Mem0

Mem0 wyodrębnia trwałe wspomnienia z rozmów agentów i pobiera odpowiednie wspomnienia w kolejnych uruchomieniach. Użyj stabilnego zakresu użytkownika, agenta lub aplikacji, gdy pamięci powinny być dostępne między sesjami.

Ta integracja używa wzorca pamięci: wyodrębnia i przypomina wybrane trwałe informacje, a nie ponownie replikuje kompletną transkrypcję konwersacji.

Ważna

Mem0 to system innych firm. Przed wysłaniem danych należy przejrzeć jego obsługę, przechowywanie, granice regionalne i warunki usługi.

Note

Integracja Z platformą Mem0 nie jest obecnie dostępna dla platformy Agent Framework .NET.

Instalowanie pakietu 

pip install agent-framework-mem0 --pre

Ustawianie MEM0_API_KEY lub przekazywanie klucza interfejsu API bezpośrednio. Ponowne przy użyciu tego samego user_id udostępniania wspomnień między sesjami.

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 przetwarza wspomnienia asynchronicznie. W środowisku produkcyjnym należy użyć obsługi spójności obsługującej ponawianie prób lub usług zamiast polegać na stałym opóźnieniu.

Note

Integracja platformy Mem0 nie jest obecnie dostępna dla platformy Agent Framework Go. Aktualny status znajdziesz w repozytorium Agent Framework dla Go.

Następne kroki

Microsoft Foundry

Głębiej:

  • Last updated on