n8n and Zilliz Cloud Integration

n8n は、さまざまなアプリケーション、サービス、API を接続して、コーディングなしで自動化ワークフローを作成できる強力なオープンソースのワークフロー自動化プラットフォームです。ノードベースのビジュアルインターフェースにより、n8n は、異なるサービスやアクションを表すノードを接続するだけで、複雑な自動化プロセスを構築できます。セルフホスト可能で、高い拡張性を備え、フェアコードライセンスとエンタープライズライセンスの両方をサポートしています。

Zilliz Cloud(完全マネージド Milvus) を n8n と統合することで、高性能なベクトル検索と AI の力を自動化ワークフローに取り入れることができます。

Zilliz Cloud（マネージドMilvus）をn8nと統合することで、AIを活用したワークフローをゼロから構築する複雑さを取り除けます。コードを書かずに、セマンティック検索、RAGパイプライン、インテリジェントエージェントを数分でセットアップできます。Zilliz Cloudがベクトルデータベースインフラを処理するため、メンテナンスではなく構築に集中できます。そして、すべてがn8nのビジュアルワークフローエディター内で実行されるため、AIスタック全体を一か所にまとめ、簡単に管理・スケーリングできます。

Milvus Vector Store ノードは、n8n と Zilliz Cloud の間の橋渡しとして機能します。ワークフローが実行されると、このノードは Zilliz Cloud インスタンスに接続し、ドキュメントの挿入、セマンティック類似性によるクエリ、関連する結果の返却といったすべてのベクトル操作を、ワークフローパイプライン内で直接処理します。

ユースケースに応じて、このノードは Get Many、Insert Documents、Retrieve Documents (for chains)、Retrieve Documents (for AI agents) の 4 つの操作モードで設定できます。これにより、スタンドアロンのデータストア、質問応答チェーンに接続されたリトリーバー、または AI エージェントに直接接続されたライブナレッジツールとして機能できる柔軟性があります。

メタデータフィルタリングやコレクション管理などの追加オプションにより、Zilliz Cloud でデータを保存および取得する方法をきめ細かく制御できます。

Milvus Vector Storeノードは4つの使用パターンをサポートしています。ワークフローに合うものを選択してください。

パターン1: ドキュメントの挿入と取得（通常ノード）

Milvus Vector Storeを通常のワークフロー内のスタンドアロンノードとして使用します—AIエージェントは関与しません。

• コンテンツをMilvusコレクションに保存するには、操作モードをInsert Documentsに設定します。
• クエリプロンプトとの意味的類似性に基づいてドキュメントを取得するには、操作モードをGet Manyに設定します。
• 必要に応じて、挿入前にClear Collectionを有効にして、既存のデータを先に削除します。
• Get ManyモードでMetadata Filterを使用し、カスタムメタデータフィールドで結果を絞り込みます（複数のフィルターにはANDロジックが適用されます）。

このパターンは、引用付きのチャットベースの回答のためにコンテンツを保存および取得するドキュメントパイプラインの構築に最適です。

パターン2: ツールとしてAIエージェントに直接接続する

Milvus Vector StoreをAIエージェントのツールコネクターに直接接続し、エージェントが質問に回答する際に自律的にベクトルストアをクエリできるようにします。

接続フロー:

AI Agent（tools connector）→ Milvus Vector Store

• Milvus Vector Storeノードで、操作モードをRetrieve Documents (As Tool for AI Agent)に設定します。
• ノードをAI Agentノードのtools connectorに接続します。
• エージェントはユーザーの質問に基づいてMilvusをいつクエリするかを判断し、動的なナレッジリソースとして使用します。

このパターンは、AIエージェントにナレッジベースへの柔軟なオンデマンドアクセスを持たせたい場合に適しています。

パターン3: Q&AチェーンでRetrieverを使用する

Milvus Vector StoreをVector Store RetrieverおよびQuestion and Answer Chainと組み合わせて、構造化されたQ&Aシステムを構築します。

接続フロー:

Question and Answer Chain（Retriever connector）→ Vector Store Retriever（Vector Store connector）→ Milvus Vector Store

• Milvus Vector Storeの操作モードをRetrieve Documents (As Vector Store for Chain/Tool)に設定します。
• それをVector Store RetrieverノードのVector Store connectorに接続します。
• RetrieverをQuestion and Answer ChainノードのRetriever connectorに接続します。
• チェーンはMilvusから最も関連性の高いドキュメントを自動的に取得し、ユーザーの入力に回答します。

このパターンは、回答を生成する前に正確な検索を行いたい、構造化されたドキュメントQ&Aに最適です。

パターン4: Vector Store Question Answer Toolを使用する

Milvusをツールとして直接接続する代わりに、Vector Store Question Answer Toolノードでラップします。このツールは、取得したコンテンツをエージェントに渡す前に要約します。

接続フロー:

AI Agent（tools connector）→ Vector Store Question Answer Tool（Vector Store connector）→ Milvus Vector Store

• Milvus Vector Storeの操作モードをRetrieve Documents (As Vector Store for Chain/Tool)に設定します。
• それをVector Store Question Answer ToolノードのVector Store connectorに接続します。
• QA ToolをAI Agentのtools connectorに接続します。
• ツールは取得と要約を自動的に処理し、エージェントが扱いやすい、より整理された凝縮済みの回答を提供します。

このパターンは、エージェントに生のドキュメントチャンクではなく、ナレッジベースから要約された回答を受け取らせたい場合に便利です。

• Milvus × n8n 統合ガイド
• Milvus、Cohere、OpenAI を使用して Google Drive 向けの RAG によるドキュメント QA システムを構築する
• Milvus ノード設定 - 機能リクエスト
• n8n Milvus 統合ドキュメント
• ワークフロー自動化の効率を実際に10倍にしたこの N8N リポジトリを発見した
• https://zilliz.com/product/integrations