MongoDB Atlas Vector Search는 MongoDB Inc.가 제공하는 관리형 클라우드 데이터베이스 서비스인 MongoDB Atlas의 기능이다. 이를 통해 사용자는 운영 데이터와 함께 벡터 임베딩을 저장, 인덱싱, 쿼리할 수 있어 의미론적 검색, 추천 시스템 및 기타 인공지능 애플리케이션을 용이하게 한다. 이 기능은 널리 사용되는 머신러닝 프레임워크 및 임베딩 모델과 함께 작동하도록 설계되어, 개발자가 별도의 벡터 데이터베이스를 관리하지 않고도 AI 기반 기능을 구축할 수 있게 한다.
MongoDB Atlas의 벡터 검색은 MongoDB의 문서 모델을 활용하며, 각 문서는 전통적인 필드와 벡터 임베딩을 모두 포함할 수 있다. 이러한 통합은 별도의 벡터 저장소의 필요성을 제거하여 운영 복잡성과 지연 시간을 줄이고 데이터 관리를 단순화한다. 이 기능은 HNSW(Hierarchical Navigable Small World)와 같은 근사 최근접 이웃(ANN) 검색 알고리즘을 지원하여 대규모에서도 유사한 벡터를 효율적으로 검색한다.
역사
MongoDB Atlas는 2016년 완전 관리형 데이터베이스 서비스로 출시되었으며, 처음에는 AWS, Google Cloud 및 Azure를 지원했다. 2024년까지 Atlas는 MongoDB 수익의 약 70%를 차지했다. 벡터 검색 기능은 AI 및 머신러닝 기능에 대한 수요 증가에 대응하여 나중에 도입되었다. 2023년 MongoDB는 Atlas Vector Search의 일반 공급을 발표하여 벡터 검색을 MongoDB 쿼리 언어에 직접 통합했다. 이 릴리스는 개발자가 기존에 사용하던 집계 파이프라인과 드라이버를 사용하여 의미론적 검색을 수행할 수 있게 했다.
주요 기능
Atlas Vector Search는 벡터 검색과 하이브리드 검색을 모두 지원한다. 하이브리드 검색은 벡터 유사성을 전통적인 키워드 기반 필터링과 결합하여 더 정확한 결과를 가능하게 한다. 사용자는 벡터 필드에 인덱스를 정의할 때 임베딩 차원, 유사성 측정 기준(코사인, 유클리드, 내적 등) 및 고려할 후보 수를 지정할 수 있다. 이 기능은 메타데이터 필드에 대한 필터링도 지원하여 쿼리가 비벡터 속성을 기반으로 결과를 제한할 수 있게 한다.
또 다른 중요한 측면은 대규모 언어 모델 워크플로우와의 통합이다. 개발자는 OpenAI 또는 Anthropic과 같은 제공업체의 모델을 사용하여 임베딩을 생성하고, 이를 MongoDB Atlas에 저장한 다음, 검색 증강 생성(RAG)을 수행하여 언어 모델의 응답을 향상시킬 수 있다. 이 패턴은 챗봇, 질의응답 시스템 및 문서 검색 애플리케이션에서 널리 사용된다.
사용 사례
Atlas Vector Search의 일반적인 사용 사례에는 제품 카탈로그에 대한 의미론적 검색, 개인화된 추천, 이상 탐지 및 이미지 유사성 검색이 포함된다. 예를 들어, 전자상거래 플랫폼은 제품 설명과 사용자 쿼리를 벡터로 임베딩하여 사용자가 정확한 키워드가 아닌 의미를 기반으로 항목을 찾을 수 있게 한다. 금융 분야에서는 벡터 검색이 패턴을 비교하여 사기 거래를 탐지하는 데 도움이 될 수 있다. 이 기능은 의료 분야에서 환자 증상을 관련 의학 문헌과 매칭하는 데에도 사용된다.
성능 및 확장성
MongoDB Atlas Vector Search는 MongoDB의 샤딩 기능을 활용하여 수평적으로 확장되도록 설계되었다. 벡터 인덱스는 샤드에 분산되어 시스템이 대량의 임베딩을 처리할 수 있다. 기본 스토리지 엔진인 WiredTiger는 효율적인 메모리 관리와 디스크 기반 작업을 지원하여 데이터 세트가 RAM을 초과하는 경우에도 성능을 보장한다. 2025년 현재 MongoDB는 이 기능을 계속 개선하여 더 많은 유사성 측정 기준을 지원하고 쿼리 성능을 향상시켰다.
AI 생태계와의 통합
Atlas Vector Search는 다양한 AI 도구 및 프레임워크와 통합된다. OpenAI API를 지원하여 임베딩을 생성하며, Cohere 및 Hugging Face와 같은 제공업체의 다른 임베딩 모델도 지원한다. MongoDB는 Python, Node.js 및 Java를 포함한 널리 사용되는 프로그래밍 언어용 드라이버와 튜토리얼을 제공한다. 이 기능은 LangChain 및 LlamaIndex와 같은 오케스트레이션 프레임워크와도 작동하여 개발자가 최소한의 노력으로 정교한 AI 애플리케이션을 구축할 수 있게 한다.
라이선스 및 가용성
MongoDB Atlas는 상용 서비스이며, Atlas Vector Search는 모든 주요 클라우드 플랫폼인 Amazon Web Services, Azure 및 Google Cloud에서 사용할 수 있다. 기본 MongoDB 소프트웨어는 서버 측 공개 라이선스(SSPL)로 라이선스가 부여되어 있으며, 이는 별도의 계약 없이 MongoDB를 서비스로 제공하는 것을 제한한다. 그러나 Atlas Vector Search는 관리형 제공이므로 사용자는 데이터베이스 자체의 라이선스에 대해 걱정할 필요가 없다. 이 기능은 무료 M0 클러스터를 포함한 모든 Atlas 계층에서 사용할 수 있어 개발자가 비용 없이 실험할 수 있다.
결론
MongoDB Atlas Vector Search는 벡터 데이터베이스를 전통적인 문서 저장소와 통합하는 중요한 단계를 나타낸다. 운영 데이터와 벡터 임베딩을 위한 통합 플랫폼을 제공함으로써 AI 애플리케이션의 아키텍처를 단순화한다. 생성형 AI 및 의미론적 검색에 대한 수요가 계속 증가함에 따라 Atlas Vector Search는 지능형 애플리케이션을 구축하는 개발자를 위한 핵심 도구로 자리 잡고 있다.