MongoDB מאפשרת זיכרון ארוך טווח לסוכני AI מבוססי Strands
אמ;לק
האינטגרציה החדשה מאפשרת לסוכני AI לשמור נתונים והיסטוריית שיחות לאורך זמן, גם לאחר אתחול. זהו כלי משמעותי למפתחים שרוצים לבנות סוכנים חכמים בעלי יכולת זיכרון, תוך שימוש ב-MongoDB כבסיס נתונים מרכזי.
סיכום בעברית: מערכת VibeSec · מדיניות המקורות
נוסף ל-VibeSec:
כותרת מקורית: Persistent Sessions and Memory for Strands with MongoDB

התוכן המלא בעברית
תרגום אוטומטי מהמקור; מונחים טכניים נשארו באנגלית. לנוסח המחייב — הכתבה המקורית.
היום אנו משיקים את ה-MongoDB Strands Harness SDK Integration, הזמינה כעת כחבילת קוד פתוח ל-Python בשם strands-mongodb. Strands, שנבנה ומתוחזק על ידי AWS, הוא מסגרת קוד פתוח לבניית סוכני AI. עם שילוב זה, MongoDB הופך לפלטפורמת הנתונים היחידה מאחורי סוכני ה-Strands שלכם, ומספק:
• התמדת סשנים (Session persistence), המאפשרת לסוכנים לחדש שיחות ומשימות מורכבות לאחר הפעלה מחדש או במופע (instance) אחר.
• זיכרון לטווח ארוך לעובדות ולקחים שנשמרים לאורך שיחות.
• חיפוש וקטורי כדי לאחזר אינטראקציות רלוונטיות בעבר לפי משמעות.
ה-MemoryManager של Strands מחליט מה לזכור ומתי לשלוף את המידע, בעוד MongoDB מטפל באחסון ובאחזור שלו, כך שאין צורך לבנות או לתחזק קוד זיכרון מותאם אישית. ומכיוון שהנתונים התפעוליים שלכם כבר נמצאים ב-MongoDB, סוכנים יכולים להשתמש ב-Atlas Vector Search כדי לבסס את התשובות שלהם על נתונים אלו, ללא צורך בסנכרון עותקים למסד נתונים וקטורי נפרד.
מהו ה-Strands Harness SDK?
ה-Strands Harness SDK עוזר למפתחים לבנות סוכני AI. הוא מנהל את לולאת הסוכן תוך מתן שליטה למפתחים על אופן ביצוע המשימות ושמירת ההקשר (Context). תמיכה בזיכרון, סשנים והוקס (hooks) מאפשרת למפתחים לעצב את התנהגות הסוכן ולחבר אותו לשכבת הנתונים וההתמדה של האפליקציה. ה-SDK מספק ממשקי אחסון וזיכרון הניתנים לחיבור (pluggable), עם Backend מובנה עבור קבצים מקומיים ו-Amazon S3. אינטגרציות כגון זו מאפשרות לכם להחליף את שירות הגיבוי מבלי לשכתב את הלוגיקה המרכזית של הסוכן שלכם.
מדוע הפעלות זקוקות למסד נתונים?
נניח שצוות פורס את הסוכן של Strands כפונקציית AWS Lambda, שניתן לקרוא לה כשירות פנימי על ידי צוותים ברחבי החברה. כל הפעלה רצה בסביבה זמנית (כלומר, סביבת עבודה ארעית עבור הסוכן). ייתכן שאין דיסק מקומי ואין ערובה לכך שההפעלה הבאה תתבצע על אותו מופע, כך שהמצב (state) הקשור לתהליך אחד נותר בלתי נראה לתהליך הבא.
עם אינטגרציה זו, כל סשן של סוכן נשמר ב-MongoDB. כל הפעלה טוענת את הסשן לפי ה-ID שלו וממשיכה לעבוד, ללא קשר לאיזה מופע טיפל בשלב הקודם. זיכרונות לטווח ארוך שהסוכן שומר ל-MongoDBMemoryStore נשמרים גם מעבר לסשן, כך שהם זמינים בפעם הבאה שהמשתמש יחזור.
איור 1. ארכיטקטורת סוכנים ללא מצב (Stateless) השומרת את המצב מחוץ לתהליך הסוכן.
שני מופעי Lambda משרתים שלבים רצופים של אותו סשן. שניהם קוראים וכותבים את הסשן באמצעות MongoDBStorage ואת הזיכרון לטווח ארוך באמצעות MongoDBMemoryStore, כך שאף אחד מהם אינו תלוי במצב המקומי של האחר. זה קריטי עבור ארגונים שבהם צוותים רבים מפעילים סוכני Strands על גבי מכונות שונות. הם מקבלים תשתית אחת מבוססת MongoDB עבור מצב וזיכרון הסוכן, במקום לבנות ולתחזק מערכות נפרדות לאחסון ואחזור סשנים וזיכרון.
מה מספק ה-MongoDB Strands Harness SDK Integration?
אינטגרציה זו מכסה שלושה תחומי ליבה:
• המשכיות חוצת סביבה: כאשר מופע אחר מטפל בבקשה הבאה, או שמשתמש חוזר לאחר הפעלה מחדש, הסוכן מאחזר את ההפעלה השמורה שלו מ-MongoDB. המשכיות אינה תלויה באף מכונה.
• עמידות בפני כשל: אם מארח קורס או קונטיינר מתוזמן מחדש, מופע אחר יחדש את ההפעלה מהתור האחרון שנכתב ל-MongoDB.
• שמירת נתונים (Retention) ושליטה: אתם מחליטים כמה זמן סשנים וזיכרונות יישמרו, עם תקופות שמירה נפרדות לכל אחד. מאגר הזיכרון יכול גם למחוק זיכרון בודד, או את כל הזיכרונות, לפי דרישה. הכל חי לצד הנתונים התפעוליים של האפליקציה שלכם ב-MongoDB, תחת בקרות הגישה והגיבויים שכבר קיימים אצלכם.
חנות הזיכרון מטפלת גם במה נתקלים סוכני ייצור:
• אין זיכרונות כפולים: Strands עשוי לחלץ את אותה עובדה יותר מפעם אחת. Hash של התוכן הופך את הכפילות ל-no-op. לדוגמה, אם הסוכן מחלץ "Prefers metric units and a 24-hour clock" בפעם השנייה, המאגר שומר את העותק הקיים, עם חותמת הזמן ותאריך התפוגה המקוריים. המשמעות היא שכמפתח, אינך צריך לכתוב לוגיקה למניעת כפילויות, ומאגר הזיכרון שלך נשאר נקי, ללא קשר לתדירות שבה הסוכן מחלץ מחדש את אותה עובדה.
• היקף דייר (Tenant scope): המאגר חותם כל זיכרון בהיקף מסוים, כגון מזהה דייר (tenant ID) או משתמש, ומגביל כל חיפוש ומחיקה להיקף זה. גורמים קוראים לא יכולים לעקוף זאת באמצעות מסננים או מטא-נתונים. בידוד זה נאכף על ידי החבילה, לא על ידי השרת; לכן, במקום שבו גבול הדייר הוא גם גבול תאימות, תנו לכל דייר מסד נתונים או אוסף (collection) משלו, עם הרשאות מוגבלות אליו, ו-MongoDB יאכוף את הגבול בעצמו.
• החיפוש מתאים לפריסה שלך: השילוב תומך ב-Vector Search, Text Search באמצעות Atlas Search, או Hybrid Search בשילוב עם $rankFusion . החנות בוחרת אוטומטית את השיטה האופטימלית הזמינה בפריסה שלך, וכל תוצאה מציינת באיזה סוג חיפוש נעשה שימוש.
• מעקב OpenTelemetry. כל פעולה מתעדת span ב-Tracer שהאפליקציה שלכם כבר משתמשת בו, ללא קליטת תוכן הזיכרון.
איך זה עובד
זיכרון ללא צורך בהרצת צינור הטמעה (embedding pipeline): ה-Atlas Automated Embedding מבצע הטמעה עבור כל זיכרון עבורכם, באמצעות voyage-4-lite אלא אם תבחרו במודל אחר. אתם כותבים טקסט רגיל ומחפשים בטקסט רגיל. אין ספריית הטמעה להתקנה ואין מפתח API של מודל לנהל. Atlas מייצר, מאחסן ומעדכן את ההטמעות (embeddings) בעצמו בזמן כתיבת הזיכרונות, כך שאין צורך בעבודות אצווה (batch jobs) כדי לסנכרן וקטורים עם הטקסט.
כפי שניתן לראות לעיל, השאילתה והעובדה המאוחסנת אינן חולקות מילים, אך המאגר עדיין מוצא אותה. נתיב זה דורש אשכול (cluster) של Atlas עם מודל הטמעה רשום. אם אתם כבר מייצרים הטמעות משלכם, המאגר יכול לאנדקס ולשאול אותן במקום; ה-README מכסה את הקוד הנוסף הנדרש.
איור 2. ללא צינור הטבעה, זיכרון הוא רק טקסט פנימה וטקסט החוצה. Atlas מייצר ומאחסן את ההטמעות ומטמיע כל שאילתה לפני הפעלת $vectorSearch.
store.add() כותב טקסט רגיל ומחזיר. Atlas מטמיע אותו ברקע, ומטמיע כל שאילתת חיפוש באותו אופן לפני הפעלת $vectorSearch. הבאת דגם הטבעה משלך היא אופציונלית.
סשנים וזיכרון יחד: תצורת חיבור אחת משרתת את שניהם. העבירו אותם לסוכן ותנו ל-SDK לחבר אותם:
הפרמטר storage= הופך את MongoDB ל-Backend ברירת המחדל עבור חמש תת-מערכות ב-SDK, כולל סשנים, פריקת הקשר (context offloading) ותמלילים. ה-SnapshotSessionManager של ה-SDK שומר את השיחה תחת ה-session ID שלה, וכל סוכן שנבנה עם אותו ID ישחזר אותה. ה-MemoryManager נותן למודל כלי לחיפוש בזיכרון, ועם add_tool_config=True, כלי לשמירה בו. אין צורך ללמוד מחלקת סשן ספציפית ל-MongoDB.
איור 3. לאחר שסוכן Strands מחובר ל-MongoDB, הוא יכול לשמור ולשחזר שיחות ולחפש בזיכרון לטווח ארוך ללא צורך בקוד סשן ספציפי ל-MongoDB.
שלושה פרמטרים של הסוכן מבצעים את החיווט. storage= מפנה את תת-מערכות האחסון של ה-SDK אל MongoDBStorage, session_manager= שומר ומשחזר את השיחה לפי session ID, ו-memory_manager= מספק למודל כלי חיפוש ושמירה המגובים ב-MongoDBMemoryStore.
התחל היום!
strands-mongodb דורש Python 3.10 ואילך ו-strands-agents 1.54.0 ואילך. MongoDBStorage עובד על כל פריסה של MongoDB; חיפוש זיכרון עם Automated Embedding צריך MongoDB Atlas. התקן אותו עם הפקודות הבאות:
עוברים מהכלי mongodb_memory או מחבילת קהילה MongoDB? ל-MIGRATION יש את מיפוי השדות וסקריפט העתקה.
חקור את המקור, פתח בעיות או תרום ב-GitHub .
ה-README מכסה אפשרויות חיבור, התייחסות לתצורה המלאה והרשאות אינדקס.
• תיעוד ניהול סשנים של Strands
קריאה וכלים קשורים
אבטחת Python- Bandit — סריקה סטטית לקוד Python לאיתור בעיות אבטחה נפוצות.
- Bearer — SAST עם התמקדות בפרטיות ו-PII
- CodeQL — מנוע ניתוח סטטי של GitHub
- Vibe Coding לכולם: מי בודק את האבטחה של האפליקציות שנוצרות ע"י AI?
- למה חשוב להפריד בין כותב הקוד לכותב הבדיקות ב-AI?
- ניהול מאובטח של סודות וסיסמאות בפייתון