Descripción general del flujo de trabajo

Este es un flujo de trabajo de agente inteligente basado en OpenAI y MongoDB, diseñado para la recomendación y gestión de películas. El flujo puede recibir mensajes de chat, consultar datos de películas mediante el marco de agregación de MongoDB y permite almacenar las películas favoritas del usuario nuevamente en la base de datos.

Nombre del flujo de trabajo

MongoDB Agent (Agente Inteligente de MongoDB)

Funcionalidades principales

1. Interacción conversacional inteligente: Recibe solicitudes de consulta de películas del usuario a través de una interfaz de chat.
2. Consulta de datos en MongoDB: Recupera información relevante desde la base de datos de películas de MongoDB utilizando pipelines de agregación.
3. Recomendación de películas: Ofrece recomendaciones personalizadas según las necesidades del usuario.
4. Gestión de favoritos: Permite al usuario guardar sus películas favoritas en la base de datos.

Detalle de los nodos

1. When chat message received (Disparador por mensaje de chat)

• Tipo: @n8n/n8n-nodes-langchain.chatTrigger
• Función: Punto de entrada del flujo de trabajo, recibe mensajes de chat mediante Webhook.
• Configuración:
  • Modo: Webhook (acceso público)
  • Permite solicitudes desde cualquier origen (allowedOrigins: "*")

2. AI Agent - Movie Recommendation (Agente de IA para recomendación de películas)

• Tipo: @n8n/n8n-nodes-langchain.agent
• Función: Agente central de IA que coordina toda la lógica del flujo de trabajo.
• Prompt (indicaciones):
  • Actuar como asistente contextual de películas.
  • Utilizar la herramienta MongoDBAggregate para realizar búsquedas.
  • Proporcionar un array con código de pipeline de agregación de MongoDB.
  • Usar la herramienta insertFavorite únicamente cuando el usuario confirme su deseo de guardar una película.

3. OpenAI Chat Model (Modelo de chat de OpenAI)

• Tipo: @n8n/n8n-nodes-langchain.lmChatOpenAi
• Función: Proporciona capacidades de comprensión y generación de lenguaje mediante IA.
• Credenciales: Conectado a la API de OpenAI.

4. Window Buffer Memory (Memoria con buffer de ventana)

• Tipo: @n8n/n8n-nodes-langchain.memoryBufferWindow
• Función: Mantiene el contexto de la conversación.
• Configuración: Conserva una ventana de contexto con los últimos 10 mensajes.

5. MongoDBAggregate (Herramienta de agregación de MongoDB)

• Tipo: n8n-nodes-base.mongoDbTool
• Función: Ejecuta consultas de agregación en MongoDB.
• Operación: agregación (aggregate)
• Colección: movies (colección de películas)
• Estructura del documento: incluye los siguientes campos:
  • plot: resumen del argumento
  • genres: géneros cinematográficos (array)
  • runtime: duración
  • cast: reparto
  • poster: enlace al póster
  • title: título de la película
  • fullplot: argumento completo
  • languages: idiomas
  • released: fecha de estreno
  • directors: directores
  • rated: clasificación
  • awards: información sobre premios
  • year: año
  • imdb: información de calificación de IMDb

6. insertFavorite (Herramienta para insertar favoritos)

• Tipo: @n8n/n8n-nodes-langchain.toolWorkflow
• Función: Invoca un subflujo para insertar las películas favoritas del usuario en la base de datos.
• ID del flujo de trabajo: 6QuKnOrpusQVu66Q (insertMongoDB)
• Estructura de datos: {"title": "Título de la película"}

7-8. Sticky Note (Notas adhesivas explicativas)

• Función: Proporcionan documentación y explicación del flujo de trabajo.

Flujo de trabajo

1. Recepción de mensaje: El usuario envía una consulta relacionada con películas a través de la interfaz de chat.
2. Análisis por IA: El modelo de OpenAI analiza la intención y necesidades del usuario.
3. Recuperación de datos: Se invoca la herramienta MongoDBAggregate para consultar datos de películas según sea necesario.
4. Mejora de resultados: El agente de IA procesa los resultados de la consulta y genera una respuesta amigable.
5. Guardado de favoritos: Si el usuario confirma que le gusta una película, se invoca la herramienta insertFavorite para guardarla.
6. Mantenimiento del contexto: Window Buffer Memory asegura la coherencia en la conversación.

Relaciones de conexión

• When chat message received → AI Agent - Movie Recommendation
• OpenAI Chat Model → AI Agent - Movie Recommendation (modelo de lenguaje)
• Window Buffer Memory → AI Agent - Movie Recommendation (memoria)
• MongoDBAggregate → AI Agent - Movie Recommendation (herramienta)
• insertFavorite → AI Agent - Movie Recommendation (herramienta)

Características técnicas

1. Arquitectura de agente autónomo: La IA decide de forma autónoma cuándo utilizar cada herramienta.
2. Mantenimiento del contexto: Usa memoria con ventana para conservar la continuidad de la conversación.
3. Consultas flexibles: Soporta pipelines complejos de agregación en MongoDB.
4. Interacción bidireccional: Permite tanto consultar como escribir datos.
5. Acceso público: Puede ser invocado por sistemas externos mediante Webhook.

Casos de uso

• Chatbot de recomendación de películas
• Sistema inteligente de consulta de bases de datos de películas
• Gestión personalizada de colecciones de películas favoritas
• Asistente para búsqueda de información cinematográfica

Estado

• Estado activo: true (el flujo de trabajo está activado)
• Orden de ejecución: v1

Stack tecnológico

• Framework de IA: LangChain
• Modelo de lenguaje: OpenAI
• Base de datos: MongoDB
• Plataforma: n8n workflow automation