将MongoDB与 8n 集成

您可以将MongoDB与 n8 n 集成，以使用其无代码可视化界面构建自动化和代理工作流程。本页概述了集成，并描述了可以在工作流中使用的不同类型的节点。

开始使用 n8n

npx n8n

要学习；了解如何使用 n8 n 和MongoDB构建基本AI代理，请参阅使用MongoDB和 n n 构建AI助手。8

重要

所有MongoDB n8 n 个节点都要求您在 n n8 个节点中配置MongoDB凭证。要学习；了解更多信息，请参阅MongoDB档案。

MongoDB Node

MongoDB节点允许您自动执行MongoDB中的工作，并将MongoDB与工作流程中的其他节点集成。8

使用

在任何自定义工作流程中使用MongoDB节点。8

操作

MongoDB节点支持以下操作：

category	操作	说明
文档操作	聚合文档	使用MongoDB聚合管道执行聚合操作以进程和转换数据。
	查找文档	使用灵活的筛选选项从MongoDB集合中查询和检索文档。
	插入文档	将新文档添加到MongoDB集合中。
	Update Documents	修改集合中的现有文档。
	Delete Documents	从集合中删除文档。
	查找和替换文档	搜索文档并将其替换为新内容。
	查找和更新文档	搜索文档并更新特定字段。
搜索索引操作	创建搜索索引	在集合上创建新的搜索和向量搜索索引。
	搜索索引列表	检索有关现有搜索索引的信息。
	更新搜索索引	修改现有搜索索引配置。
	删除搜索索引	删除不再需要的搜索索引。

提示

要学习；了解详情，请参阅 n8 n MongoDB节点文档

MongoDB Atlas Vector 存储节点

MongoDB Atlas Vector Store节点使您能够在代理工作流程中使用MongoDB Vector Search。

注意

在开始使用此节点之前，请配置MongoDB Vector Search Index（向量搜索索引）。

使用

在以下工作流程模式中使用MongoDB Vector Store节点：

直接连接到AI代理，作为执行代理 RAG 的工具。

AI Agent (tools connector) → MongoDB Vector Store

有关教程，请参阅使用MongoDB和 n n 构建AI助手。8

要学习；了解有关8 n n 中AI代理的详情，请参阅AI代理节点。

使用MongoDB Atlas Vector Store 作为常规节点，在自定义工作流程中插入或检索文档：

Trigger → MongoDB Vector Store (Insert/Get) → Next Node

要学习；了解更多信息，请参阅节点。

将节点用作问答链中的检索器：

Question and Answer Chain → Vector Store Retriever → MongoDB Vector Store

要学习；了解有关 n8 n 中问答的更多信息，请参阅问答链节点。

使用该节点作为AI代理的问答工具：

AI Agent → Vector Store Question Answer Tool → MongoDB Vector Store

要学习；了解有关 n8 n 中问答工具的详情，请参阅 Vector Store 问答工具节点。

操作模式

MongoDB Vector Store节点支持以下操作模式。检索文档模式仅在某些工作流程模式中可用。

操作模式	说明
获取多个	根据提示使用相似度搜索来检索多个文档。返回具有相似度分数的文档。
插入文档	将具有向量嵌入的新文档添加到您的集合中。
检索文档（作为链/工具的向量存储）	仅当您将节点用作检索器或工具时才可用。必须连接到检索器节点或节点。
检索文档（作为AI助手的工具）	仅当您将节点用作AI代理的工具时才可用。当名称和描述与提示相关时，代理会使用此向量存储。

参数

MongoDB Vector Store 节点参数

使用以下参数配置MongoDB Vector Store节点。

category	设置	操作模式	说明
通用参数	MongoDB Collection	所有	要使用的MongoDB集合的名称。
	Vector Index Name	所有	MongoDB集合中 Vector Search索引的名称。
	Embedding Field	所有	文档中包含向量嵌入的字段名称。
	Metadata Field	所有	文档中包含文本元数据的字段名称。
特定于模式的参数	Name	检索文档（作为AI助手的工具）	AI代理的向量存储工具的名称。
	Description	检索文档（作为AI助手的工具）	法学硕士关于此工具用途的说明。
	Limit	检索文档（作为AI助手的工具）	要从向量存储中检索的结果数。
其他选项	Metadata Filter	获取多个文档，检索文档（作为AI助手的工具），检索文档（作为链/工具的向量存储）	根据元数据条件筛选结果。
	Rerank Results	获取多个文档，检索文档（作为AI助手的工具），检索文档（作为链/工具的向量存储）	启用结果重排序（需要连接重排序器节点）。

提示

要学习；了解更多信息，请参阅 n8 n MongoDB Vector Store节点文档

MongoDB聊天内存节点

MongoDB聊天内存节点允许您使用MongoDB作为内存存储，用于在AI工作流程中存储聊天历史记录。这样就可以在工作流执行之间实现持久的对话上下文。

使用

您必须将MongoDB聊天内存节点作为子节点使用，方法是将其添加到AI代理节点的 Memory部分。有关教程，请参阅使用MongoDB和 n n 构建AI助手。8

注意

如果您在工作流程中添加多个MongoDB聊天内存节点，则所有节点默认访问权限同一内存实例。对于单独的内存实例，请在每个内存节点中使用不同的会话 ID。

参数

MongoDB聊天内存节点参数

使用这些参数配置MongoDB聊天内存节点。

Parameter	说明
会话id	用于确定如何识别会话密钥的方法。您可以通过连接的触发定义会话密钥，也可以手动定义密钥。
会话密钥	聊天会话的唯一标识符。
集合名称	用于存储聊天历史记录的集合的名称。如果该集合不存在， MongoDB会创建该集合。默认为 `n8n_chat_histories`。
Database Name	用于存储聊天历史记录的数据库名称。如果未提供，则 n8n 将使用凭证中的数据库。
上下文窗口长度	考虑上下文的先前交互次数。

提示

要学习；了解更多信息，请参阅 n8 n MongoDB聊天内存节点文档

其他 n8n 资源

要学习；了解有关 n8n 的详情，请使用以下资源：

后退

MCP 服务器

来年

构建AI助手