MongoDB Atlas

使用 LangChain Python 集成 MongoDBAtlasHybridSearchRetriever。

MongoDB Atlas 是一个完全托管的云数据库，支持 AWS、Azure 和 GCP。它原生支持向量搜索、全文搜索（BM25）和混合搜索，可基于您的 MongoDB 文档数据。

MongoDBAtlasHybridSearchRetriever 结合向量搜索和全文搜索，使用 reciprocity rank fusion（RRF）算法从 Atlas 集合返回最相关的文档。若无需向量索引，MongoDBAtlasFullTextSearchRetriever 使用 Atlas 搜索的 Lucene（BM25）分析器进行关键词检索。

所有检索器都继承自 BaseRetriever 并包含在 langchain-mongodb 包中。您可将 MongoDB Atlas 向量存储 强转为 .as_retriever()。当需要混合搜索或纯全文搜索时，建议使用专用检索器类。

本指南帮助您入门 MongoDB Atlas 检索器。所有 MongoDBAtlasHybridSearchRetriever 功能和配置的详细文档，请参考 API 参考。

整合细节

配置

您需要一个已启用 Atlas 搜索的运行中 MongoDB Atlas 集群。若无，请通过 Atlas 控制台 创建集群。

MongoDBAtlasHybridSearchRetriever 需要 target 集合上两个搜索索引：

• 一个 向量搜索索引 用于语义召回
• 一个 全文搜索索引 用于关键词召回

请参考下方 创建索引 或在 Atlas 控制台手动创建索引。

若需启用查询级自动追踪，请设置您的 LangSmith API 密钥：

import getpass
import os

os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
os.environ["LANGSMITH_TRACING"] = "true"

安装

安装 langchain-mongodb。以下示例也使用了 Voyage AI 嵌入模型：

pip

pip install -qU langchain-mongodb langchain-voyageai

配置

设置 Atlas 连接字符串并打开集合句柄：

import getpass
import os

from pymongo import MongoClient

if not os.environ.get("MONGODB_ATLAS_URI"):
    os.environ["MONGODB_ATLAS_URI"] = getpass.getpass("Enter your MongoDB Atlas URI: ")

client = MongoClient(os.environ["MONGODB_ATLAS_URI"])
collection = client["<db_name>"]["<collection_name>"]

创建索引

在启用混合搜索前，需为集合创建向量搜索索引和全文搜索索引。匹配 dimensions 与嵌入模型（voyage-4-lite 使用 1024 维度）：

from langchain_mongodb import MongoDBAtlasVectorSearch
from langchain_mongodb.index import create_fulltext_search_index
from langchain_voyageai import VoyageAIEmbeddings  # swap in any embeddings class

embeddings = VoyageAIEmbeddings(model="voyage-4-lite")

vector_store = MongoDBAtlasVectorSearch(
    collection=collection,
    embedding=embeddings,
    index_name="vector_index",
)

# Create the vector search index (runs asynchronously on Atlas)
vector_store.create_vector_search_index(
    dimensions=1024,
    wait_until_complete=60,
)

# Create the full-text search index on the text field
create_fulltext_search_index(
    collection=collection,
    field="text",
    index_name="search_index",
    wait_until_complete=60,
)

更多索引选项请参考 MongoDB Atlas 向量存储 指南。

实例化

混合搜索

MongoDBAtlasHybridSearchRetriever 通过 RRF 融合向量与关键词结果。增加 vector_penalty 或 fulltext_penalty 可降低该渠道权重：

from langchain_mongodb.retrievers import MongoDBAtlasHybridSearchRetriever

retriever = MongoDBAtlasHybridSearchRetriever(
    vectorstore=vector_store,
    search_index_name="search_index",
    k=5,
    vector_penalty=60.0,
    fulltext_penalty=60.0,
)

全文搜索

MongoDBAtlasFullTextSearchRetriever 执行 BM25 关键词搜索且无需向量索引：

from langchain_mongodb.retrievers import MongoDBAtlasFullTextSearchRetriever

ft_retriever = MongoDBAtlasFullTextSearchRetriever(
    collection=collection,
    search_index_name="search_index",
    search_field="text",
    k=5,
)

使用

docs = retriever.invoke("What is MongoDB Atlas?")

在链中调用

from langchain_anthropic import ChatAnthropic
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough

prompt = ChatPromptTemplate.from_template(
    "Answer the question based only on the following context:\n\n{context}\n\nQuestion: {question}"
)

llm = ChatAnthropic(model="claude-sonnet-4-6")

chain = (
    {"context": retriever, "question": RunnablePassthrough()}
    | prompt
    | llm
    | StrOutputParser()
)

chain.invoke("What is MongoDB Atlas?")

API 参考

所有 MongoDBAtlasHybridSearchRetriever 功能和配置的详细文档，请参考 API 参考。

全文搜索请参考 MongoDBAtlasFullTextSearchRetriever。

---

官方原文：src/oss/python/integrations/retrievers/mongodb_atlas.mdx · 非官方翻译，译文由 AI 生成，以英文原文为准。