MongoDB 在伦敦举行的 ".Local" 活动上，公开了将人工智能代理部署到实际服务环境所需功能集成一体的新平台能力。其核心在于提升数据检索速度与准确性，以及加强安全连接性。这被解读为一项正面针对"AI竞争力取决于数据层而非模型本身"这一观点的更新。
公司表示，此次发布的 MongoDB 8.3 相较于现有的 8.0 版本，读取性能最高提升 45%，写入性能提升 35%，高完整性事务提升 15%，复杂任务处理提升 30%。他们特别强调，开发者无需修改代码或调整基础设施即可获得这些性能改进。MongoDB 解释称，其设计旨在满足企业级 AI 系统所需的"低于 100 毫秒"的数据检索、"低于 1 秒"的上下文更新以及无中断运营。
首席执行官 C.J. Desai 表示："在运营环境中运行 AI 代理时，最困难的部分不是模型本身，而是其底下的数据层。" 这意味着，代理型 AI 的性能不仅取决于多快能找到数据，还取决于它能像"记忆"一样一次维持并准确读取多少上下文信息。
通过向量搜索与嵌入自动化提升准确性
除了速度提升，MongoDB 还新增了旨在提高搜索准确性的功能。以公开预览形式推出的 "Automated Voyage Embeddings"，能够在 MongoDB 向量搜索内部自动将文本和文档数据转换为向量嵌入。向量嵌入是一种将单词、句子、段落、图像等信息转换为数字数组形式，以帮助 AI 更精确地寻找语义相似性的技术。
该功能基于 MongoDB 去年收购的 Voyage AI 的技术。公司说明指出，以往，AI 工程师或业务部门每次加载文档或图像时都需要单独生成嵌入，而此功能实现了自动化，从而降低了运营负担，提高了开发效率。
AI 及新业务部门首席产品官 Pablo Stern 表示："当 AI 工具或代理给出错误答案时，通常会归咎于模型，但提供正确上下文和记忆的，最终还是数据平台。" 这番话指出了 AI 代理性能的瓶颈可能在于数据处理结构而非模型本身。
此外，MongoDB 还正式发布了面向 JavaScript 和 TypeScript 开发者的 LangGraph.js 长期记忆存储库。它基于 MongoDB Atlas 提供此前主要可在 Python 生态系统中使用的代理记忆功能，使开发者无需额外数据库即可实现。
面向受监管行业的 AWS Private Link 支持
安全与合规应对能力也得到了加强。MongoDB 表示，通过正式支持 AWS Private Link，不同 AWS 区域的 MongoDB 集群之间的流量将不经过公共互联网，仅在 AWS 私有网络内部传输。
此举针对的是银行、医疗保健、政府机构等对数据存储位置和传输安全要求严格的行业。MongoDB 说明，通过此功能，运营团队和工程组织可以加快安全团队的审批速度，同时减轻处理例外的负担，并推进全球服务扩展。
此次发布表明，AI 基础设施的竞争正迅速从模型开发转向实际运营环境。特别是在企业市场，相较于简单地引入生成式 AI，搜索准确性、长期记忆、安全连接性等"可运营 AI"的条件正变得更为重要。MongoDB 正试图将其领域从数据库扩展到 AI 代理运行的平台基础。
TP AI 注意事项 本文基于 TokenPost.ai 基础语言模型进行了摘要。正文的主要内容可能被省略或与事实不符。