Saya telah membangun Agen AI dalam produksi selama lebih dari setahun. Berikut adalah masalah umum yang dihadapi pengembang ketika mereka menskalakan agen ke produksi: Mereka biasanya menyulap antara layanan terpisah untuk vektor, data terstruktur, dan sesi. Tiga kumpulan koneksi yang berbeda. Tiga strategi cadangan. Tiga dasbor pemantauan. Lingkaran agen itu sendiri sederhana dengan penalaran, alat, dan memori, tetapi infrastruktur menjadi hambatan. Jika Anda ingin melihat cara yang lebih bersih untuk menangani ini, saya membangun agen menggunakan @MongoDB sebagai backend tunggal untuk semuanya. Saya bekerja dengan tim mereka untuk membagikan ini kepada Anda. Pengaturannya mudah: ↳ Mulailah dengan dokumen PDF. Agen akan menjawab pertanyaan tentang hal itu sambil mengingat percakapan sebelumnya. ↳ Pertama, potong PDF dan sematkan menggunakan model Voyage AI. Penyematan tersebut langsung masuk ke MongoDB dengan indeks vektor. ↳ Kemudian Anda menentukan dua alat: satu untuk pencarian vektor, satu untuk perhitungan dasar jika diperlukan. Agen memutuskan mana yang akan digunakan berdasarkan kueri. ↳ Memori disimpan dalam database yang sama di bawah ID sesi. Setiap interaksi yang dilakukan agen akan ditulis kembali, sehingga dapat mereferensikan giliran sebelumnya. ↳ Perencana mengikatnya bersama-sama. Ini melihat riwayat percakapan, memutuskan apakah memerlukan alat, mengeksekusi alat itu, dan menghasilkan respons akhir. Di sinilah backend terpadu penting: Saat agen mencari konteks, ia mengkueri database yang sama yang menyimpan sesi pengguna dan data terstruktur. Saat menulis ke memori, instans MongoDB yang sama menangani penyematan vektor. ...