Oracle Agent Memory для AI-агентаў са станам
Oracle Agent Memory з LangChain і ATP для агентаў са станам: RAG, эпізадычныя нататкі, настольная абгортка на Streamlit і REST-хукі для навыкаў агентаў у IDE.
Крыніцы: Exploring Oracle Agent Memory
Калі агенты AI пераходзяць з простых чатоў у рабочыя працэсы, якія распрастраńваюцца на кальколькі сесій, памяц стае крэатывным патрабавам. Oracle Agent Memory расшыруе Oracle Database да роўня стойкай памяці, так што агенты можаць зберагаць кантэкст, вучыцца на паўзловых взаімадзеяннях і прагрэсаваць з часам.
Што значыць памяц агента
Памяц агента — гэта стойкае зберагачванне, якое дазваляе агентам зберагаць, выкарыстоўваць і апдэйтаваць інфармацыю між сесіямі і рабочымі працэсамі. Гэта не проста RAG. Яна включае краткатрывалы кантэкст (тэкучая розмова) і дзейнасці на далёкую перспектыву (перакананні, історычныя рэзультаты, засвоеныя знанні). За дапамогою яе агенты зберагаюць стан і прыстосоўваюцца на адной основе досвіду, а не пачынаюць з нуля ў кожны раз.
Без памяці агенты страждаюць амнэзіяй: яны не можуць прыгадаць пакульнія взаімадзеі і становяцца ненадзеянымі у практычнай прымене. Памяць дазваляе парадуктуальнасці, персоналізацыі, выкарыстоўванню знанняў і стойкасці рабочага працэсу. Агенты можуць продаваць задачы, прыгадваць цялі і абмежэнні, а таксама з часам праграмаваць лепшыя рашэнні. Для работаў з далёкім тэрміном памяць ёсць неабходная для адносна стабільных і корыстных рэзультатаў.
Чаму Oracle
Oracle вбудоввае памяць агентаў у саму базу дадзенаў. Oracle AI Agent Memory выкарыстоўвае з’еднаны набор тэхналогій (вектарныя, рэляцыйныя, JSON і графы), таму калькі паўтароў памяці і стратэгій выкарыстоўвання дадзенаў раздзеляюць адну платформу. Памяць знаходзіцца празаўсёды разам з дадзеннямі падпрыемства, што спрыяе безпецы, карыстаўнам управлінню і масштабаванню, а таксама запобегае розбрызганню спецыяльных сховішчаў дадзенаў. Autonomous Database даўае можлівасць самастойнага управління, апдэйтаў і аўтаматычнага масштабавання для команд, якія жадаюць стабільнасці без неабходнасці сталога нагляду за базай дадзенаў.
Стварэнне трэкера актыўнасці
Работа з кліентамі часта абяўляе ся ў кераванні множыццю задач. Змена кантэксту ёсць даскладной, а нотаткі лёгкая згубляцца. У даным прыкладзе выкарыстоўваецца LangChain з Oracle Agent Memory для RAG, трэкінгу кантактаў і епізодычнай памяці ў адной сістэме зберагачаў даных.
Працюе будзь-якае адэнтнасц 26ai, уключаючы безкоштовны кантэйнер Oracle Database. Oracle публікуе інструкцыі па локальнай наладзе пад дакументацыяй Agent Memory для версіі 26.4.
ATP з TLS
Адэнтнасц Аўтонамнай апрацоўкі транзакцый, налаштаваная для OLTP, ёсць хорашым выбрам. TLS паўсараваны з ACL абмежвае доступ да доверлівых месцаў. Заместо mTLS выкарыстоўваецца TLS, таму кліентам не патрабуецца файл-гаманець. Образ распрацоўшчыка дапамагае зменшыць вартасць і размер для пратэтапаў.
Праект і залежнасці
Створыце venv і установіце:
python3 -m venv .venv
source .venv/bin/activate
pip install langchain-oci
pip install oracleagentmemory
Канфігурацыя OCI
OCI Generative AI аддаеембдынгі і модэлі мовы за запатрабаваннем. Для локальнага камп’ютара патрабуецца профіль у катэгорыі ~/.oci/config. Адзін раз прыгляніце інструкцыі па наладзе SDK OCI.
Перакананні наявнасці з’яноў
Вікніце «З’язак з базай знакоў» у консолі OCI паказвае, як стварыць пул Python oracledb праз TLS. Пасля чаго короткі скрыпт можа выканаць тэсты памяці Oracle Agent:
''' Script to test access to Oracle Agent Memory '''
# load dependenies
from oracleagentmemory.apis.searchscope import SearchScope
from oracleagentmemory.core import OracleAgentMemory
from oracleagentmemory.core.dbschemapolicy import SchemaPolicy
from oracleagentmemory.core.embedders.embedder import Embedder
from oracleagentmemory.core.llms.llm import Llm
import oracledb
from pathlib import Path
from oci.config import from_file
# create connection object
def return_connection():
try:
pool = oracledb.create_pool(
user=DB_USER,
password=DB_PASSWORD,
dsn=CONNECT_STRING,
)
return pool
except Exception as e:
raise(e)
connection = return_connection()
print('database connection made')
# set OCI config parameters
config = from_file('~/.oci/config')
oci_key_file = str(Path(config['key_file']).expanduser())
compartment_id = config['compartment_id']
# set embedding model
oci_embedder = Embedder(model="oci/cohere.embed-english-v3.0",
oci_compartment_id=config['compartment_id'],
oci_region=config['region'],
oci_user=config['user'],
oci_fingerprint=config['fingerprint'],
oci_tenancy=config['tenancy'],
oci_key_file=oci_key_file)
# set language model
oci_llm = Llm(model="oci/openai.gpt-oss-120b",
oci_compartment_id=config['compartment_id'],
oci_region=config['region'],
oci_user=config['user'],
oci_fingerprint=config['fingerprint'],
oci_tenancy=config['tenancy'],
oci_key_file=oci_key_file)
try:
memory = OracleAgentMemory(connection=connection,
embedder=oci_embedder,
llm=oci_llm,
schema_policy=SchemaPolicy.CREATE_IF_NECESSARY,
table_name_prefix="OAM_")
print("successfully connected to agent memory")
except Exception as e:
raise(e)
По замовчанню SDK чакаець, што існуюць схемы Agent Memory. Пад час першага наладжвання дазвольце хранэлю памяці стварыць свае об’екты (SchemaPolicy.CREATE_IF_NECESSARY у прыкладзе). Пользоватальнік базы дадзеных павінен маты правыя на стварэнне табелей і векторных індэксаў. Пасля стварэння схемы можна застосавіць строгейшую політыку.
Агент LangChain і UI
Агент паўтарае знайомую структуру LangChain: інструменты, LLM, сістэмны запрос і ўсе гэта з’едынена ў аднаго агента. Перад нім знаходзіцца інтэрфейс Streamlit, дзе можна інтэрактыўна дадаваць, адчыняць або вычысцваць запісы.
Працэсы, якія трэба было выправіць
Першыя версіі былі занадта гнучкімі: агент апдэйтаваў памяць прытым, як і адпавядаў, што падсіліла галюцінаціі. Зменшэнне такога парадку дапамогла. Інтэрфейс можа прыймаць файлы чыста маркдаун у катэгорыі (праекты, внутршні даны, платформа). Ручны спосаб вышуквання дазволяе знаходзіць памяці за дапамою нейтральнай мовы, катэгорыі чыста даты, не завжды запрашваючы агента. Чат вышуквае інформацыю ў базе знанняячыроз агента. Застарэлыя памяці можна выдаліць по адной.
Канцэнтры REST і навык Cline
Канцэнтры FastAPI падтрымляюць програмную работу:
- GET
/health - POST
/memories - GET
/memories - GET
/search - POST
/memories/delete
Этыя канцэнтры таксама вікорыстоўваюцца для навыку Cline, таму памяці можна апдэйтаваць з задання ў VS Code.
Дэсктопны пакет
Ёнколі не патрабуецца адзін дапіс у браузеры — маленькі запускчык pywebview запускае Streamlit на localhost, чакае, пакуль той не дастань адказу, а пасля ачынае стандартнае вікно. Streamlit запускае FastAPI як фонавыя падпроцэс, тады вся сістэма выглядае як адна локальная прыкладка:
from pathlib import Path
import subprocess
import time
import urllib.request
import webview
PROJECT_DIR = Path("/path/to/your/project")
URL = "http://127.0.0.1:8501"
streamlit = subprocess.Popen(
[
str(PROJECT_DIR / ".venv/bin/streamlit"),
"run",
"app.py",
"--server.address=127.0.0.1",
"--server.port=8501",
"--server.headless=true",
],
cwd=PROJECT_DIR,
)
try:
start = time.time()
while time.time() - start < 30:
try:
with urllib.request.urlopen(URL, timeout=1):
break
except Exception:
time.sleep(0.5)
webview.create_window("HiveMind AI", URL, width=1200, height=850)
webview.start()
finally:
streamlit.terminate()
Пакет з PyInstaller:
cd /path/to/your/project
source .venv/bin/activate
pip install pywebview pyinstaller
pyinstaller --windowed \
--name "HiveMind AI" \
--icon assets/hivemind_ai_icon.icns \
hivemind_desktop.py
Гэта дае dist/HiveMind AI.app, які можа знаходзіцца ў /Applications і запускацца з Spotlight.
Рашэнні па дызайну, якія заставілі дэман чыстым
Тры рашэнні зробілі прыклад прыдатным для вікорыстання, а не проста эффектным.
Першае — запісі ў памяць контролююцца. Агент павінен адпавядаць на запыткі на адной падставе таго, што ужо знае, перш чым ствараць новую інформацыю. Дазвол якому-небудзь модэлю запісваць інформацыю раней, чым ён ўзгадае яе, прыводзіў да стварэння неправдападобных, але пераконлівых твороў, якія пазней парадужвалі рэзультаты пошуку. Размішчанне засобаў запісу пасля болей чыстых запыткаў або пасля явных дзеянняў корыстніка ў інтэрфейсе запобегла гэтаму цыклу.
Другае — для пошуку не завжды трэба модэль. Пошук па ключоўых словах або векторах сярод катэгарыяў і дат прыменяецца для задачы „Знайсці нотаткі AlloyDB з мінулага тыдня“. Выкарыстоўванне LLM толькі для сінтэзы зменшае вартасць і час адпаведзей, а таксама спрыяе легкаму дыбагаванню проблем.
У трохце, пакаванне для настольных прыстрыёў мае значэнне для персональных інструментаў. Калі для адкрыцья дапаможнага прыстрыю неабходна шукаты тэрмінал і вікно браузера, такі інструмент стае некарысным праз зусіль, якія трэба дакласты. Застосунак-запускчык, які запускае службы і адкрывае вікно, ператварае гэты набор функцый у ўсё, чым можна скорыстацца два разы на дзень.
Што гэта не ўсё
Гэта не значыць, што Oracle — ўжо ўсё, дзе можна размістыць памяць агента. Вектарныя базы дадзеных, спецыяльныя продукты для памяці і хранення на основе файлаў таксама маюць свою ролю. Сэнс прыклада ў тым, што калі рэшта корпаратыўных дадзеных ужо знаходзіцца ў Oracle, размішчэнне памяці агента праза яе спроствае кераванне: адна сістэма адзначэння прав, адна сістэма архіўавання, адна лінія аўдыту. Команды, якія ужо стандартызаваліся на Autonomous Database, можаць дадаць памяць без неабходнасці стварання другой платформы.
Гэта таксама не ўдосконалены для працы ў працэсах вырабніцтва мульты-тэнантны SaaS. Дэмант прыпускае наявнасць адного доверлівага карыстальніка або маленькай команды, а таксама вікорыстанне TLS, крэдытнаў ATP і OCI на ноутбуку распрацоўшчыка. У рэальных умовах вырабніцтва будзе застосавана аднакоўшаяся ізоляцыя тэнантов, адпаведнае кераванне секрэтнымі данымі і магчымасць аблікавання кожнага запісу ў памяці.
Заключныя заўважэнні
Памяць мае важлівое значэнь для агентаў, якія працуюць у розных сесіях. Аднакоўшы SDK для памяці агентаў Oracle можа служыць калькуляторам разных фарматаў даных паляглым на падпрыемлі корпаратыўных дадзенняў. У прыкладзе Аўтонамнае апрацоўка транзакцый спаяна з тэхналогіямі Generative AI ад OCI, даданы інтэрфейс Streamlit, REST-інтэрфейсы і дэсктопны клеймак для ўласнага фіксавання нотатак.