Qdrant 벡터 저장소 노드#

Qdrant 노드를 사용하여 Qdrant 컬렉션과 상호작용할 수 있습니다. 벡터 저장소로서 문서를 벡터 데이터베이스에 삽입하고, 벡터 데이터베이스에서 문서를 가져오고, 검색기와 연결된 체인에 제공할 문서를 검색하거나 직접 에이전트에 연결하여 도구로 사용할 수 있습니다.

이 페이지에서는 Qdrant 노드의 노드 매개변수를 찾고, 추가 리소스에 대한 링크를 찾을 수 있습니다.

자격 증명

이 노드의 인증 정보를 여기에서 찾을 수 있습니다.

하위 노드에서의 매개변수 해석

하위 노드는 표현식을 사용하여 여러 항목을 처리할 때 다른 노드와 다르게 동작합니다.

대부분의 노드는(루트 노드 포함) 여러 개의 항목을 입력으로 받아 각 항목을 개별적으로 처리한 후 결과를 출력합니다.
이 과정에서 표현식을 사용하면 입력 항목을 참조할 수 있으며, 노드는 각 항목에 대해 표현식을 순차적으로 해석합니다.
예를 들어, name 값이 5개 있는 경우, {{ $json.name }} 표현식은 각각의 이름으로 순차적으로 해석됩니다.

하지만 하위 노드에서는 표현식이 항상 첫 번째 항목으로 해석됩니다.
즉, name 값이 5개 있어도 {{ $json.name }} 표현식은 항상 첫 번째 name 값으로 해석됩니다.

노드 사용 패턴#

Qdrant 벡터 저장소 노드는 다음과 같은 패턴으로 사용할 수 있습니다.

문서를 삽입하고 검색하기 위한 일반 노드로 사용#

Qdrant 벡터 저장소를 일반 노드로 사용하여 문서를 삽입하거나 가져올 수 있습니다. 이 패턴은 Qdrant 벡터 저장소를 에이전트를 사용하지 않고 일반 연결 흐름에 배치합니다.

이 템플릿의 첫 번째 부분에서 이 예를 볼 수 있습니다.

도구로서 AI 에이전트에 직접 연결#

Qdrant 벡터 저장소 노드를 AI 에이전트의 도구 커넥터에 직접 연결하여 쿼리에 답변할 때 벡터 저장소를 자원으로 사용할 수 있습니다.

여기서 연결은 다음과 같습니다: AI 에이전트 (도구 커넥터) -> Qdrant 벡터 저장소 노드.

문서를 가져오기 위한 검색기 사용#

벡터 저장소 검색기 노드를 Qdrant 벡터 저장소 노드와 함께 사용하여 Qdrant 벡터 저장소 노드에서 문서를 가져올 수 있습니다. 이는 종종 주어진 채팅 입력과 일치하는 벡터 저장소에서 문서를 가져오기 위해 질문 및 답변 체인 노드와 함께 사용됩니다.

연결 흐름의 예는 다음과 같습니다: 질문 및 답변 체인 (검색기 커넥터) -> 벡터 저장소 검색기 (벡터 저장소 커넥터) -> Qdrant 벡터 저장소.

질문에 답변하기 위한 벡터 저장소 질문 답변 도구 사용#

또 다른 패턴은 Qdrant 벡터 저장소 노드에서 결과를 요약하고 질문에 답변하기 위해 벡터 저장소 질문 답변 도구를 사용하는 것입니다. 이 패턴은 Qdrant 벡터 저장소를 도구로 직접 연결하는 대신 벡터 저장소의 데이터를 요약하도록 특별히 설계된 도구를 사용합니다.

이 경우의 연결 흐름은 다음과 같습니다: AI 에이전트 (도구 커넥터) -> 벡터 저장소 질문 답변 도구 (벡터 저장소 커넥터) -> Qdrant 벡터 저장소.

노드 매개변수#

운영 모드 (Operation Mode)#

이 Vector Store 노드는 네 가지 모드를 지원합니다:
다중 검색(Get Many), 문서 삽입(Insert Documents),
문서 검색(체인/도구용 벡터 저장소로 사용), 문서 검색(AI 에이전트용 도구로 사용).
선택한 모드에 따라 수행할 수 있는 작업과 사용 가능한 입력 및 출력이 결정됩니다.

다중 검색 (Get Many)#

이 모드는 벡터 데이터베이스에서 여러 문서를 검색하는 데 사용됩니다.
제공한 프롬프트를 임베딩하여 유사성 검색을 수행하며,
노드는 프롬프트와 가장 유사한 문서를 유사도 점수 와 함께 반환합니다.

이 기능은 유사한 문서 목록을 검색하여 에이전트에 추가 컨텍스트로 전달할 때 유용합니다.

문서 삽입 (Insert Documents)#

이 모드는 벡터 데이터베이스에 새 문서를 삽입하는 데 사용됩니다.

문서 검색 (체인/도구용 벡터 저장소로 사용)#

Retrieve Documents (As Vector Store for Chain/Tool)

이 모드는 벡터 저장소 검색기(vector-store retriever) 와 함께 사용됩니다.
벡터 데이터베이스에서 문서를 검색한 후, 체인에 연결된 검색기(retriever)에 문서를 제공합니다.
이 모드에서는 노드를 검색기 노드 또는 루트 노드에 연결해야 합니다.

문서 검색 (AI 에이전트용 도구로 사용)#

Retrieve Documents (As Tool for AI Agent)

이 모드는 벡터 저장소를 AI 에이전트의 도구(resource)로 사용할 때 사용됩니다.
응답을 생성할 때, 벡터 저장소의 이름과 설명이 질문 내용과 일치하면 에이전트가 벡터 저장소를 활용하여 답변을 생성합니다.

여러 매개변수 가져오기#

Qdrant 컬렉션 이름: 사용할 Qdrant 컬렉션의 이름을 입력하세요.
프롬프트: 검색 쿼리를 입력하세요.
제한: 벡터 스토어에서 검색할 결과 수를 입력하세요. 예를 들어, 이를 10으로 설정하면 가장 좋은 10개의 결과를 얻을 수 있습니다.

이 작업 모드에는 하나의 노드 옵션이 포함되어 있습니다. 메타데이터 필터.

문서 삽입 매개변수#

Qdrant 컬렉션 이름: 사용할 Qdrant 컬렉션의 이름을 입력하세요.

이 작업 모드에는 하나의 노드 옵션이 포함되어 있습니다:

컬렉션 구성: Qdrant 컬렉션 생성 구성을 위한 JSON 옵션을 입력하세요. 자세한 내용은 Qdrant 컬렉션 문서를 참조하세요.

문서 검색 (체인/툴용 벡터 스토어) 매개변수#

Qdrant 컬렉션: 사용할 Qdrant 컬렉션의 이름을 입력하세요.

이 작업 모드에는 하나의 노드 옵션이 포함되어 있습니다, 메타데이터 필터.

문서 검색 (AI 에이전트용 툴) 매개변수#

이름: 벡터 스토어의 이름입니다.
설명: LLM에게 이 도구가 무엇을 하는지 설명하세요. 좋은 구체적인 설명은 LLM이 예상한 결과를 더 자주 생성할 수 있도록 합니다.
Qdrant 컬렉션: 사용할 Qdrant 컬렉션의 이름을 입력하세요.
제한: 벡터 스토어에서 검색할 결과 수를 입력하세요. 예를 들어, 이를 10으로 설정하면 가장 좋은 10개의 결과를 얻을 수 있습니다.

노드 옵션#

메타데이터 필터#

이 옵션은 다중 검색(Get Many) 모드에서 사용할 수 있습니다.
데이터를 검색할 때, 문서와 연결된 메타데이터를 기준으로 검색을 수행합니다.

이 필터는 AND 연산 으로 동작합니다.
즉, 여러 개의 메타데이터 필터 필드를 지정하면 모든 조건이 일치해야 검색 결과에 포함됩니다.

데이터를 삽입할 때, 메타데이터는 문서 로더(document loader) 를 통해 설정됩니다.
문서 로딩에 대한 자세한 내용은 기본 데이터 로더(Default Data Loader) 문서를 참고하세요.

템플릿 및 예제#

자체 호스팅 AI 스타터 키트 (Self-hosted AI Starter Kit)#

AI 및 자체 호스팅된 n8n을 처음 사용하시나요?
n8n의 자체 호스팅 AI 스타터 키트를 사용하여 Ollama, Qdrant, PostgreSQL 을 기반으로 개념 증명(Proof-of-Concept) 또는 데모 환경을 빠르게 구축해 보세요.

n8n 공식 기술 문서 한글판 by 인포그랩