שילוב MongoDB עם Google ADK לזיכרון סוכני AI
אמ;לק
MongoDB הכריזה על אינטגרציה חדשה עם Google ADK שמאפשרת לאוכני AI לשמור נתונים וזיכרון לטווח ארוך. כלי זה עוזר למפתחים לבנות מערכות AI אמינות יותר עם גישה מאובטחת למידע.
סיכום בעברית: מערכת VibeSec · מדיניות המקורות
נוסף ל-VibeSec:
כותרת מקורית: Introducing the MongoDB Google ADK Integration: Durable Memory for Agent State

התוכן המלא בעברית
תרגום אוטומטי מהמקור; מונחים טכניים נשארו באנגלית. לנוסח המחייב — הכתבה המקורית.
אנו נרגשים להכריז על האינטגרציה של MongoDB עם Google ADK, המספקת למפתחים את אבני הבניין הדרושות ליצירת זיכרון עמיד עבור מצב הסוכן.
ככל שסוכנים עוברים מאבות טיפוס ליישומי עולם אמיתי, הם זקוקים לגישה מאובטחת ומהימנה לנתונים וליכולת לשמר הקשר לאורך זמן. עם זאת, מפתחים עדיין נדרשים לבנות כלי עבודה משלהם עבור מאגר נתונים המספק זיכרון עמיד למצב הסוכן.
אינטגרציה זו מעניקה למפתחים חוויה מגובשת ו-ADK-native לשימוש ב-MongoDB כפלטפורמת הנתונים עבור סוכנים.
מהו ה-Google ADK?
ה-Google Agent Development Kit (ADK) הוא מסגרת פיתוח סוכנים בקוד פתוח המאפשרת לבנות, לנפות באגים ולפרוס סוכני AI אמינים בקנה מידה ארגוני. הוא זמין ב-Python, TypeScript, Go, Java ו-Kotlin.
Google ADK מציע למפתחים סט נרחב של כלים ליצירה, פריסה, הערכה והגדלה של סוכנים, ומאפשר להם לבנות כל דבר, החל מעוזרי AI אישיים ועד לתהליכי עבודה עסקיים קריטיים.
כיצד מסייעת האינטגרציה של MongoDB ו-Google ADK?
מפתחים יכולים ליצור אב-טיפוס של סוכן המחפש בקטלוג מוצרים או בבסיס ידע, ואז לפתח אותו לחוויית ייצור המשמרת את הקשר המשתמש לאורך שיחות ומזכירה אינטראקציות רלוונטיות קודמות. עם MongoDB כשכבת הנתונים, מפתחים יכולים לשמור את הנתונים שהסוכנים שלהם מחפשים, את מצב השיחה שצריך לשרוד הפעלה מחדש או מופע שהורחב (scaled-out), ואת הזיכרונות שהסוכנים בונים לאורך זמן – והכל באותו מקום שבו נמצאים שאר נתוני האפליקציה. המשמעות היא שאין צורך להקים מסד נתונים נפרד לצורך אחזור, אין צורך בסנכרון נתוני אפליקציה לאינדקס זיכרון אחר, ואין השהיה (latency) נוספת עקב משיכת הקשר ממערכת אחרת לפני שהסוכן יכול להגיב.
ADK מספק את מסגרת הסוכן ואת ממשק הכלים; אינטגרציה זו מספקת את שכבת הנתונים וההתמדה שמתחתיה, כך שמפתחים יכולים להעביר סוכן בקלות מאב-טיפוס לייצור. סוכנים אלה יכולים לשמור על זיכרון שיחה והפעלה ללא תלות במכונה בודדת, ולשאת את היסטוריית המשתמש לאורך סשנים שונים.
מתן ארכיטקטורת סוכנים מאוחדת
בליבת האינטגרציה הזו נמצא Google ADK 2.0, המשמש כשכבת תזמור (orchestration) מבוססת קוד עבור מערכות מרובות סוכנים. ADK 2.0 מספק את מסגרת הפריסה, בעוד ש-MongoDB מספקת אחסון סשנים וזיכרון עבור הסוכנים.
באמצעות שילוב ישיר עם ה-Gemini Enterprise Agent Platform, ADK 2.0 מבטל את הצורך בלוגיקת ניתוב מותאמת אישית על ידי מתן ממשקים סטנדרטיים לקריאת כלים, טלמטריה מובנית ובקרות גישה ארגוניות כחלק מהמערכת. מפתחים יכולים להשתמש ב-Gemini 4 Argon להנמקה רב-שלבית וב-Gemini 3.8 Flash לביצועים בעלי השהיה נמוכה.
איור 1. האינטגרציה של MongoDB עם Google ADK מוסיפה אחסון סשנים וזיכרון עבור זרימות עבודה של סוכן בודד או מרובה סוכנים.
כיצד פועל אחסון הסשנים והזיכרון?
חוויות סוכן מעולות משתפרות ככל שיש יותר הקשר. אינטגרציה זו מציגה את MongoDbSessionService כדי להבטיח התמדה של סשנים, אירועים ומצבים ברמת האפליקציה, המשתמש והסשן בתוך MongoDB.
המשמעות היא שמפתחים יכולים לבנות סוכנים ששומרים על ההקשר הדרוש לאינטראקציות ארוכות יותר ומרובות שלבים. שירות הסשנים כולל בקרת מקביליות אופטימית (optimistic concurrency control) כדי לעזור לאפליקציות לנהל עדכונים בו-זמניים בבטחה, בעוד שאוספים הניתנים להגדרה מקלים על הטמעת השירות בארכיטקטורות נתונים קיימות.
הקוד Python הבא מראה כיצד תוכל להוסיף את MongoDbSessionService לסוכן שלך:
עבור סוכנים הזקוקים לזיכרון מעבר לסשן בודד, ה-MongoDBMemoryService קולט אירועי סשן לתוך אוספי MongoDB ושולף זיכרונות רלוונטיים באמצעות התאמת מילות מפתח. קליטת הזיכרון היא אידמפוטנטית (idempotent), מה שמונע כפילויות כאשר סשן מתווסף שנית.
יחד, שירותים אלה עוזרים לסוכנים להפוך לשימושיים יותר עם הזמן מבלי לדרוש מהמפתחים לחבר מערכות נפרדות לאחזור, מצב וזיכרון.
כיצד MongoDB Search עוזר לסוכנים באחזור נתונים?
זיכרון עבור מצב הסוכן הוא חיוני, אך סוכנים זקוקים גם לגישה מהירה לנתונים התפעוליים שהם מחפשים – אותם קטלוגים של מוצרים, מסמכים ורשומות שהאפליקציה שלך כבר שואלת. כאן נכנסות לתמונה יכולות החיפוש המובנות של MongoDB. ה-Vector Search של MongoDB ממנף את דגמי ההטמעה (embedding models) של Voyage AI, שהם אותו מנוע שמגבה את השליפה הסמנטית של MemoryService באינטגרציה זו.
מפתחים יכולים גם לבצע חיפוש היברידי על ידי שילוב של חיפוש וקטור עם חיפוש טקסט מלא באמצעות שלב הצבירה של $rankFusion.
זה מעניק לסוכנים גישה למידע ולהקשר הנכונים בזמן הנכון, ומספק תגובות טובות יותר בסביבת הייצור. בין אם אתה בונה כלי לגילוי מוצרים, עוזרי ידע, חוויות תמיכה או טייסי-משנה (copilots) ספציפיים לתחום, סוכנים יכולים למנף אוטומטית אחזור סמנטי והיברידי כדי לבסס את התגובות שלהם על הנתונים שלך.
היישום הוא הבעלים של חיבור מסד הנתונים, שם מסד הנתונים ותצורת החיפוש. הסוכן מקבל כלים ממוקדים להתקשר, מבלי לחשוף את הפרטים התפעוליים האלה בהקשר שלו.
הקוד Python הבא מראה כיצד להוסיף MongoDB Search לסוכנים שלך:
באמצעות שימוש ב-MongoDB כמאגר הנתונים התפעולי, כשכבת הזיכרון למצב הסוכן, וכמנוע חיפוש עבור שניהם, מפתחים מקבלים פלטפורמה אחת במקום שלוש, ללא קשר לסביבת הפריסה שלהם. אין צורך להקים מסד נתונים וקטורי נפרד, אין מנוע חיפוש לסנכרון מול עותק שני של הנתונים, ואין השהיה נוספת עקב דילוג בין מערכות לפני שהסוכן יכול להגיב.
באילו גרסאות פריסה תומכת האינטגרציה?
האינטגרציה תומכת בפריסות של MongoDB Atlas ובניהול עצמי של MongoDB 8.0+ עבור חיפוש וקטורי והיברידי. מפתחים יכולים לספק מחרוזת חיבור או להשתמש בלקוח PyMongo קיים, ולהגדיר את התנהגות החיפוש באמצעות MongoDbToolSettings, כולל שמות אינדקס, שדות הטמעה, מגבלות וספירת מועמדים.
הגמישות הזו מאפשרת ליישר את האינטגרציה עם מודלים קיימים של נתונים, אפשרויות פריסה ודרישות ביצועים.
התחל היום!
התקן את האינטגרציה MongoDB Google ADK על ידי הפעלת הפקודה למטה:
תוכל ללמוד עוד על השילוב בתיעוד.
קריאה וכלים קשורים
אבטחת Node.js / JS / TS- Bearer — SAST עם התמקדות בפרטיות ו-PII
- CodeQL — מנוע ניתוח סטטי של GitHub
- Dependabot — עדכונים אוטומטיים לתלויות פגיעות
- מתקפת React2STEAL: כך גונבים מפתחות גישה משרתי Next.js
- בניית אפליקציית מורה לנגינה בהרמוניקה בעזרת Claude
- פרצת אבטחה ב-Telegram Android