Enterprise Platform
Une mémoire d'agent qui perdure
Un agent conserve son état entre chaque étape, retient les faits d'une session à l'autre et capitalise sur le savoir propre à votre entreprise. Concevez ces trois dimensions directement au cœur de l'infrastructure de données que vous exploitez déjà.
La mémoire relève d'un choix de conception
Un LLM répond à votre requête puis oublie l'échange. Ce dont votre agent semble se souvenir correspond uniquement aux données stockées et réinjectées par votre application. MariaDB offre deux types de mémoire sur une plateforme unique : une mémoire de travail dans un cache ultra-rapide avec durée de vie (TTL), et une mémoire sémantique hébergée aux côtés de vos données opérationnelles dans la base de données.
Avantages
Pourquoi stocker la mémoire de l'agent ici ?
État qui résiste à un crash
Qu'un traitement subisse une panne, une réduction d'échelle ou une attente de validation humaine, il redémarre à partir de son dernier point de contrôle (checkpoint) plusieurs heures après, y compris sur un nœud d'exécution distinct.
Des faits qui perdurent au-delà de la séance
La conversation suivante débute avec les préférences et les informations de compte déjà connues : ainsi, personne ne pose deux fois les mêmes questions au client.
Les connaissances dont dispose votre entreprise
Vos tarifs, politiques et documentations produits sont transmis à l'agent au moment où il répond, classés par pertinence sémantique et stockés aux côtés des données qu'ils décrivent.
Une plateforme, un contrat
Les deux stores sont certifiées pour la même version et couvertes par un seul contrat d'assistance ; vous n'avez donc pas besoin d'ajouter un nouveau fournisseur à votre pile d'agents de production.
Capacités
Deux boutiques, une seule plateforme
Mémoire de travail à court terme
Les points de contrôle (checkpoints) et l'historique des conversations sont hébergés dans MariaDB GridGain avec des temps de réponse inférieurs à la milliseconde et un TTL, permettant ainsi à chaque tâche de survivre à un redémarrage et de reprendre exactement là où elle s'était arrêtée.
Mémoire intersessionnelle
Les préférences et les informations de compte persistent d'une session à l'autre. Elles sont stockées par espace de noms (namespace) et par clé, avec un serveur qui applique automatiquement une durée de vie (TTL).
Mémoire sémantique dans une base de données
MariaDB Enterprise Server stocke les embeddings dans une colonne VECTOR dans les lignes qu'ils décrivent, permettant ainsi d'effectuer le filtrage et le classement au sein d'une seule instruction et d'une même transaction.
Les bibliothèques LangChain et LangGraph
Trois packages d'intégration implémentent les interfaces de gestionnaire de points de contrôle (checkpointer), de stockage (store), d'historique de discussion et de magasin vectoriel (vector store), faisant ainsi du backend un simple choix de configuration dans votre code.
Sont également inclus :
Filtres des métadonnées en SQL
Recherches d'index en moins d'une milliseconde
Reprise des tâches d'un serveur à l'autre
Gestion automatique de la durée de vie (TTL) par le serveur
Vous cherchez les tarifs d'Enterprise Platform ?
Ressources recommandées
Démarrer
Démarrez avec MariaDB
La plateforme de base de données temps réel en laquelle vous pouvez avoir confiance, pour vos applications actuelles comme pour vos futurs projets.
Foire aux questions
La mémoire des agents IA désigne l'état, les faits et les connaissances qu'un agent IA conserve en dehors du modèle linguistique. Le modèle oublie chaque échange; c'est donc votre application qui stocke les informations dont l'agent doit se souvenir et les lui transmet lors de l'appel suivant.
La mémoire de l'agent est partagée. De nombreux utilisateurs, de nombreuses sessions et plusieurs agents y accèdent simultanément pour y lire et y écrire. Une base de données assure la cohérence de ces écritures, survit au processus de l'agent et ne renvoie que les lignes requises par une requête.
Un checkpointer sauvegarde l'état d'exécution d'un graphe afin qu'il puisse reprendre ultérieurement. Avec langgraph-checkpoint-gridgain, les points de contrôle sont stockés dans MariaDB GridGain : ainsi, un traitement mis en pause dans l'attente d'une validation reprise plus tard sur un serveur (worker) différent.
La mémoire à court terme conserve l'état d'exécution du traitement en cours. La mémoire inter-sessions retient les faits qui persistent au-delà d'une seule conversation. La mémoire sémantique héberge le savoir métier que l'agent peut explorer par le sens plutôt que par une simple clé.
Oui. Trois packages implémentent les interfaces du framework : langchain-gridgain et langgraph-checkpoint-gridgain pour MariaDB GridGain , ainsi que langchain-mariadb pour MariaDB Enterprise Server .
Dans MariaDB Enterprise Server, les représentations vectorielles coexistent avec les lignes qu’elles décrivent. Une seule instruction permet de filtrer en fonction des métadonnées et de classer par pertinence, sans qu’il soit nécessaire de synchroniser un stockage de vecteurs distinct.