いつの間にこのようなSDKが。
ローンチブログも訳しました。
そして、すでに動かしている方が。 @isanakamishiro2 さん、早い、早いよ！
こちらのホットパスクイックスタートガイドを動かします。二番煎じです
メモリーは2つの方法で作成できます：
- 👉 ホットパス（このガイド）: エージェントがツールを使用して意識的にメモを保存します。
- バックグラウンド: メモリーは会話から自動的に「無意識に」抽出されます（バックグラウンドクイックスタートを参照）。
このガイドでは、LangMemのmanage_memoryツールを使用して自分の長期記憶を積極的に管理するLangGraphエージェントを作成します。
前提条件
最初にLangMemをインストールします:
%pip install -U langmem
%pip install langgraph databricks-langchain
%pip install "mlflow-skinny[databricks]>=2.20.2"
%restart_python
お気に入りのLLMプロバイダーのAPIキーで環境を構成します:
import os
os.environ["OPENAI_API_KEY"] = dbutils.secrets.get("demo-token-takaaki.yayoi", "openai_api_key")
import mlflow
mlflow.langchain.autolog()
エージェント
会話をまたいで記憶が持続するエージェントを作成する完全な例を以下に示します:
from langgraph.checkpoint.memory import MemorySaver
from langgraph.prebuilt import create_react_agent
from langgraph.store.memory import InMemoryStore
from langgraph.utils.config import get_store
from langmem import (
# エージェントがメモリを作成、更新、削除できるようにする
create_manage_memory_tool,
)
def prompt(state):
"""LLMのメッセージを準備する。"""
# 設定されたcontextvarからストアを取得する
store = get_store() # `create_react_agent`に提供されたものと同じ
memories = store.search(
# エージェントに設定されたものと同じ名前空間内で検索する
("memories",),
query=state["messages"][-1].content,
)
system_msg = f"""あなたは役に立つアシスタントです。日本語でやり取りをします。
## メモリ
<memories>
{memories}
</memories>
"""
return [{"role": "system", "content": system_msg}, *state["messages"]]
store = InMemoryStore(
index={ # 抽出されたメモリを保存する
"dims": 1536,
"embed": "openai:text-embedding-3-small",
}
)
checkpointer = MemorySaver() # グラフの状態をチェックポイントする
agent = create_react_agent(
"openai:gpt-4o-mini",
prompt=prompt,
tools=[ # メモリツールを追加する
# エージェントは"manage_memory"を呼び出して
# IDでメモリを作成、更新、削除できる
# 名前空間はメモリにスコープを追加する。ユーザーごとにメモリをスコープするには("memories", "{user_id}")を使用する
create_manage_memory_tool(namespace=("memories",)),
],
# メモリはこの提供されたBaseStoreインスタンスに保存される
store=store,
# そして各ノードが実行を完了するたびにグラフの"状態"がチェックポイントされ、
# チャット履歴と耐久実行を追跡する
checkpointer=checkpointer,
)
エージェントの使用
グラフと対話するには、invoke を使用します。エージェントがメモリを保存することを決定した場合、manage_memory ツールを呼び出します。
config = {"configurable": {"thread_id": "thread-a"}}
# エージェントを使用する。エージェントはまだメモリを保存していないので、
# 私たちのことを知らない
response = agent.invoke(
{
"messages": [
{"role": "user", "content": "私の好みの表示モードを知っていますか？"}
]
},
config=config,
)
print(response["messages"][-1].content)
# Output: "表示モードの好みに関する記憶が保存されていないようです..."
現在、あなたの好みの表示モードについての情報は記録されていません。特定の好みや設定があれば教えていただければ、記録して次回から反映させることができますので、お知らせください。
agent.invoke(
{
"messages": [
{"role": "user", "content": "ダーク。覚えておいて。"}
]
},
# 同じthread_idを持つconfigを使用して会話(thread-a)を続ける
config=config,
)
# 新しいスレッド = 新しい会話！
new_config = {"configurable": {"thread_id": "thread-b"}}
# エージェントはmanage_memoriesツールを使用して明示的に保存したものだけを思い出すことができる
response = agent.invoke(
{"messages": [{"role": "user", "content": "こんにちは。私のことを覚えていますか？私の好みは何ですか？"}]},
config=new_config,
)
print(response["messages"][-1].content)
# Output: "私のメモリ検索によると、以前にダーク表示モードの好みを示していたことがわかります..."
こんにちは！はい、あなたの好みを覚えています。あなたはダークモードが好きだとおっしゃっていました。他に覚えてほしいことがあれば教えてください！
この例は、会話間のメモリの持続性と、ユーザー間のスレッド分離を示しています。エージェントは、あるスレッドでユーザーのダークモードの設定を保存しますが、別のスレッドからはアクセスできません。
次のステップ
このクイックスタートでは、ツールを使用してエージェントが「ホットパス」でメモリを管理するように設定しました。他の機能については、次のガイドをチェックしてください:
-
リフレクションクイックスタート -
create_memory_store_managerを使用して「バックグラウンド」でメモリを管理する方法を学びます。