n8n and Zilliz Cloud Integration
Integrate Zilliz Cloud with n8n to build AI-powered workflows with semantic search, RAG, and agents using a visual no-code automation builder.
Utilisez cette intégration gratuitementQu’est-ce que n8n
n8n est une puissante plateforme open-source d’automatisation des workflows qui vous permet de connecter diverses applications, services et API afin de créer des workflows automatisés sans coder. Grâce à son interface visuelle basée sur des nœuds, n8n permet aux utilisateurs de créer des processus d’automatisation complexes en connectant simplement des nœuds qui représentent différents services ou actions. Elle est auto-hébergeable, hautement extensible et prend en charge à la fois les licences fair-code et entreprise.
En intégrant Zilliz Cloud(Milvus entièrement géré) à n8n, vous pouvez apporter la puissance de la recherche vectorielle haute performance et de l’IA à vos workflows d’automatisation.
Avantages de l’intégration n8n + Zilliz Cloud
L’intégration de Zilliz Cloud (Milvus géré) avec n8n élimine la complexité liée à la création de workflows alimentés par l’IA à partir de zéro. Vous pouvez configurer la recherche sémantique, des pipelines RAG et des agents intelligents en quelques minutes, sans écrire une seule ligne de code. Avec Zilliz Cloud qui prend en charge l’infrastructure de base de données vectorielle, vous pouvez vous concentrer sur la création, et non sur la maintenance. Et comme tout s’exécute dans l’éditeur visuel de workflows de n8n, l’ensemble de votre stack IA reste au même endroit, facile à gérer et à faire évoluer.
Fonctionnement de l’intégration
Le nœud Milvus Vector Store agit comme le pont entre n8n et Zilliz Cloud. Lorsqu’un workflow s’exécute, le nœud se connecte à votre instance Zilliz Cloud et gère toutes les opérations vectorielles — insertion de documents, interrogation par similarité sémantique et renvoi de résultats pertinents — directement au sein du pipeline du workflow.
Selon votre cas d’utilisation, le nœud peut être configuré selon quatre modes d’opération : Get Many, Insert Documents, Retrieve Documents (for chains) et Retrieve Documents (for AI agents). Cela le rend suffisamment flexible pour servir de magasin de données autonome, de récupérateur connecté à une chaîne de questions-réponses, ou d’outil de connaissance en direct branché directement à un agent d’IA.
Des options supplémentaires telles que le filtrage des métadonnées et la gestion des collections vous offrent un contrôle précis sur la manière dont les données sont stockées et récupérées dans Zilliz Cloud.
Étape par étape : configuration du nœud Milvus Vector Store dans n8n
Le nœud Milvus Vector Store prend en charge quatre modèles d’utilisation. Choisissez celui qui correspond à votre workflow.
Modèle 1 : Insérer et récupérer des documents (nœud standard)
Utilisez le Milvus Vector Store comme nœud autonome dans un workflow standard — sans agent IA impliqué.
- Définissez le mode d’opération sur Insert Documents pour stocker du contenu dans une collection Milvus.
- Définissez le mode d’opération sur Get Many pour récupérer des documents en fonction de leur similarité sémantique avec une invite de requête.
- Facultativement, activez Clear Collection avant l’insertion afin de supprimer d’abord les données existantes.
- Utilisez Metadata Filter en mode Get Many pour restreindre les résultats selon des champs de métadonnées personnalisés (plusieurs filtres appliquent une logique AND).
Ce modèle est idéal pour créer des pipelines de documents qui stockent et récupèrent du contenu pour des réponses citées basées sur le chat.
Modèle 2 : Se connecter directement à un agent IA en tant qu’outil
Branchez le Milvus Vector Store directement au connecteur d’outils d’un agent IA afin que l’agent puisse interroger le vector store de manière autonome lorsqu’il répond à des questions.
Flux de connexion :
AI Agent (connecteur d’outils) → Milvus Vector Store
- Dans le nœud Milvus Vector Store, définissez le mode d’opération sur Retrieve Documents (As Tool for AI Agent).
- Connectez le nœud au connecteur d’outils de votre nœud AI Agent.
- L’agent décidera quand interroger Milvus en fonction de la question de l’utilisateur, en l’utilisant comme ressource de connaissances dynamique.
Ce modèle fonctionne bien lorsque vous souhaitez que l’agent IA dispose d’un accès flexible et à la demande à une base de connaissances.
Modèle 3 : Utiliser un Retriever avec une chaîne de Q&R
Associez le Milvus Vector Store à un Vector Store Retriever et à une Question and Answer Chain pour créer un système de Q&R structuré.
Flux de connexion :
Question and Answer Chain (connecteur Retriever) → Vector Store Retriever (connecteur Vector Store) → Milvus Vector Store
- Définissez le mode d’opération du Milvus Vector Store sur Retrieve Documents (As Vector Store for Chain/Tool).
- Connectez-le au connecteur Vector Store du nœud Vector Store Retriever.
- Connectez le Retriever au connecteur Retriever du nœud Question and Answer Chain.
- La chaîne récupérera automatiquement les documents les plus pertinents depuis Milvus pour répondre à l’entrée de l’utilisateur.
Ce modèle est le mieux adapté aux Q&R structurées sur documents, lorsque vous voulez une récupération précise avant de générer une réponse.
Modèle 4 : Utiliser l’outil Vector Store Question Answer
Au lieu de connecter Milvus directement comme outil, enveloppez-le avec un nœud Vector Store Question Answer Tool. Cet outil résume le contenu récupéré avant de le transmettre à l’agent.
Flux de connexion :
AI Agent (connecteur d’outils) → Vector Store Question Answer Tool (connecteur Vector Store) → Milvus Vector Store
- Définissez le mode d’opération du Milvus Vector Store sur Retrieve Documents (As Vector Store for Chain/Tool).
- Connectez-le au connecteur Vector Store du nœud Vector Store Question Answer Tool.
- Connectez le QA Tool au connecteur d’outils de l’AI Agent.
- L’outil gère automatiquement la récupération et le résumé, donnant à l’agent une réponse plus propre et condensée avec laquelle travailler.
Ce modèle est utile lorsque vous souhaitez que l’agent reçoive une réponse résumée de la base de connaissances plutôt que des fragments de documents bruts.
En savoir plus
- Guide d’intégration Milvus × n8n
- Créer un système de questions-réponses documentaire avec RAG en utilisant Milvus, Cohere et OpenAI pour Google Drive
- Paramètres du nœud Milvus - Demandes de fonctionnalités
- Documentation de l’intégration n8n Milvus
- J’ai découvert ce dépôt N8N qui a réellement décuplé l’efficacité de l’automatisation de mes workflows
- https://zilliz.com/product/integrations