Долговременная память агента в Oracle AI Agent Memory

Цели урока

• Как реализовать протокол Session OpenAI Agents SDK с использованием пользовательского бэкенда (Oracle AI Agent Memory)
• Как обернуть Tavily как function_tool, который может вызывать агент
• Как хранить долгосрочные результаты исследований в виде устойчивых воспоминаний (отдельно от краткосрочной истории беседы)
• Как проверить непрерывность памяти между сессиями — агент может продолжить с того места, где остановился

О чём урок

Фреймворк: OpenAI Agents SDK | Веб-поиск: Tavily | Память: Oracle AI Agent Memory на Oracle AI Database Длительные рабочие процессы агентов часто требуют большего, чем просто воспроизведение краткосрочных бесед. Им нужен способ запоминать устойчивые выводы, решения и многократно используемый контекст между сессиями, чтобы агент мог продолжать с предыдущей работы, а не начинать каждый раз с нуля. Этот notebook демонстрирует паттерн Session с поддержкой Oracle для OpenAI Agents SDK. Это не универсальная реализация памяти OpenAI. Интерфейс Session Agents SDK хранит краткосрочную историю беседы для текущего цикла агента; устойчивые результаты исследований сохраняются отдельно с помощью явных инструментов памяти, поддерживаемых Oracle AI Agent Memory. В примере используется агент для глубоких исследований для изучения генома человека, но основной паттерн шире: объединение персистентности сессий OpenAI Agents SDK с устойчивым слоем памяти для многократно используемых результатов. Агент использует Tavily для веб-поиска в реальном времени, хранит элементы сессий OpenAI Agents SDK в Oracle AI Database и сохраняет устойчивые результаты с помощью специального инструмента save_research_finding. Краткосрочная память сессии помогает агенту поддерживать связность текущей беседы. Долговременная память решает другую проблему: она позволяет агенту сохранять выбранные результаты между сессиями, возобновлять предыдущую работу и избегать повторного открытия уже исследованных фактов. Для этого примера элементы сессии и устойчивые результаты имеют разные жизненные циклы. Элементы сессии — это необработанное состояние беседы, используемое для воспроизведения внутри цикла агента. Устойчивые результаты — это отобранные, доступные для поиска выводы, которые агент целенаправленно сохраняет с помощью инструмента.

План урока

1. Почему важна долговременная память
2. Режимы работы в агентских приложениях
3. Что вы узнаете
4. Предварительные условия
5. 1. Установка зависимостей
6. 2. Настройка API ключей и подключения к Oracle
7. 3. Подключение к Oracle AI Database и инициализация клиента памяти
8. 4. Регистрация пользователя-исследователя и агента