MongoDB.local Build Fest 2026: Kaikki suuret AI- ja data-alustajulkistukset

Agenttinen koodauspino ja AI-työkaluintegraatiot

MongoDB Atlas Managed MCP Server

• MongoDB:n isännöimä Model Context Protocol (MCP) -palvelin antaa AI-koodausagenteille mahdollisuuden kysellä ja käsitellä reaaliaikaista MongoDB Atlas -dataa luonnollisella kielellä – ilman manuaalista ympäristön pystytystä tai ylimääräistä infrastruktuuria . Palvelinta on jaettu npm:n kautta jo yli 30 000 kertaa .
• Palvelin käyttää yhden napsautuksen OAuth-tunnistautumista, joten kehittäjät voivat yhdistää Atlas-klusterinsa AI-työkaluihin ilman API-avainten tai yhteysmerkkijonojen käsittelyä .

Yhden napsautuksen natiiviliitännät AI-koodaustyökaluissa

• MongoDB on nyt saatavana natiiviliitäntänä/liittimenä markkinapaikoilla Claude Code, Codex, Grok Build ja Devin (sekä erikseen ChatGPT ja Cursor) . Jokainen liitin paketoi MCP-palvelimen oikealla tunnistautumisella ja konfiguraatiolla kyseiselle työkalulle .
• Kehittäjät kirjautuvat sisään yhdellä OAuth-virralla ja voivat heti kysellä reaaliaikaista dataa AI-koodausagenttinsa sisällä .

Atlas App Connections (identiteetti- ja pääsykerros)

• Atlas App Connections on uusi identiteetti- ja pääsykerros, jonka avulla kehittäjät voivat määritellä tarkat käyttöoikeudet sille, mitkä AI-työkalut ja agentit pääsevät käsiksi mihinkin Atlas-dataan. Se tarjoaa turvallisen ja rajatun datapääsyn jakamatta koko tietokannan tunnistetietoja .

Natiivi Vercel v0 -integraatio

• MongoDB ilmoitti laajennetusta kumppanuudesta Vercelin kanssa, mukaan lukien natiivi integraatio Vercel v0:aan (AI-pohjainen kehitystyökalu) . Kehittäjät voivat yhdistää Atlas-resursseja Vercelistä natiivin kirjautumisvirran kautta, jolloin Atlas luo tai linkittää tarvittavan tilin automaattisesti .

AI-haku- ja upotusominaisuudet

Automatisoidut upotukset MongoDB Atlasissa (yleisesti saatavilla)

• Automated Embeddings on nyt yleisesti saatavilla MongoDB Atlasissa, ja se perustuu Voyage AI -malleihin . Se luo automaattisesti vektoriupotuksia datalle sitä kirjoitettaessa, jolloin erillistä upotusputkilinjaa tai ulkoista vektori-tietokantaa ei tarvita .

voyage-code-4 -upotusmalli

• MongoDB julkaisi voyage-code-4 -upotusmallin, joka on optimoitu erityisesti agenttien koodinhakusovelluksiin . Tärkeimmät tiedot:
  • Kontekstipituus: 32 000 tokenia
  • Oletusulottuvuudet: 1024 (tukee myös 256, 512, 2048)
  • Hinnoittelu: 0,00012 dollaria / 1 000 syöte-tokenia
  • Suunniteltu tehostamaan kooditietoista RAG:ia (Retrieval-Augmented Generation) AI-koodausagenteissa .

Atlas Embedding and Reranking API (yleisesti saatavilla)

• Itsenäinen REST API ja Python-asiakasohjelma Voyage AI:n upotus- ja uudelleenjärjestysmalleihin suoraan MongoDB Atlasin kautta . Tätä API:a voidaan käyttää MongoDB-tietokannasta riippumatta – kehittäjät voivat kutsua sitä mistä tahansa sovelluksesta upotusten luomiseen tai tulosten uudelleenjärjestykseen . Se yhdistää koko hakupinon yhteen alustaan .

Natiivi uudelleenjärjestys Atlasissa

• Aiemmin ilmoitettu, mutta Build Festissä vahvistettu: natiivi uudelleenjärjestys Atlasissa (julkinen esikatselu) käyttäen Voyage AI -malleja parantaa hakulaatua jopa 30 % suoraan tietokannan sisällä .

Toimialakonteksti ja johdon kommentit

AI-kehityksen monimutkaisuuden vähentäminen

• MongoDB:n johto kehysti julkistukset teeman "agenttilupauksen ja vaikutuksen välisen kuilun kurominen umpeen" ympärille . Ydinargumentti: AI-agentit ovat nykyään hauraita, koska niiltä puuttuu reaaliaikainen, tarkka pääsy reaaliaikaiseen operatiiviseen dataan. Tuomalla haun (upotusten luonti, vektori-haku, uudelleenjärjestys) suoraan operatiiviseen tietokantaan MongoDB pyrkii poistamaan monitoimittajien "AI-pino-spagetin", joka hidastaa tuotantokäyttöönottoja .
• Sahir Azam (MongoDB:n markkinointijohtaja) totesi, että nämä ominaisuudet tekevät MongoDB:stä "agenttiajan data-alustan" ja antavat AI-agenteille natiivin pääsyn reaaliaikaiseen dataan vanhentuneiden tilannekuvien sijaan .

Operatiivisen datan, vektori- ja upotushallinnan yhdistäminen

• TechTarget-analyytikot totesivat, että MongoDB asemoi Atlasin yhtenäiseksi alustaksi, jossa operatiivinen data, vektoriupotukset ja hakulogiikka elävät yhdessä – sen sijaan, että kehittäjien täytyisi yhdistellä erillinen vektori-tietokanta, upotus-API-palvelu ja uudelleenjärjestystoimittaja .
• Constellation Research -analyytikot huomauttivat, että MongoDB:n strategia ostaa Voyage AI (kauppa päättyi 2025) ja integroida sen mallit syvästi Atlasiin on veto siitä, että "konteksti on AI:n uusi valuutta" – ja että hakukerroksen hallinta antaa MongoDB:lle kestävän kilpailuedun, kun yritykset siirtävät AI:ta prototyypistä tuotantoon .