### Configuración del Cluster[](https://js.langchain.com/docs/integrations/vectorstores/mongodb_atlas/#initial-cluster-configuration)
Para configurar un cluster de MongoDB Atlas, ve al sitio web de [MongoDB Atlas ](https://www.mongodb.com/)y regístrate si no tienes una cuenta. Cuando se te solicite, crea y nombra tu cluster, que aparecerá en la sección Database. Luego, selecciona "**Browse Collections**" para crear una nueva collection o usar una de los datos de ejemplo proporcionados.
{% hint style="warning" %}
Asegúrate de que el cluster que crees sea versión 7.0 o superior.
{% endhint %}
### Creando el Index
Después de configurar tu cluster, el siguiente paso es crear un index para el campo de la collection que pretendes buscar.
1. Ve a la pestaña **Atlas Search** y haz clic en **Create Search Index**.
2. Selecciona **Atlas Vector Search - JSON Editor**, elige la base de datos y collection apropiada, y luego pega lo siguiente en el cuadro de texto:
```json
{
"fields": [
{
"numDimensions": 1536,
"path": "embedding",
"similarity": "euclidean",
"type": "vector"
}
]
}
```
Asegúrate de que la propiedad `numDimensions` corresponda a la dimensionalidad de los embeddings que estás usando. Por ejemplo, los embeddings de Cohere típicamente tienen 1024 dimensiones, mientras que los embeddings de OpenAI tienen 1536 por defecto.
**Nota:** El vector store espera ciertos valores por defecto, como:
* Un nombre de index de `default`
* Un nombre de campo de collection de `embedding`
* Un nombre de campo de texto sin procesar de `text`
Asegúrate de inicializar el vector store con nombres de campos que coincidan con tu esquema de index y collection, como se muestra en el ejemplo anterior.
Una vez hecho esto, procede a construir el index.
{% hint style="info" %}
Esta sección está en desarrollo. Agradecemos cualquier ayuda que puedas proporcionar para completar esta sección. Por favor, consulta nuestra [Guía de Contribución](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/contributing/README.md) para comenzar.
{% endhint %}
### Configuración en Flowise
Arrastra y suelta el MongoDB Atlas Vector Store, y agrega una nueva credencial. Usa la cadena de conexión proporcionada desde el dashboard de MongoDB Atlas:
Completa el resto de los campos:
También puedes configurar más detalles desde Additional Parameters:
---
# Agent Instructions: Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter:
```
GET https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/vector-stores/mongodb-atlas.md?ask=
```
The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
.png?alt=media)
%20(1)%20(1)%20(1)%20(1)%20(1)%20(1).png?alt=media)
%20(1)%20(1)%20(1)%20(1)%20(1)%20(1)%20(1).png?alt=media)
.png?alt=media)