Redis

Redis では、SDK 間で異なるコンテキスト パターンがサポートされています。 .NETで、Redis でサポートされる検索を RAG の汎用TextSearchProviderに接続します。 Agent Framework Redis パッケージは、Pythonの検索可能なメモリおよび会話履歴プロバイダーを提供します。

Pattern API SDK Behavior
RAG TextSearchProvider Redis 検索アダプターを使用する .NET 呼び出し前またはオンデマンド検索ツールを使用して、関連する Redis コンテンツを取得します。
検索可能なメモリ RedisContextProvider Python 会話の詳細を抽出し、フルテキストまたはハイブリッド ベクター検索を使用して関連するコンテキストを取得します。
会話履歴 RedisHistoryProvider Python セッションの正確なメッセージ トランスクリプトを永続化して再読み込みします。

で RAG を追加する TextSearchProvider

.NETには、プロバイダーに依存しないTextSearchProvider パターンを使用します。 アプリケーションによって選択された Redis クライアントまたはベクター ストア コネクタを使用して検索アダプターを実装し、Redis の結果を TextSearchProvider.TextSearchResultにマップし、 AIContextProviders経由でプロバイダーをアタッチします。

この方法では、Redis 固有の Agent Framework コンテキスト プロバイダー パッケージを必要とせずに、Redis でサポートされる RAG がサポートされます。

パッケージをインストールする

pip install agent-framework-redis --pre

検索可能なメモリを追加する

このパターンは、エージェントが前のすべてのメッセージを再生するのではなく、選択した関連情報を取り消す必要がある場合に使用します。

前提条件

  • Redis Stack や互換性のあるマネージド サービスなど、RediSearch がサポートされている Redis デプロイ。
  • サンプル エージェントのMicrosoft Foundry プロジェクトとモデルのデプロイ。
  • ハイブリッド ベクター検索を有効にしたときの埋め込みプロバイダー。

検索可能なメモリを構成する

メモリをパーティション分割するには、 application_id、 agent_id、および user_id を使用します。 ハイブリッド取得が必要な場合は、Redis ベクター化とベクター フィールドの設定を追加します。

# Create a provider with partition scope and OpenAI embeddings

# Please set OPENAI_API_KEY to use the OpenAI vectorizer.
# For chat responses, also set FOUNDRY_PROJECT_ENDPOINT and FOUNDRY_MODEL.

# We attach an embedding vectorizer so the provider can perform hybrid (text + vector)
# retrieval. If you prefer text-only retrieval, instantiate RedisContextProvider without the
# 'vectorizer' and vector_* parameters.
vectorizer = OpenAITextVectorizer(
    model="text-embedding-ada-002",
    api_config={"api_key": os.getenv("OPENAI_API_KEY")},
    cache=EmbeddingsCache(name="openai_embeddings_cache", redis_url=REDIS_URL),
)
# The provider manages persistence and retrieval. application_id/agent_id/user_id
# scope data for multi-tenant separation; thread_id (set later) narrows to a
# specific conversation.
provider = RedisContextProvider(
    source_id="redis_context",
    redis_url=REDIS_URL,
    index_name="redis_basics",
    application_id="matrix_of_kermits",
    agent_id="agent_kermit",
    user_id="kermit",
    redis_vectorizer=vectorizer,
    vector_field_name="vector",
    vector_algorithm="hnsw",
    vector_distance_metric="cosine",
)

エージェントにメモリをアタッチする

プロバイダーを context_providersに追加します。 プロバイダーは、実行後に会話の詳細を格納し、後で実行する前に関連するコンテキストを表示します。

# Create chat client for the agent
client = create_chat_client()
# Create agent wired to the Redis context provider. The provider automatically
# persists conversational details and surfaces relevant context on each turn.
agent = Agent(
    client=client,
    name="MemoryEnhancedAssistant",
    instructions=(
        "You are a helpful assistant. Personalize replies using provided context. "
        "Before answering, always check for stored context"
    ),
    tools=[],
    context_providers=[provider],
)

# Teach a user preference; the agent writes this to the provider's memory
query = "Remember that I enjoy glugenflorgle"
result = await agent.run(query)
print("User: ", query)
print("Agent: ", result)

# Ask the agent to recall the stored preference; it should retrieve from memory
query = "What do I enjoy?"
result = await agent.run(query)

会話履歴を保持する

このパターンは、アプリケーションの再起動後または別のインスタンスでセッションが完全なトランスクリプトを回復する必要がある場合に使用します。

前提条件

  • REDIS_URLを介して到達可能な Redis デプロイ。
  • 運用環境のデプロイ用の TLS および認証済み Redis ユーザー。

context_providersを介してRedisHistoryProviderをアタッチします。 プロバイダーはセッションのメッセージを格納し、保持されるメッセージ数を制限できます。

async def example_manual_memory_store() -> None:
    """Basic example of using Redis history provider."""
    print("=== Basic Redis History Provider Example ===")

    # Create Redis history provider
    redis_provider = RedisHistoryProvider(
        source_id="redis_basic_chat",
        redis_url=REDIS_URL,
    )

    # Create agent with Redis history provider
    agent = Agent(
        client=OpenAIChatClient(),
        name="RedisBot",
        instructions="You are a helpful assistant that remembers our conversation using Redis.",
        context_providers=[redis_provider],
    )

    # Create session
    session = agent.create_session()

    # Have a conversation
    print("\n--- Starting conversation ---")
    query1 = "Hello! My name is Alice and I love pizza."
    print(f"User: {query1}")
    response1 = await agent.run(query1, session=session)
    print(f"Agent: {response1.text}")

    query2 = "What do you remember about me?"
    print(f"User: {query2}")
    response2 = await agent.run(query2, session=session)
    print(f"Agent: {response2.text}")

安定したセッション ID を使用し、プロセスの再起動後にクライアントが同じ論理会話を再開する必要がある場合に、シリアル化された AgentSession を信頼されたアプリケーション ストレージに保持します。

Note

現在、Redis コンテキスト プロバイダーの統合については、Agent Framework Go に関するドキュメントは記載されていません。 最新の状態については、 Agent Framework Go リポジトリ を参照してください。

実稼働に関する考慮事項

  • モデル出力ではなく、認証されたアプリケーション ID からテナント、検索、メモリ、およびセッション スコープを派生させます。
  • TLS、Redis 認証、およびネットワーク分離を使用します。
  • テナントの分離に必要な個別のキー プレフィックスまたはデプロイを使用します。
  • 必要な持続性のために永続化、バックアップ、リテンション期間、削除を構成します。
  • 取得したメモリを信頼されていない入力として扱い、間接的なプロンプト挿入を軽減します。
  • メッセージを保持したり、検索可能なコンテンツのインデックスを作成したりする前に、機密性の高いコンテンツを編集します。

次のステップ

RAG を使用する TextSearchProvider

Mem0

コンテキスト プロバイダーのしくみについて説明します

より深く進む:

  • Last updated on