Agent 集成

将 AG-Kit 的内存系统与 AI agents 和框架集成的完整指南

AG-Kit 的内存系统旨在与 AI agents 无缝集成，提供自动上下文管理、持久化知识存储和智能内存操作。本指南涵盖集成模式、特定框架实现和最佳实践。

​

集成概述

​

内存-Agent 工作流

​

核心集成模式

1. 自动内存管理

• Agent 自动存储对话事件
• 上下文检索透明进行
• Token 限制自动管理

2. 双层内存

• 短期：近期对话上下文
• 长期：持久化用户知识和偏好

3. 智能上下文工程

• 长对话自动摘要
• Token 感知的上下文裁剪
• 对话分支用于实验

​

框架集成

LangGraph

from langgraph.graph import StateGraph
from agkit.storage.langgraph import TDAICheckpointSaver

# 创建 TDAI checkpoint saver
checkpoint_saver = TDAICheckpointSaver(
    api_key=os.getenv('TDAI_API_KEY'),
    base_url=os.getenv('TDAI_BASE_URL'),
    checkpoint_type='checkpoints',
    checkpoint_writes_type='checkpoint_writes'
)

# 创建带有 checkpoint saver 的 graph
graph = StateGraph({
    'messages': []
})
graph.add_node('agent', agent_node)
graph.add_edge('__start__', 'agent')

compiled_graph = graph.compile(
    checkpointer=checkpoint_saver
)

# 运行并持久化线程
result = await compiled_graph.ainvoke(
    {'messages': [{'role': 'user', 'content': 'Hello'}]},
    config={'configurable': {'thread_id': 'user-123'}}
)

​

配置与最佳实践

​

内存配置

TypeScript

// 生产环境配置
const memory = MySQLMemory.create({
  host: process.env.DB_HOST,
  database: process.env.DB_NAME,
  sessionId: userId,

  // 上下文工程
  maxTokens: 8000,
  enableContextManagement: true
});

const agent = new Agent({
  name: 'production-assistant',
  model: provider,
  memory: memory,

  // 内存感知配置
  maxContextTokens: 8000,
  memoryRetrievalLimit: 10
});

​

故障排查

​

常见集成问题

内存未持久化

Python

# ❌ 错误：内存实例未共享
agent1 = Agent(memory=InMemoryMemory())
agent2 = Agent(memory=InMemoryMemory())

# ✅ 正确：共享内存实例
shared_memory = InMemoryMemory()
agent1 = Agent(memory=shared_memory)
agent2 = Agent(memory=shared_memory)

会话隔离问题

Python

# ❌ 错误：不同用户使用相同会话
agent = Agent(memory=memory, session_id='default')

# ✅ 正确：每个用户使用唯一会话
agent = Agent(
    memory=memory,
    session_id=f'user-{user_id}'
)

​

下一步

短期内存

了解对话上下文管理

长期内存

实现持久化知识存储

会话管理

处理多用户场景

API 参考

完整 API 文档