資料庫公司MongoDB昨日推出多項新功能，旨在簡化AI開發流程，透過整合資料庫與代理程式程式開發平台，並提供自動化向量嵌入等技術，讓開發者能更有效率地將營運數據用於人工智慧應用，以解決當前企業AI專案開發不易成功的挑戰。
MongoDB 週四公布一系列新功能，旨在協助軟體開發者更有效率地將營運資料整合至人工智慧（AI）開發工作流程中。這些更新強調整合現有工具，以期簡化過去因多重系統導致的營運複雜性。
根據《Search IT Operations》報導，這些新增功能包含與 Grok Build、Vercel 等代理程式程式開發平台（Agentic Coding Platform，指能透過AI自動執行程式碼撰寫與修改的平台）的連接器與整合，以及為 MongoDB 的資料庫服務 Atlas 推出的管理型模型上下文協定（Model Context Protocol, MCP）伺服器。此外，MongoDB Atlas 也將提供自動化的 Voyage AI 向量嵌入（Vector Embeddings，將資料轉換為數值向量，讓AI能理解其語義與關聯性的技術）。
研究公司 Omdia 分析師 Stephen Catanzano 表示，這套強大的功能集合解決了過往將資料庫、向量資料庫與嵌入服務等不同系統拼湊在一起所造成的營運複雜性與資料過時問題。他指出，MongoDB 的解決方案將即時營運資料與 AI 檢索及代理程式工作流程整合，消除同步處理的負擔，同時讓開發者能繼續使用熟悉的工具。相較之下，競爭對手如 Couchbase、Databricks、Snowflake 等，通常要求團隊自行整合多個獨立的資料庫與服務，導致不斷的資料同步需求。
另一家研究機構 BARC U.S. 的分析師 Kevin Petrie 也認為，這些新功能強化了 MongoDB 作為領先的多模態資料庫地位，能支援代理式 AI 應用。他強調，MongoDB 正確辨識出 AI 專案需要多樣化的結構化與非結構化資料輸入，以及多元的搜尋與檢索方法，而其整合能力正能滿足這些需求。
此次更新也納入與熱門大型語言模型（LLM）Claude、ChatGPT 及 Gemini 的原生連接器，使開發者能將即時營運資料整合至這些 AI 模型所驅動的應用程式中。MongoDB 的產品長 Ben Cefalo 表示，公司的目標是「更少的系統、更高的準確度，以及更少的人力維護基礎設施」。這項策略與德勤（Deloitte）的報告不謀而合。德勤指出，截至 2026 年，僅有四分之一的企業預期其 AI 專案中，只有不到四成能成功通過實驗階段。