Agregar memoria a agentes con LandGraph y MongoDB

Aprende a agregar memoria a un agente de inteligencia artificial usando LandGraph y MongoDB para guardar checkpoints e hilos. Con una configuración mínima, el agente recuerda lo conversado, responde con contexto y mantiene coherencia entre interacciones.

¿Cómo agregar memoria al agente con LandGraph y MongoDB?

Para persistir la memoria, se importa la librería de LandGraph que trabaja con MongoDB, se inicializa y se instancia. Luego se pega y ejecuta el bloque de código número 19 en “agregar memoria al agente”. Con eso, la base de datos MongoDB que ya está definida guarda los checkpoints y los hilos.

• Importar la librería de LandGraph para MongoDB.
• Inicializar e instanciar la memoria.
• Pegar el bloque de código número 19.
• Ejecutar y probar el graph con un ID de sesión y un ID de hilo.

¿Qué valida que la memoria funciona? Se hace la misma pregunta sobre “mejores prácticas para hacer backups de datos en MongoDB” y devuelve la misma respuesta. Luego, al preguntar: “¿Qué fue lo que le acabo de preguntar?”, el agente responde que la consulta anterior fue justamente sobre esas mejores prácticas. Resultado: el sistema mantiene la memoria de la conversación y la estructura.

¿Qué son checkpoints e hilos en LandGraph?

• Checkpoints: una “foto instantánea” de cada nodo en el grafo. Capturan el estado en un momento.
• Hilos: la conversación como una lista de checkpoints a lo largo del tiempo. Proveen el contexto.
• IDs: con un ID de sesión se persiste, guarda y accede al historial.

¿Qué datos se guardan y cómo se usan?

• Memoria a corto plazo con hilos y checkpoints para reutilizar contexto en futuras interacciones.
• Persistencia de estado del agente en MongoDB mediante la librería de LandGraph.
• Uso de almacenamiento vectorial y búsquedas vectoriales en MongoDB para casos de AI.

¿Cuándo y para qué usar agentes de inteligencia artificial?

Un agente de inteligencia artificial usa un LLM para razonar sobre un problema, crear un plan y ejecutarlo paso a paso con herramientas hasta llegar a una solución.

• Tareas complejas sin flujo de trabajo estructurado.
• Procesos con pasos difíciles de predecir.
• Casos que requieren personalización profunda y comportamiento adaptativo en el tiempo.
• Situaciones donde hay que tomar decisiones para resolver un problema.

¿Cómo orquestar flujos con LandGraph?

• LandGraph permite definir nodos, aristas y estado del agente.
• La memoria a corto plazo se maneja con hilos y checkpoints, clave para conservar contexto y mejorar respuestas.
• Ejecutar el grafo con ID de sesión e ID de hilo asegura continuidad conversacional.

¿Qué recursos y certificación ofrece MongoDB?

Hay un centro de aprendizaje de inteligencia artificial dedicado al tema y su interacción con MongoDB, además de cursos (incluida una “Ñapa” para búsqueda editorial y otro para RAG). También está la verificación de habilidades de MongoDB mediante un skill badge.

• Acceso al skill check para agentes con MongoDB desde el enlace indicado.
• Ingresar el correo electrónico para suscribirse.
• Por defecto está en inglés; en la flechita superior derecha se accede a settings para cambiar a español, portugués o coreano.
• Al comenzar: 10 preguntas; se requieren 8 correctas para obtener el badge.
• Todo el contenido evaluado corresponde a lo trabajado hoy.

¿Te gustaría profundizar en la configuración de memoria, RAG o el proceso del skill badge? Deja tus preguntas y experiencias en los comentarios.