エージェントの状態とメモリ
エージェントは、ターンとセッションをまたいでコンテキストを維持するために、永続的なストレージを必要とします。Lakebase オートスケールは、エージェントの状態とメモリの保存用として、フルマネージドのPostgresバックエンドを提供し、Databricks認証とネイティブに統合され、ワークロードに応じて自動的にスケールします。
短期記憶と長期記憶
短期記憶 | 長期記憶 |
|---|---|
スレッドIDとチェックポイント機能を使用して、単一の会話セッション内のコンテキストをキャプチャします。 エージェントが以前のやり取りを認識した上で、追加の質問に答えることができるようにします。 | 複数の会話から重要な知見を抽出し、保存します。 過去のやり取りに基づいて、パーソナライズされた応答を可能にします。 時間の経過とともに改善されるユーザー知識ベースを構築します。 |
同じエージェント内で、どちらか一方、または両方のメモリタイプを実装できます。
展開オプション
Lakebaseを基盤とするエージェントメモリは、以下の2つのDatabricksデプロイメントターゲットでサポートされています。
Databricks Apps ：LangGraphチェックポインターまたはOpenAI Agents SDKを使用して、短期または長期メモリを持つインタラクティブなアプリケーションとしてエージェントをデプロイします。Databricks はアプリと Lakebase 間の認証を自動的に処理します。
セルフマネージド型エージェントのメモリ（Lakebase）を参照してください。
Model Serving ：Lakebase にバックアップされたチェックポイントを使用して、エージェントを Model Serving Endpoint にデプロイします。LangGraph タイムトラベルに対応しており、任意のチェックポイントから会話を再開または分岐できます。エージェントメモリ (Model Serving) を参照してください。
実装
セットアップ手順の詳細、アプリのテンプレート、ノートブックの例については、以下を参照してください。