001' }),  instructions: `You are an assistant with persistent memory.    At the start of every conversation, call session_recent to    restore context and semantic_search to recall facts about    the user. Save each conversation turn with session_append.    Save important facts about the user with semantic_save.`,})

As instruções informam ao modelo quais comandos de memória chamar. Os valores userId e sessionId têm como escopo as memória s que o agente armazena e recupera.

Adicione o código que executa o agente.

Adicione o seguinte código ao seu arquivo main.ts para passar um prompt para o agente a partir da linha de comando, imprimir a resposta e fechar a conexão do MongoDB :

async function main() {  const prompt = process.argv[2]
  if (!prompt) {    console.error('Usage: npx tsx main.ts "<your message>"')    process.exit(1)  }
  const result = await agent.generate({ prompt })  console.log('[agent]:', result.text)
  await mongodbMemory.close()}
main().catch((error) => {  console.error(error)  process.exit(1)})

Execute o agente e forneça informações pessoais.

No diretório vercel-ai-mongodb-project, execute o seguinte comando:

npx tsx main.ts "I'm a marine biologist who studies emperor penguins in Antarctica. Remember that."

Se o comando for executado com êxito, a saída se assemelha ao seguinte:

[agent]: I've noted that you are a marine biologist studying emperorpenguins in Antarctica.

Solicite ao agente que recupere as informações.

Execute o agente novamente e passe o seguinte prompt que solicita ao agente que recupere as informações anteriores:

npx tsx main.ts "What do I study, and where?"

A saída se assemelha ao seguinte:

[agent]: You are a marine biologist who studies emperor penguins inAntarctica.

O agente usa memória para responder ao prompt. Ambas as execuções passam pelos mesmos valores userId e sessionId, portanto, o modelo chama os comandos session_recent e semantic_search no início da segunda execução. Esses comandos restauram a conversa e as memória que a primeira execução armazenou no MongoDB.