LangChain + MongoDB 联手：AI 智能体栈跑在你信任的数据库上

构建生产级 AI 智能体，光有模型和提示词（Prompt）远远不够。智能体需要检索（Retrieval）、持久化记忆（Persistent Memory）、访问运营数据、可观测性（Observability），以及跨全流程的可靠部署。LangChain 与 MongoDB 合作，将这些功能全部集成到一个开放平台中，让团队无需重构数据层，就能从原型快速推进到生产环境。

我们合作的团队经常遇到一个共同模式：先搭建一个智能体原型，运行良好，但一到生产环境就问题频出——需要能应对崩溃的持久化状态、基于真实企业数据的检索、查询结构化数据库的能力，以及出错时的端到端追踪。通常的解决方案是东拼西凑：这里加个向量数据库（Vector Database），那里放个状态存储，再找个地方接上分析 API。每个组件都是独立的系统，需要单独配置、确保安全、保持同步。

MongoDB 是大量企业团队存储运营数据的地方。超过 65,000 家客户在 Atlas 上运行关键业务应用。我们共同思考了一个战略问题：如果智能体能直接运行在这个基础上，而不是要求团队搭建平行基础设施，会怎样？

这次合作正是为了实现这个目标。通过 LangSmith、LangGraph 和 LangChain 的深度集成，MongoDB Atlas 变成了一个完整的 AI 智能体后端：向量搜索、持久化智能体记忆、自然语言数据访问、全栈可观测性和有状态部署。所有这些都运行在一个开放、多云平台上。

集成带来哪些功能

在 MongoDB 生产数据上，用 LangSmith 构建可靠智能体

Atlas Vector Search 实现检索增强生成（RAG）。 Atlas Vector Search 已原生集成到 LangChain 中，作为即插即用的检索器（Retriever），支持 Python 和 JavaScript SDK。你可以从单个 MongoDB 部署运行语义搜索、混合搜索（Hybrid Search）（BM25 + 向量）、GraphRAG 和预过滤查询。如果你已经在运行 Atlas，无需额外搭建基础设施。向量数据与运营数据存储在一起，这意味着没有同步任务，没有系统间的最终一致性问题，只有一套访问控制。对于评估检索质量的团队，还有一个内置的 RAG 评估管道，可与 LangSmith 集成，长期追踪准确性。

LangSmith 的 MongoDB 检查点实现持久化智能体记忆和状态。 生产级智能体需要持久化状态。客户支持智能体在会话中丢失对话历史、事件响应智能体崩溃后无法恢复、多步骤工作流没有审计追踪——这些问题都会阻碍智能体上线。LangSmith 部署的 MongoDB 检查点（Checkpointer）通过将智能体状态直接持久化到 MongoDB 来解决这些问题。你获得多轮对话记忆、人机协同（Human-in-the-Loop）审批工作流、时间旅行调试（可回放任何先前状态）和容错执行。该检查点支持自托管 LangGraph 部署，也可作为 LangSmith 部署中的可配置后端。你只需设置 LS_DEFAULT_CHECKPOINTER_BACKEND，指向你的 Atlas 集群，智能体状态就会持久化在与应用数据相同的数据库中。

Text-to-MQL 实现运营数据的自然语言查询。 我们看到最常被请求的模式之一是：智能体能够查询结构化业务数据，而无需为每个问题编写自定义 API 端点。Text-to-MQL 集成将纯英文转换为 MongoDB 查询语言（MQL），让智能体自主查询运营和分析数据。一个对话式分析智能体可以处理类似“显示过去 30 天所有有发货延迟的订单”的问题，并将其转换为正确的 MQL 聚合管道。无需自定义集成代码。

构建 Text-to-MQL 管道，全面洞察推理、规划和工具调用

LangSmith 提供全栈可观测性。 LangSmith 端到端追踪每个智能体运行，包括 MongoDB 检索调用、工具调用（Tool Invocations）、智能体路由决策和检查点写入。当智能体返回错误答案时，你可以回溯确切的检索结果、模型的推理过程以及导致输出的状态转换。对于在生产环境中运行智能体的团队，这区别在于盲目调试和能够精确定位问题是检索质量、提示行为还是状态管理边缘情况。LangSmith 的评估工具，包括 LLM 作为评判者（LLM-as-judge）、人工审查和成对比较，层层叠加，让你能够长期衡量和改进智能体质量。

零锁定。 组合栈支持任何 LLM 提供商，在任何云（AWS、Azure、GCP）上运行，并支持 Atlas 云部署和自管理的 MongoDB Enterprise Advanced。Deep Agents、LangGraph 和 LangChain 都是开源的。你不会被锁定在单一供应商的 AI 生态系统中。

团队在构建什么

这些集成已在多个行业投入生产。以下是两个例子：

Kai Security 是一家网络安全公司，也是 MongoDB 客户，他们希望在安全工作流中加入 AI 智能体，但一直受限于基础设施。持久化智能体状态意味着要搭建一个独立的数据层，而他们的安全团队并不拥有或运营该层。LangSmith 部署的 MongoDB 检查点完全消除了这个障碍。他们在一天内实现了暂停恢复、崩溃恢复和完整审计追踪，而不是花一个月时间做架构决策，所有操作都在他们已信任的基础设施内完成。

财富 500 强企业的团队已经在使用 LangChain 和 MongoDB 构建智能体工作流，从金融服务和医疗保健领域的自动化合规与监管受理，到大规模驱动 AI 驱动的安全运营和客户体验平台。我们正与其中几家公司合作，将这种集成引入生产环境，并很快会分享这些故事。

产品如何连接

集成涵盖开源和 LangSmith：

开源集成：

• Atlas Vector Search 检索器（Python 和 JavaScript），用于语义、混合和 GraphRAG 查询
• 混合搜索，在单个 Atlas 查询中结合关键词全文搜索和向量相似性
• Text-to-MQL 工具包，用于 MongoDB 数据的自然语言查询
• RAG 评估管道，用于衡量检索质量和答案准确性

LangSmith 集成：

• LangSmith 部署代理服务器的 MongoDB 检查点，用于通过 LangSmith 部署时将智能体状态持久化到 MongoDB（支持 Atlas 云、自管理和捆绑开发实例）
• LangSmith 可观测性的端到端追踪，覆盖 MongoDB 检索调用、工具调用和全流程的智能体决策

“LangChain 和 MongoDB 的开源集成已经有一段时间了，从 Atlas Vector Search 检索器到 Text-to-MQL 工具包。现在有了 LangSmith 的 MongoDB 检查点，团队可以将智能体状态直接持久化到 Atlas，获得崩溃恢复、时间旅行调试和持久化执行，开箱即用。结合 LangSmith 的可观测性、评估管道和托管部署，MongoDB 客户现在有了从原型到生产智能体的完整路径，无需离开他们已信任的基础设施。”

– Harrison Chase, LangChain 联合创始人兼 CEO

“AI 智能体的可靠性取决于其背后的数据基础设施。与 LangSmith 和 LangChain 的集成为 MongoDB Atlas 客户提供了一条从现有运营数据到生产 AI 智能体的直接路径，向量搜索、持久化状态和自然语言查询都内置在他们已运行的平台中。AI 采用就应该这样：附加而非破坏。”

– Chirantan “CJ” Desai, MongoDB 总裁兼 CEO

如何开始

所有集成现已生产就绪。

• LangSmith: smith.langchain.com
• Atlas Vector Search + LangChain (Python): mongodb.com/docs/atlas/ai-integrations/langchain
• Atlas Vector Search + LangChain (JavaScript): mongodb.com/docs/atlas/ai-integrations/langchain-js
• 混合搜索指南: mongodb.com/docs/atlas/ai-integrations/langchain/hybrid-search
• RAG 评估: mongodb.com/docs/atlas/ai-integrations/langchain/evaluate-rag
• LangSmith MongoDB 检查点: docs.langchain.com/langsmith/configure-checkpointer
• LangGraph (开源): github.com/langchain-ai

关于 LangChain

LangChain 是驱动顶级工程团队的智能体工程（Agentic Engineering）平台，从 AI 初创公司到全球企业。其开源框架，包括 LangChain、LangGraph 和 Deep Agents，累计下载量已超过 10 亿，被超过 100 万从业者使用。LangSmith 是可观测性、评估和部署平台，服务超过 300 家企业和 5 家财富 10 强公司。LangChain 由 Sequoia Capital、Benchmark 和 IVP 支持。更多信息，请访问 langchain.com。

加入我们的通讯

来自 LangChain 团队和社区的更新

输入你的邮箱

处理中...

成功！请检查你的收件箱并点击链接确认订阅。

抱歉，出错了。请重试。