סוכני AI לפרודקשן דורשים פלטפורמת נתונים ייעודית
אמ;לק
המעבר של סוכני AI מסביבות פיתוח לפרודקשן מחייב תשתית נתונים יציבה המסוגלת לתמוך בשינויים תכופים במודלים ובפריימוורקים. פלטפורמת נתונים מתאימה מפחיתה את המורכבות ומאפשרת סקייל ואבטחה ברמה ארגונית. המאמר סוקר את הדרישות החיוניות ממסדי נתונים בעידן ה-Agentic AI.
סיכום בעברית: מערכת VibeSec · מדיניות המקורות
נוסף ל-VibeSec:
כותרת מקורית: Production-Ready Agents Need A Production-Ready Data Platform
>המעבר של סוכני AI מסביבות פיתוח לפרודקשן מחייב תשתית נתונים יציבה המסוגלת לתמוך בשינויים תכופים במודלים ובפריימוורקים. פלטפורמת נתונים…
התוכן המלא בעברית
תרגום אוטומטי מהמקור; מונחים טכניים נשארו באנגלית. לנוסח המחייב — הכתבה המקורית.
יש נושא משותף לשיחות שניהלתי עם צוותי AI לאחרונה: שינוי. שינוי מתמיד ומסחרר. צוותים בתעשיות שונות מעריכים ומעריכים מחדש ללא הרף ספקי מודלים, מסגרות עבודה לסוכנים (agent frameworks) וכלי עזר.
ב-MongoDB, אנו מאמינים שהבחירה שלך בשותף טכנולוגי – ובמיוחד בפלטפורמת הנתונים שלך – צריכה לפשט את הדרך שבה אתה בונה עם AI. עליה לספק ביצועים בקנה מידה רחב, לאפשר לך לבנות ולהריץ בכל מקום, ולאפשר לך לבחור את הספקים והמסגרות שלך. זה בדיוק מה ש-MongoDB מציעה, וזו הסיבה שיותר מ-67,000 לקוחות מסתמכים עלינו עבור היישומים החשובים ביותר שלהם.
הארגונים שרואים את ההצלחה הגדולה ביותר בתחום ה-AI הם אלו שהטכנולוגיות שלהם ערוכות לקצב השינוי הנוכחי. לדוגמה, הפלטפורמה AgentOS של חברת DevRev מופעלת על גבי MongoDB Atlas. AgentOS מטפל במיליארדי בקשות בכל חודש, החל מתובנות וניתוחים מבוססי AI ועד לתקשורת פנימית ופיתוח. ההסתמכות על MongoDB Atlas סייעה ל-DevRev להביא חידושים לשוק מהר יותר ומאפשרת לחברה להתרחב בצורה חלקה ככל שהיא צומחת.
MongoDB הוא אידיאלי עבור Agentic AI בשתי דרכים מרכזיות.
ראשית, סוכן חכם רק כמידת ההקשר (context) שלו – מה שמצריך מיזוג של זיכרון לטווח קצר, ידע לטווח ארוך ונתונים ארגוניים. מכיוון שמידע זה דינמי מאוד ובלתי מובנה, JSON הוא הפורמט האידיאלי. הוא מספק את גמישות הסכימה הנחוצה מטבעה לנתונים ומאפשר לצרף מטא-נתונים כמו IDs וציוני ביטחון (confidence scores). MongoDB מאחסן JSON באופן מקורי ומספק את יכולת הגידול והעקביות הנדרשות להפעלת אלפי סוכנים במקביל.
שנית, הוא תוכנן עבור אופן העבודה של סוכנים. ככל שהזיכרון מצטבר, סוכנים חייבים לאתר את ההקשר המדויק הדרוש לבקשה. MongoDB פותר זאת על ידי אספקת יכולות אחזור מידע מתקדמות (חיפוש, Vector Search, חיפוש היברידי, הטמעות) ישירות במקום שבו הנתונים התפעוליים כבר נמצאים, מה שמבטל את הצורך לסנכרן כל הזמן נתונים בין מערכות נפרדות. לקוחות מקבלים אחזור סמנטי ברמת דיוק גבוהה ללא כאב הראש התפעולי הכרוך בניהול מוצרים מפוצלים מרובים.
דוגמה טובה לאופן שבו MongoDB מפעיל סוכנים היא חברת ElevenLabs. החברה מסתמכת על MongoDB Atlas כדי לתפעל את הזיכרון ובסיס הידע לטווח ארוך עבור הסוכנים האוטונומיים שלה. על ידי מינוף Atlas Search ו-Vector Search, ElevenLabs מאפשרת לסוכנים שלה לשמור על הקשר מורכב ולספק אינטראקציות מותאמות אישית בזמן אמת.
אדובי (Adobe), לעומת זאת, בחרה ב-MongoDB כשכבת הזיכרון וההיגיון לטווח ארוך עבור Journey Agent, הסוכן המולטי-מודאלי שלה המאחד את חבילת השיווק של Adobe ומתזמר מסעות לקוחות מקצה לקצה. אדובי ממנפת את MongoDB Atlas Search ו-Atlas Vector Search יחד כדי להפעיל את החיפוש ההיברידי תוך פחות מ-100 מילי-שניות, מהירות שהסוכן זקוק לה כדי לפעול בזמן אמת.
הגדרת תקן פתוח לזיכרון סוכן
בחודש שעבר, השותפה של MongoDB, חברת LangChain, הכריזה על השקת Context Hub ב-LangSmith – מקום לאחסון, ניהול גרסאות ושיתוף פעולה בקבצים המגדירים כיצד סוכנים מתנהגים, כגון AGENT.md וכישורי סוכן.
אבל הנדסת הקשר חורגת מזה. סוכנים מסתמכים גם על זיכרון: הקשר קצר טווח שנלכד במצבים, מפגשים והיסטוריית אינטראקציות, וזיכרון לטווח ארוך שנמשך לאורך הפעלות.
כיום, אין תקן פתוח המאומץ באופן נרחב להגדרה וניהול של זיכרון סוכן נייד בין מסגרות עבודה שונות. כעת, MongoDB – לצד LangChain ושותפים למערכת האקולוגית – עובדת על ארכיטקטורת התייחסות פתוחה ותורמת ליכולת פעולה הדדית (interoperability) רבה יותר בתחום זה.
עבודה זו תעזור להגדיר את מה שהיה חסר במערכת האקולוגית של ה-AI: ממשקים משותפים, מוסכמות מטא-נתונים, דפוסי ניהול גרסאות וסמנטיקה של אחזור עבור הנתונים שמבדילים בין חוויות סוכן ומעצבים את התנהגותו.
המטרה היא לאפשר לארגונים להחליף ספקי מודלים או לנסות מסגרת עבודה חדשה מבלי לבזבז זמן על שכתוב התשתית לניהול זיכרון. בסופו של דבר, אנחנו רוצים להפוך את ניהול הזיכרון וההקשר של הסוכן לקלים (ומהירים) יותר.
כדי שסוכנים מול לקוחות יוכלו לקבל החלטות בזמן אמת, כמו מענה לבקשת תמיכה או שינוי מדיניות, הם זקוקים למידע הקשרי באופן מיידי. לא מידע ממחסן נתונים שעשוי להיות בן 30 דקות. שכבת ההקשר צריכה להיות בזמן אמת – יכולת שאנו מספקים לעשרות אלפי לקוחות במשך כמעט שני עשורים.
הפלטפורמה הגמישה והביצועית של MongoDB = הצלחה לסוכנים
הדור הבא של הסוכנים יהיה מורכב יותר ויותר ממערכות בעלות טווח פעולה ארוך, שירוצו במשך שעות או יותר. ככל שהם יקחו על עצמם משימות מורכבות יותר, ההקשר יהפוך לקריטי עוד יותר, וזיכרון הסוכנים יהיה מרכזי ליעילותם.
זה ייצור דרישה למערכות זיכרון מגוונות בעלות ביצועים גבוהים, ו-MongoDB ממוקמת לספק את הגמישות והיכולת להתרחב שסוכנים דורשים. עם שחרור הגרסה האחרונה, MongoDB 8.3, מסד הנתונים שלנו התפתח כדי לתמוך טוב יותר במהירות ובדרישות של עומסי עבודה של AI. MongoDB מספקת גם את דיוק האחזור הדרוש כדי שניתן יהיה לסמוך על פלטי הסוכן (דרישה לא מתפשרת עבור יישומים מול לקוחות), תוך אופטימיזציה של אסימונים (tokens) ועלויות בסביבת הייצור.
כל צוות AI מהמר כעת על איך ייראה עתיד ה-Agentic stack. אלו המהמרים על פלטפורמת נתונים גמישה ומוכנה לייצור כמו MongoDB – המאפשרת לצוותים לחדש כעת תוך הבטחת מבנה וחוסן לעתיד – יוכלו לבצע התאמות במהירות. אלו המהמרים על עיצובי סכימה נוקשים, או על אוסף אקראי של מודלים ומסגרות עבודה ספציפיות, עלולים למצוא את עצמם בונים מחדש את התשתית שלהם במקום להשיק מוצרים.
איור 2. יתרונות הסכימה הגמישה של MongoDB לעומסי עבודה של AI.
• MongoDB בנוי עבור AI: JSON הוא הלינגואה פרנקה של ה-AI. המידע שסוכנים צריכים הוא דינמי מאוד ויכול להיות מובנה, חצי-מובנה או בלתי מובנה. MongoDB מספקת את גמישות הסכימה הנחוצה מטבעה לנתונים אלו ומאפשרת לצרף מטא-נתונים להקשר עשיר ומדויק יותר. סכימות דינמיות ומסתגלות שמתפתחות בזמן אמת ללא צורך לשבור את מה שרץ מעליהן. מודל המסמכים של MongoDB אינו מותאם ל-AI; הוא הצורה הטבעית של נתוני AI.
• MongoDB מציעה פלטפורמת נתונים אחת: כל דרישת נתונים ל-AI בייצור משולבת באופן מקורי. חיפוש, Vector Search, הטמעות, אחזור היברידי, סדרות זמן וסטרימינג פועלים כולם על בסיס ה-OLTP שאותו משרתים 67,000+ לקוחות עבור יישומים קריטיים למשימה – עם API אחד, מודל אבטחה אחד וטביעת רגל תפעולית אחת.
כדי ללמוד מדוע אפליקציות ה-AI הטובות ביותר נבנות על MongoDB – ולמה למפתחים ב-MongoDB יש את הגמישות, הביצועים והאבטחה הדרושים כדי ליצור חוויות AI משנות מציאות – בקר ב-MongoDB for AI.