← 回總覽

宣布 LangChain 与 MongoDB 达成合作伙伴关系：运行在你所信任数据库上的 AI 智能体技术栈

📅 2026-04-01 01:00 LangChain Accounts 人工智能 2 分鐘 1260 字 評分: 89
LangChain MongoDB AI 智能体 LangSmith 向量搜索
📌 一句话摘要 LangChain 与 MongoDB 达成合作，提供统一的 AI 智能体技术栈，将向量搜索、持久化记忆和自然语言查询直接集成到 MongoDB Atlas 中。 📝 详细摘要 本文宣布了 LangChain 与 MongoDB 之间的战略合作伙伴关系，旨在简化 AI 智能体从原型到生产环境的过渡。通过将 LangChain、LangGraph 和 LangSmith 与 MongoDB Atlas 集成，此次合作消除了对碎片化基础设施的需求。关键功能包括用于 RAG 的 Atlas Vector Search、用于持久化智能体状态和记忆的 MongoDB Checkpoi

📌 一句话摘要

LangChain 与 MongoDB 达成合作，提供统一的 AI 智能体技术栈，将向量搜索、持久化记忆和自然语言查询直接集成到 MongoDB Atlas 中。

📝 详细摘要

本文宣布了 LangChain 与 MongoDB 之间的战略合作伙伴关系，旨在简化 AI 智能体从原型到生产环境的过渡。通过将 LangChain、LangGraph 和 LangSmith 与 MongoDB Atlas 集成，此次合作消除了对碎片化基础设施的需求。关键功能包括用于 RAG 的 Atlas Vector Search、用于持久化智能体状态和记忆的 MongoDB Checkpointer，以及用于自然语言数据访问的 Text-to-MQL。这种统一的方法通过 LangSmith 提供了全栈可观测性，确保了多云环境下的可靠性、容错能力和零供应商锁定。

💡 主要观点

- AI 智能体的统一基础设施。 开发者无需管理独立的向量数据库和状态存储，可以使用 MongoDB Atlas 作为操作数据、向量搜索和智能体状态的单一后端。

基于 MongoDB Checkpointer 的持久化智能体状态。 这种集成允许智能体持久化对话历史并从崩溃中恢复，从而直接在数据库内实现多轮记忆和人机协作工作流。
通过 Text-to-MQL 实现自然语言查询。 智能体可以通过将纯英语转换为 MongoDB 查询语言 (MQL) 来自主查询结构化业务数据，从而减少对自定义 API 端点的需求。
全栈可观测性与评估。 LangSmith 提供检索调用、工具调用和状态转换的端到端追踪，使团队能够精确定位检索质量或模型推理中的问题。

💬 文章金句

- 智能体需要的不仅仅是模型和提示词。它们还需要检索、持久化记忆、访问操作数据、可观测性以及贯穿整个流水线的可靠部署。

  • 通常的解决方案是这里加一个向量数据库，那里加一个状态存储，再在别处加一个分析 API。每一个都是需要配置、保护和保持同步的额外系统。
  • AI 智能体的可靠性取决于其背后的数据基础设施。
  • 这才是 AI 采用应有的方式：增量式，而非颠覆式。

📊 文章信息

AI 评分：89

来源：LangChain Blog

作者：LangChain Accounts

分类：人工智能

语言：英文

阅读时间：5 分钟

字数：1222

标签： LangChain, MongoDB, AI 智能体, LangSmith, 向量搜索

阅读完整文章

查看原文 → 發佈: 2026-04-01 01:00:20 收錄: 2026-04-01 02:00:20

🤖 問 AI

針對這篇文章提問，AI 會根據文章內容回答。按 Ctrl+Enter 送出。