Поставщик памяти Neo4j

Поставщик памяти Neo4j предоставляет агентам Платформы агентов постоянную память, поддерживаемую графом знаний. В отличие от поставщиков RAG, которые извлекают информацию из статических баз знаний, поставщик памяти сохраняет и восстанавливает взаимодействия агента, автоматически извлекая сущности и со временем создаёт граф знаний.

Поставщик управляет тремя типами памяти:

Краткосрочная память: история бесед и недавний контекст
Долгосрочная память: сущности, предпочтения и факты, извлеченные из взаимодействий
Память о причинах: прошлые трассировки причин и шаблоны использования инструментов

Зачем использовать Neo4j для памяти агента?

Сохраняемость графа знаний: воспоминания хранятся в виде подключенных сущностей, а не неструктурированных записей, поэтому агент может подумать о связях между тем, которые он запоминает.
Автоматическое извлечение сущностей. Беседы анализируются в структурированные сущности и связи без ручного проектирования схемы.
Отзыв между сеансами: параметры, факты и трассировки причин сохраняются между сеансами и автоматически появляются с использованием поставщиков контекста.

Замечание

Neo4j предлагает две отдельные интеграции для Agent Framework. Этот поставщик (neo4j-agent-memory) предназначен для постоянной памяти — хранения и воспроизведения взаимодействий агентов, извлечения сущностей и со временем создания графа знаний. Сведения о GraphRAG из существующего графа знаний с помощью вектора, полнотекстового или гибридного поиска см. в поставщике контекста Neo4j GraphRAG.

Замечание

Пакет .NET (AgentMemory) является независимым, поддерживаемым сообществом .NET портом поставщика памяти Neo4j Labs — это не официальный пакет Neo4j Labs. Дополнительные сведения см. в репозитории AgentMemory (.NET).

Необходимые условия

Экземпляр Neo4j (самостоятельная установка или Neo4j AuraDB)
Развертывание OpenAI или Microsoft Foundry Azure (модель чата и модель внедрения)
Набор переменных среды: NEO4J_URI, NEO4J_USERNAME, NEO4J_PASSWORDAZURE_OPENAI_ENDPOINT
настроенные учетные данные Azure CLI (az login) или ключ API
.NET 8.0 или более поздней версии

Installation

dotnet add package AgentMemory
dotnet add package AgentMemory.AgentFramework

Использование

using Azure.AI.OpenAI;
using Azure.Identity;
using Microsoft.Agents.AI;
using Microsoft.Extensions.AI;
using Microsoft.Extensions.DependencyInjection;
using Microsoft.Extensions.Hosting;
using AgentMemory;
using AgentMemory.Abstractions.Services;
using AgentMemory.AgentFramework;
using AgentMemory.AgentFramework.Tools;

var builder = Host.CreateApplicationBuilder(args);

// Registers Core + Neo4j infrastructure in one call (reads NEO4J_URI / NEO4J_USERNAME /
// NEO4J_PASSWORD, falling back to local-dev defaults). Passing configureLlm opts in to
// LLM-backed entity/fact/preference extraction, using the IChatClient registered below.
builder.Services.AddNeo4jAgentMemory(
    configureMemory: _ => { },
    configureNeo4j: neo4j =>
    {
        neo4j.Uri = Environment.GetEnvironmentVariable("NEO4J_URI") ?? "bolt://localhost:7687";
        neo4j.Username = Environment.GetEnvironmentVariable("NEO4J_USERNAME") ?? "neo4j";
        neo4j.Password = Environment.GetEnvironmentVariable("NEO4J_PASSWORD") ?? "password";
    },
    configureLlm: _ => { });

// Any Microsoft.Extensions.AI-compatible chat + embedding client works
var azureClient = new AzureOpenAIClient(
    new Uri(Environment.GetEnvironmentVariable("AZURE_OPENAI_ENDPOINT")!), new DefaultAzureCredential());
builder.Services.AddSingleton(azureClient.GetChatClient("gpt-4o-mini").AsIChatClient());
builder.Services.AddSingleton(azureClient.GetEmbeddingClient("text-embedding-3-small").AsIEmbeddingGenerator());

// AutoExtractOnPersist builds the knowledge graph from every conversation turn
builder.Services.AddAgentMemoryFramework(options =>
{
    options.AutoExtractOnPersist = true;
    options.ContextFormat.IncludeEntities = true;
    options.ContextFormat.IncludeFacts = true;
    options.ContextFormat.IncludePreferences = true;
});

using var host = builder.Build();
await using var scope = host.Services.CreateAsyncScope();
var services = scope.ServiceProvider;

// Bootstraps Neo4j schema/indexes on first run (idempotent)
await services.GetRequiredService<ISchemaBootstrapper>().BootstrapAsync();

var memoryProvider = services.GetRequiredService<Neo4jMemoryContextProvider>();
var memoryTools = services.GetRequiredService<MemoryToolFactory>().CreateAIFunctions();

// WithMemoryOwnerScoping wraps the whole invocation — recall, the tool-calling loop, and
// persistence — in the owner scope set by WithMemoryIdentity below, so no manual
// BeginOwnerScope call is needed around RunAsync.
AIAgent agent = services.GetRequiredService<IChatClient>().AsAIAgent(new ChatClientAgentOptions
{
    ChatOptions = new ChatOptions
    {
        Instructions = "You are a helpful assistant with persistent memory.",
        Tools = [.. memoryTools],
    },
    AIContextProviders = [memoryProvider],
}).WithMemoryOwnerScoping(services);

var session = (await agent.CreateSessionAsync())
    .WithMemoryIdentity(userId: "user-123", sessionId: "session-1", applicationId: "my-app");

var response = await agent.RunAsync("Remember that I prefer window seats on flights.", session);

Ключевые особенности

Двунаправленная: Neo4jMemoryContextProvider перед каждым запуском извлекает релевантные данные из памяти и сохраняет в неё новые данные после него — без необходимости ручной настройки
Извлечение сущностей: создает граф знаний из бесед с настраиваемым конвейером извлечения (AutoExtractOnPersist)
Изучение предпочтений: определяет и сохраняет пользовательские предпочтения, факты и сущности, которые автоматически извлекаются в новом AgentSession для того же пользователя
Инструменты памяти: MemoryToolFactory открывает доступ к AIFunctions, чтобы модель могла явно искать, запоминать и извлекать из памяти
В первую очередь — внедрение зависимостей: регистрация выполняется через AddNeo4jAgentMemory (внутри автоматически настраивает Core и Neo4j) и AddAgentMemoryFramework, что естественно вписывается в приложения на Generic Host и ASP.NET Core
Помимо Agent Framework: эта же библиотека также интегрируется с клиентами Semantic Kernel и MCP и включает встроенные средства наблюдаемости OpenTelemetry

Ресурсы

Необходимые условия

Экземпляр Neo4j (самостоятельная установка или Neo4j AuraDB)
Проект Azure AI Foundry с развернутой моделью чата
Ключ API OpenAI или развертывание Azure OpenAI (для встраивания и извлечения сущностей)
Набор переменных среды: NEO4J_URI, NEO4J_PASSWORD, FOUNDRY_PROJECT_ENDPOINTFOUNDRY_MODELOPENAI_API_KEY
Настроенные учетные данные Azure CLI (az login)
Python 3.10 или более поздней версии

Installation

pip install neo4j-agent-memory[microsoft-agent]

Использование

import os
from pydantic import SecretStr
from agent_framework import Agent
from agent_framework.foundry import FoundryChatClient
from azure.identity.aio import AzureCliCredential
from neo4j_agent_memory import MemoryClient, MemorySettings
from neo4j_agent_memory.integrations.microsoft_agent import (
    Neo4jMicrosoftMemory,
    create_memory_tools,
)

# Pass Neo4j and embedding configuration directly via constructor arguments.
# MemorySettings also supports loading from environment variables or .env files
# using the NAM_ prefix (e.g. NAM_NEO4J__URI, NAM_EMBEDDING__MODEL).
settings = MemorySettings(
    neo4j={
        "uri": os.environ["NEO4J_URI"],
        "username": os.environ.get("NEO4J_USERNAME", "neo4j"),
        "password": SecretStr(os.environ["NEO4J_PASSWORD"]),
    },
    embedding={
        "provider": "openai",
        "model": "text-embedding-3-small",
    },
)

memory_client = MemoryClient(settings)

async with memory_client:
    memory = Neo4jMicrosoftMemory.from_memory_client(
        memory_client=memory_client,
        session_id="user-123",
    )
    tools = create_memory_tools(memory)

    async with AzureCliCredential() as credential, Agent(
            client=FoundryChatClient(
            credential=credential,
            project_endpoint=os.environ["FOUNDRY_PROJECT_ENDPOINT"],
            model=os.environ["FOUNDRY_MODEL"],
        ),
        instructions="You are a helpful assistant with persistent memory.",
        tools=tools,
        context_providers=[memory.context_provider],
    ) as agent:
        session = agent.create_session()
        response = await agent.run("Remember that I prefer window seats on flights.", session=session)

Ключевые особенности

Двунаправленный: автоматически извлекает соответствующий контекст перед вызовом и сохраняет новые воспоминания после ответов.
Извлечение сущностей: Создание графа знаний из бесед с помощью многоступенчатого конвейера извлечения
Обучение предпочтениям: обучение и хранение предпочтений пользователей между сеансами
Средства памяти: агенты могут явно исследовать память, запоминать предпочтения и находить связи между сущностями

Ресурсы

Замечание

Поддержка Go для этой функции скоро появится. Сведения о последнем состоянии см. в репозитории Agent Framework Go .

Дальнейшие действия

Поставщик контекста Neo4j GraphRAG

Обратная связь

Были ли сведения на этой странице полезными?

Last updated on 2026-07-17

Поставщик памяти Neo4j

Зачем использовать Neo4j для памяти агента?

Необходимые условия

Installation

Использование

Ключевые особенности

Ресурсы

Необходимые условия

Installation

Использование

Ключевые особенности

Ресурсы

Дальнейшие действия

Обратная связь

Дополнительные ресурсы