Сервер використовує автентифікацію OAuth в один клік: розробнику достатньо авторизуватися, і AI-інструмент отримує безпечний доступ до кластера без копіювання паролів чи рядків підключення .

Нативні плагіни в провідних AI-інструментах

MongoDB тепер доступна як рідний плагін або конектор у магазинах додатків для Claude Code, Codex, Grok Build та Devin (а також окремо в ChatGPT і Cursor) . Кожен такий плагін уже містить MCP-сервер із правильно налаштованою автентифікацією — розробнику достатньо підтвердити доступ через OAuth і одразу починати працювати .

Atlas App Connections: безпека для ШІ-агентів

Новий рівень ідентифікації та доступу Atlas App Connections дозволяє призначати чіткі дозволи: який саме AI-агент має доступ до яких даних . Це вирішує проблему безпеки, коли раніше доводилося ділитися повними обліковими даними бази.

Інтеграція з Vercel v0

У рамках розширеного партнерства з Vercel оголошено про нативну інтеграцію з Vercel v0 — AI-інструментом для розробки . Тепер підключити ресурси Atlas можна прямо з інтерфейсу Vercel через рідну авторизацію, причому Atlas може автоматично створити або зв'язати необхідний обліковий запис .

ШІ-пошук та ембедінги: новий стандарт

Автоматичні ембедінги в MongoDB Atlas — тепер загальнодоступні

Функція Automated Embeddings на базі моделей Voyage AI стала загальнодоступною (GA) . Вона автоматично генерує векторні представлення даних у момент їх запису в базу. Розробникам більше не потрібно запускати окремі пайплайни для ембедінгів чи тримати зовнішню векторну базу даних — усе відбувається всередині Atlas .

Модель voyage-code-4: для пошуку в коді

MongoDB запустила нову модель ембедінгів voyage-code-4, оптимізовану спеціально для агентного пошуку по коду . Її ключові характеристики:

• Довжина контексту: 32 000 токенів
• Стандартна розмірність: 1024 (також підтримуються 256, 512, 2048)
• Ціна: $0.00012 за 1K вхідних токенів
• Призначена для RAG-систем у AI-агентах, які пишуть код

Atlas Embedding and Reranking API — тепер GA

Представлено самостійний REST API та Python-клієнт для доступу до моделей ембедінгів та реранкінгу Voyage AI через MongoDB Atlas . Важливо: цей API не залежить від бази даних MongoDB — використовувати його можна з будь-якого застосунку, щоб генерувати ембедінги або покращувати результати пошуку . Таким чином, увесь стек пошуку об'єднується в одній платформі .

Нативний реранкінг у Atlas

Раніше анонсована функція нативного реранкінгу в Atlas (публічне попереднє версія) забезпечує до 30% покращення якості пошуку безпосередньо всередині бази даних, використовуючи моделі Voyage AI .

Контекст галузі: чому це важливо

Зменшення складності AI-розробки

Офіційне гасло заходу — «подолання розриву між обіцянками агентів та реальним впливом» . Керівництво MongoDB аргументує це тим, що сьогоднішні ШІ-агенти часто неефективні саме через відсутність доступу до актуальних операційних даних. Інтегруючи ембедінги, векторний пошук та реранкінг безпосередньо в базу даних, MongoDB позбавляє розробників необхідності збирати «спагеті» з кількох різних вендорів (окрема векторна база, окремий сервіс ембедінгів, окремий провайдер реранкінгу) .

Сахір Азам, головний маркетинговий директор MongoDB, заявив, що ці можливості роблять MongoDB «платформою даних для агентної ери», надаючи AI-агентам нативний доступ до живих даних, а не до застарілих знімків .

Єдина платформа для даних, векторів та пошуку

Аналітики TechTarget зазначають, що MongoDB позиціонує Atlas як єдину платформу, де операційні дані, векторні ембедінги та логіка пошуку співіснують разом . Оглядачі Constellation Research вважають, що стратегія придбання Voyage AI (закрита у 2025 році) та глибокої інтеграції її моделей в Atlas — це ставка на те, що «контекст є новою валютою ШІ», а контроль над рівнем пошуку дає MongoDB стійку перевагу, коли компанії переходять від прототипів AI до реальних продуктів .

Сервер використовує автентифікацію OAuth в один клік: розробнику достатньо авторизуватися, і AI-інструмент отримує безпечний доступ до кластера без копіювання паролів чи рядків підключення .

Нативні плагіни в провідних AI-інструментах

MongoDB тепер доступна як рідний плагін або конектор у магазинах додатків для Claude Code, Codex, Grok Build та Devin (а також окремо в ChatGPT і Cursor) . Кожен такий плагін уже містить MCP-сервер із правильно налаштованою автентифікацією — розробнику достатньо підтвердити доступ через OAuth і одразу починати працювати .

Atlas App Connections: безпека для ШІ-агентів

Новий рівень ідентифікації та доступу Atlas App Connections дозволяє призначати чіткі дозволи: який саме AI-агент має доступ до яких даних . Це вирішує проблему безпеки, коли раніше доводилося ділитися повними обліковими даними бази.

Інтеграція з Vercel v0

У рамках розширеного партнерства з Vercel оголошено про нативну інтеграцію з Vercel v0 — AI-інструментом для розробки . Тепер підключити ресурси Atlas можна прямо з інтерфейсу Vercel через рідну авторизацію, причому Atlas може автоматично створити або зв'язати необхідний обліковий запис .

ШІ-пошук та ембедінги: новий стандарт

Автоматичні ембедінги в MongoDB Atlas — тепер загальнодоступні

Функція Automated Embeddings на базі моделей Voyage AI стала загальнодоступною (GA) . Вона автоматично генерує векторні представлення даних у момент їх запису в базу. Розробникам більше не потрібно запускати окремі пайплайни для ембедінгів чи тримати зовнішню векторну базу даних — усе відбувається всередині Atlas .

Модель voyage-code-4: для пошуку в коді

MongoDB запустила нову модель ембедінгів voyage-code-4, оптимізовану спеціально для агентного пошуку по коду . Її ключові характеристики:

• Довжина контексту: 32 000 токенів
• Стандартна розмірність: 1024 (також підтримуються 256, 512, 2048)
• Ціна: $0.00012 за 1K вхідних токенів
• Призначена для RAG-систем у AI-агентах, які пишуть код

Atlas Embedding and Reranking API — тепер GA

Представлено самостійний REST API та Python-клієнт для доступу до моделей ембедінгів та реранкінгу Voyage AI через MongoDB Atlas . Важливо: цей API не залежить від бази даних MongoDB — використовувати його можна з будь-якого застосунку, щоб генерувати ембедінги або покращувати результати пошуку . Таким чином, увесь стек пошуку об'єднується в одній платформі .

Нативний реранкінг у Atlas

Раніше анонсована функція нативного реранкінгу в Atlas (публічне попереднє версія) забезпечує до 30% покращення якості пошуку безпосередньо всередині бази даних, використовуючи моделі Voyage AI .

Контекст галузі: чому це важливо

Зменшення складності AI-розробки

Офіційне гасло заходу — «подолання розриву між обіцянками агентів та реальним впливом» . Керівництво MongoDB аргументує це тим, що сьогоднішні ШІ-агенти часто неефективні саме через відсутність доступу до актуальних операційних даних. Інтегруючи ембедінги, векторний пошук та реранкінг безпосередньо в базу даних, MongoDB позбавляє розробників необхідності збирати «спагеті» з кількох різних вендорів (окрема векторна база, окремий сервіс ембедінгів, окремий провайдер реранкінгу) .

Сахір Азам, головний маркетинговий директор MongoDB, заявив, що ці можливості роблять MongoDB «платформою даних для агентної ери», надаючи AI-агентам нативний доступ до живих даних, а не до застарілих знімків .

Єдина платформа для даних, векторів та пошуку

Аналітики TechTarget зазначають, що MongoDB позиціонує Atlas як єдину платформу, де операційні дані, векторні ембедінги та логіка пошуку співіснують разом . Оглядачі Constellation Research вважають, що стратегія придбання Voyage AI (закрита у 2025 році) та глибокої інтеграції її моделей в Atlas — це ставка на те, що «контекст є новою валютою ШІ», а контроль над рівнем пошуку дає MongoDB стійку перевагу, коли компанії переходять від прототипів AI до реальних продуктів .