Backend
A infraestrutura de backend do Vectora foi projetada para resolver o maior gargalo dos agentes de IA modernos: a gestão de estado em escala. Enquanto o runtime do Vectora processa a inteligência, o backend garante que essa inteligência seja fundamentada em dados persistentes, seguros e buscáveis.
O Vectora utiliza uma arquitetura unificada baseada em MongoDB Atlas, permitindo que vetores, metadados e memória operacional coexistam no mesmo ecossistema.
O Motor por Trás do Contexto
Tópicos desta seção
| Página | Descrição |
|---|---|
| MongoDB Atlas | Por que escolhemos o Atlas e como ele serve como nossa fundação de dados. |
| Busca Vetorial | Mergulho técnico em embeddings, similaridade de cosseno e o algoritmo HNSW. |
| Persistência e Memória | Como o Vectora mantém o estado entre sessões e constrói a memória de longo prazo (AGENTS.md). |
Visão Geral da Arquitetura
O backend do Vectora não é apenas um local de armazenamento; é uma extensão do Harness Runtime.
graph TD
A[Vectora Runtime] --> B{Service Layer}
B --> C[Vector Service]
B --> D[Session Service]
B --> E[Audit Service]
subgraph "MongoDB Atlas (Gerenciado pela Kaffyn)"
C --> F[(Documents & Vectors)]
D --> G[(Operational State)]
E --> H[(Audit Logs)]
end
Princípios de Backend
- Isolamento por Namespace (RBAC): O backend impõe limites rígidos. Dados de um projeto nunca se misturam com outros, garantindo privacidade multi-tenant.
- Atomicidade: Vetores e metadados de código são armazenados juntos. Se um arquivo é atualizado, o índice vetorial e o documento são atualizados simultaneamente.
- Escalabilidade Transparente: Usando MongoDB Atlas, o Vectora escala de pequenos projetos individuais a codebases corporativas com milhões de linhas de código sem perda de performance.
- Governança Ativa: Cada interação é persistida e auditável, permitindo transparência total sobre as ações da IA.
Modos de Backend
| Modo | Descrição | Uso Ideal |
|---|---|---|
| Gerenciado (SaaS) | Backend MongoDB Atlas provisionado pela Kaffyn. Zero configuração. | Planos Free, Pro e Team. |
| Híbrido (BYOK) | Você fornece as chaves de API do Voyage, mas o Atlas é gerenciado pela Kaffyn. | Controle de custo de API com facilidade infra. |
| Enterprise / Custom | Conexão com seu próprio cluster MongoDB Atlas ou infraestrutura on-premise. | Requisitos rígidos de soberania de dados. |
Perguntas Frequentes
P: Onde meus vetores ficam armazenados fisicamente? R: Nos clusters do MongoDB Atlas gerenciados pela Kaffyn, geralmente localizados em regiões AWS ou Google Cloud de baixa latência.
P: Meus dados de backend são usados para treinar modelos da Kaffyn? R: Não. Seguimos uma política estrita de privacidade. Seus vetores e metadados são de sua propriedade exclusiva e usados apenas para fornecer contexto ao seu agente.
P: O backend é necessário para o modo offline? R: O Vectora permite caching local de alguns metadados, mas a busca vetorial semântica completa e a memória persistente de longo prazo dependem da conectividade com o backend.
External Linking
| Concept | Resource | Link |
|---|---|---|
| MongoDB Atlas | Atlas Vector Search Documentation | www.mongodb.com/docs/atlas/atlas-vector-search/ |
| MCP | Model Context Protocol Specification | modelcontextprotocol.io/specification |
| MCP Go SDK | Go SDK for MCP (mark3labs) | github.com/mark3labs/mcp-go |
| RBAC | NIST Role-Based Access Control Standard | csrc.nist.gov/projects/rbac |
| RAG | Retrieval-Augmented Generation for Knowledge-Intensive NLP | arxiv.org/abs/2005.11401 |
| HNSW | Efficient and robust approximate nearest neighbor search | arxiv.org/abs/1603.09320 |
Frase para lembrar: “O runtime é o cérebro; o backend é a biblioteca. Sem uma biblioteca organizada, o cérebro não tem onde buscar as respostas.”
Parte do ecossistema Vectora · Open Source (MIT) · Contribuidores