Mem0

Mem0 extrae recuerdos duraderos de las conversaciones del agente y recupera recuerdos relevantes en ejecuciones posteriores. Use un ámbito estable de usuario, agente o aplicación cuando los recuerdos deben estar disponibles en todas las sesiones.

Esta integración usa el patrón de memoria: extrae y recupera información duradera seleccionada en lugar de reproducir la transcripción de conversación completa.

Importante

Mem0 es un sistema de terceros. Revise su control de datos, retención, límites regionales y términos de servicio antes de enviar datos de aplicación.

Note

La integración de Mem0 no está disponible actualmente para el .NET de Agent Framework.

Instalar el paquete

pip install agent-framework-mem0 --pre

Establezca MEM0_API_KEY o pase una clave de API directamente. La reutilización de lo mismo user_id hace que los recuerdos estén disponibles en todas las sesiones.

async def main() -> None:
    """Example of memory usage with Mem0 context provider."""
    print("=== Mem0 Context Provider Example ===")
    # Each record in Mem0 should be associated with agent_id or user_id or application_id.
    # In this example, we associate Mem0 records with user_id.
    user_id = str(uuid.uuid4())
    # For Azure authentication, run `az login` command in terminal or replace AzureCliCredential with preferred
    # authentication option.
    # For Mem0 authentication, set Mem0 API key via "api_key" parameter or MEM0_API_KEY environment variable.
    async with (
        AzureCliCredential() as credential,
        Agent(
            client=FoundryChatClient(credential=credential),
            name="FriendlyAssistant",
            instructions="You are a friendly assistant.",
            tools=retrieve_company_report,
            context_providers=[Mem0ContextProvider(source_id="mem0", user_id=user_id, search_user_id=user_id)],
        ) as agent,
    ):
        # First ask the agent to retrieve a company report with no previous context.
        # The agent will not be able to invoke the tool, since it doesn't know
        # the company code or the report format, so it should ask for clarification.
        query = "Please retrieve my company report"
        print(f"User: {query}")
        result = await agent.run(query)
        print(f"Agent: {result}\n")
        # Now tell the agent the company code and the report format that you want to use
        # and it should be able to invoke the tool and return the report.
        query = "I always work with CNTS and I always want a detailed report format. Please remember and retrieve it."
        print(f"User: {query}")
        result = await agent.run(query)
        print(f"Agent: {result}\n")

        # Mem0 processes and indexes memories asynchronously.
        # Wait for memories to be indexed before querying in a new thread.
        # In production, consider implementing retry logic or using Mem0's
        # eventual consistency handling instead of a fixed delay.
        print("Waiting for memories to be processed...")
        await asyncio.sleep(15)  # Empirically determined delay for Mem0 indexing
        print("\nRequest within a new session:")
        # Create a new session for the agent.
        # The new session has no context of the previous conversation.
        session = agent.create_session()
        # Since we have the mem0 component in the session, the agent should be able to
        # retrieve the company report without asking for clarification, as it will
        # be able to remember the user preferences from Mem0 component.
        query = "Please retrieve my company report"
        print(f"User: {query}")
        result = await agent.run(query, session=session)
        print(f"Agent: {result}")

Mem0 procesa memorias de forma asincrónica. En producción, use el control de coherencia compatible con el servicio o reintentos en lugar de depender de un retraso fijo.

Note

La integración de Mem0 no está disponible actualmente para Agent Framework Go. Consulte el repositorio de Agent Framework Go para obtener el estado más reciente.

Pasos siguientes

Microsoft Foundry

Vaya más profundamente:

  • Last updated on