MongoDB AI集成

MongoDB和合作伙伴开发了特定的产品集成，帮助您在AI应用程序和AI代理中利用MongoDB 。

本页重点介绍MongoDB和合作伙伴开发的著名AI集成。您可以通过流行的AI提供商和 LLM 的标准连接方法和API来使用它们。有关集成和合作服务的完整列表，请参阅探索MongoDB合作伙伴生态系统。

框架

您可以使用以下开源框架在MongoDB集群中存储自定义数据，并使用MongoDB Vector Search实现RAG等功能。

框架	说明	文档
LangChain	使用“链”构建AI应用程序的框架，“链”是 LangChain 特定的组件，可以组合在一起以用于各种使用案例。 LangChain MongoDB集成为 RAG 提供了多个组件。	Integrate with LangChain Integrate with LangChain JS/TS
LangChainGo	将 LangChain 功能引入Go生态系统。	与 LangChainGo 集成
LangChain4j	将 LangChain 功能引入Java。	与 LangChain 集成4j
LlamaIndex	提供多种工具的框架，用于将自定义数据源连接到 LLM 并构建 RAG 应用程序。	与 LlamaIndex 集成
Semantic Kernel	Microsoft的框架，它将各种AI服务与应用程序结合起来，适用于包括 RAG 在内的使用案例。	Integrate with Semantic Kernel C# Integrate with Semantic Kernel Python
Haystack	Python框架，用于使用 LLM、嵌入式模型、向量搜索等针对 RAG 等使用案例构建自定义应用程序。	与 Haystack 集成
Spring AI	将 Spring 设计原则应用于包括 RAG 在内的AI应用程序的使用案例。	与 Spring AI集成

您可以使用以下开源框架构建AI代理和多代理应用程序，这些应用程序使用MongoDB来实现代理 RAG 和代理内存等功能。

框架	说明	文档
LangGraph	LangChain生态系统中的专用框架，用于构建AI代理和复杂的多代理工作流程，并支持持久性、流媒体和内存。	Integrate with LangGraph Integrate with LangGraph.js
CrewAI	Python框架，用于构建具有专门角色的自主AI代理和具有“工作人员”的多代理应用程序，“工作人员”可以通过在彼此之间委派工作来完成复杂的任务。	与 CrewAI 集成

您还可以与以下企业平台集成，构建生成式AI应用程序。这些平台提供预先训练的模型和其他工具，帮助您在生产中构建AI应用程序和代理。

平台	说明	文档
Amazon Bedrock	用于构建生成式AI应用程序的完全托管平台。将MongoDB作为知识库集成，以在MongoDB Atlas中存储自定义数据、实现RAG 并部署代理。	与Amazon基岩集成
Google Vertex AI	Google Cloud 中用于构建和部署AI应用程序和代理的平台。包括来自 Google 的工具和预训练模型，您可以将它们与MongoDB Atlas一起用于 RAG 和自然语言查询等其他使用案例。	与 Google Vertex AI集成

您可以与以下AI工具集成。

工具	说明	文档
MongoDB MCP 服务器	模型上下文协议 (MCP) 是一个开放标准，用于规范 LLM 如何连接到外部资源和服务并与之交互。使用我们的官方 MCP 服务器实施，通过代理AI工具与MongoDB数据和集群交互。	MongoDB MCP Server Docs
n8n	无代码工作流程自动化工具，使您能够通过可视化画布中的交互式节点构建代理工作流程。支持多个MongoDB节点，包括用于 RAG 的节点和用于AI代理的内存。	与 n8n 集成

社区维护着与MongoDB 的多个集成。这些集成基于开源，但不直接由MongoDB托管。下表重点介绍了其中一些集成。

集成	说明	文档
马斯特拉	开源 TypeScript框架，提供用于构建AI代理的组件，包括工作流、RAG 和评估。使用MongoDB进行向量存储和检索、RAG 和内存。	与 Mastra 集成

有关这些集成的疑问或问题，请参阅相应框架维护人员提供的文档和资源。

在使用我们的集成进行开发时，请参考以下资源。

后退

变更日志

来年

LangChain