MongoDB Atlas는 AWS, Azure, GCP에서 사용 가능한 완전 관리형 클라우드 데이터베이스입니다. 이제 MongoDB 문서 데이터에 대한 네이티브 Vector Search를 지원합니다.

​
Installation and Setup

상세 구성 지침을 참조하세요. langchain-mongodb python package를 설치해야 합니다. 
pip install langchain-mongodb

​
Vector Store

사용 예제를 참조하세요. 
from langchain_mongodb import MongoDBAtlasVectorSearch

​
Retrievers

​
Full Text Search Retriever

Hybrid Search Retriever는 Lucene의 표준(BM25) analyzer를 사용하여 전체 텍스트 검색을 수행합니다. 
from langchain_mongodb.retrievers import MongoDBAtlasFullTextSearchRetriever

​
Hybrid Search Retriever

Hybrid Search Retriever는 vector 검색과 전체 텍스트 검색을 결합하여 Reciprocal Rank Fusion(RRF) 알고리즘을 통해 가중치를 부여합니다. 
from langchain_mongodb.retrievers import MongoDBAtlasHybridSearchRetriever

​
Model Caches

​
MongoDBCache

MongoDB에 간단한 cache를 저장하기 위한 추상화입니다. 이것은 Semantic Caching을 사용하지 않으며, 생성 전에 collection에 index를 만들 필요도 없습니다. 이 cache를 import하려면: 
from langchain_mongodb.cache import MongoDBCache
LLM에서 이 cache를 사용하려면: 
from langchain_core.globals import set_llm_cache

# use any embedding provider...
from tests.integration_tests.vectorstores.fake_embeddings import FakeEmbeddings

mongodb_atlas_uri = "<YOUR_CONNECTION_STRING>"
COLLECTION_NAME="<YOUR_CACHE_COLLECTION_NAME>"
DATABASE_NAME="<YOUR_DATABASE_NAME>"

set_llm_cache(MongoDBCache(
    connection_string=mongodb_atlas_uri,
    collection_name=COLLECTION_NAME,
    database_name=DATABASE_NAME,
))

​
MongoDBAtlasSemanticCache

Semantic caching을 사용하면 사용자 입력과 이전에 캐시된 결과 간의 의미적 유사성을 기반으로 캐시된 prompt를 검색할 수 있습니다. 내부적으로 MongoDBAtlas를 cache와 vectorstore로 모두 사용합니다. MongoDBAtlasSemanticCache는 MongoDBAtlasVectorSearch를 상속하며 작동하려면 Atlas Vector Search Index가 정의되어 있어야 합니다. index 설정 방법은 사용 예제를 참조하세요. 이 cache를 import하려면: 
from langchain_mongodb.cache import MongoDBAtlasSemanticCache
LLM에서 이 cache를 사용하려면: 
from langchain_core.globals import set_llm_cache

# use any embedding provider...
from tests.integration_tests.vectorstores.fake_embeddings import FakeEmbeddings

mongodb_atlas_uri = "<YOUR_CONNECTION_STRING>"
COLLECTION_NAME="<YOUR_CACHE_COLLECTION_NAME>"
DATABASE_NAME="<YOUR_DATABASE_NAME>"

set_llm_cache(MongoDBAtlasSemanticCache(
    embedding=FakeEmbeddings(),
    connection_string=mongodb_atlas_uri,
    collection_name=COLLECTION_NAME,
    database_name=DATABASE_NAME,
))
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
⌘I