Introducción a la memoria del agente

Este artículo le guiará a través de la instalación de la memoria del agente y la realización de operaciones básicas de memoria, incluido el almacenamiento y la recuperación del contexto del usuario.

Requisitos

Asegúrese de que tiene:

Instalación del SDK

Para instalar la memoria del agente, ejecute:

pip install "oracleagentmemory==26.4.0"

La instalación con pip extrae ruedas binarias predefinidas en plataformas admitidas.

Inicialización de la Instancia de Memoria

Cree una instancia de OracleAgentMemory configurando la conexión al embebido, el LLM y la base de datos.

from oracleagentmemory.core.oracleagentmemory import OracleAgentMemory
from oracleagentmemory.apis.searchscope import SearchScope
from oracleagentmemory.core.embedders.embedder import Embedder
from oracleagentmemory.core.llms.llm import Llm

embedder = Embedder(model="YOUR_EMBEDDING_MODEL")
llm = Llm(model="YOUR_LLM")
db_pool = ...  #an oracledb connection or connection pool
memory = OracleAgentMemory(connection=db_pool, embedder=embedder, llm=llm)

Almacenar entradas de memoria

Comience por crear un thread, agregar mensajes y almacenar una entrada de memoria para el usuario.

messages = [
    {
        "role": "user",
        "content": (
            "Orange juice has become my favorite breakfast drink lately, "
            "what can I pair it with?"
        ),
    },
    {
        "role": "assistant",
        "content": (
            "Nice! Orange juice goes great with something savory. "
            "Try eggs and toast, avocado toast, or a breakfast sandwich."
        ),
    },
]

thread = memory.create_thread(user_id="user_123")
#add_messages will add messages to the DB and extract memories automatically
thread.add_messages(messages)
#add_memory adds memory to the DB
thread.add_memory("The user likes orange juice with breakfast.")

Recuperar entradas de memoria

Buscar memorias mediante una consulta de ámbito de usuario.

results = memory.search(query="orange juice", scope=SearchScope(user_id="user_123"))
for result in results:
    print(f"- [{result.record.record_type}] {result.content}")

Salida:

-[memory] The user likes orange juice with breakfast.
-[message] Orange juice has become my favorite breakfast drink lately, what can I pair it with?
-[message] Nice! Orange juice goes great with something savory. 
        Try eggs and toast,avocado toast, or a breakfast sandwich.

Nota: La salida mostrada es ilustrativa. Las versiones futuras pueden devolver tipos de resultados, campos o indicaciones adicionales.

Compatibilidad de modelo

A partir de abril de 2026, los siguientes modelos de lenguaje grande (LLM) y modelos de inserción son compatibles con oracleagentmemory.

LLM

Se ha confirmado que los siguientes modelos de lenguaje grandes (LLM) son compatibles.

vllm

oci

géminis

antrópico

Openai

Incrustaciones

Se ha confirmado que los siguientes modelos de incrustación son compatibles.

alojado_vllm

oci

géminis

Openai