Redis udvider Iris med agentrouting, observerbarhed og meddelelser

Redis annoncerede den 4. november 2026, at Iris, virksomhedens kontekstmotor i realtid, nu tilbyder seks kombinerbare funktioner til AI-agenter, hvoraf fire er generelt tilgængelige, mens to er i betaversion. Udvidelsen føjer anmodningsrouting, genanvendelige procedurer, observerbarhed og robust meddelelseshåndtering til et produkt, der tidligere primært fokuserede på kontekst og hukommelse.

Kunderne kan bruge funktionerne sammen, hver for sig eller i en hvilken som helst kombination i samme runtime. Rowan Trollopes begrundelse er, at udviklere ikke bør være nødt til at sammensætte separate infrastrukturløsninger for at give agenter hukommelse, relevant kontekst, adgang til live-data, routing og kommunikation. Redis’ tilbud til nye brugere omfatter 5.000 gratis meddelelser.

En ledsagende dybdegående teknisk gennemgang af Simba Khadder, Redis’ direktør for softwareudvikling, beskriver de produktionsproblemer, som designet skal løse: Agenter starter uden tidligere historik, gemmer følsomme oplysninger, men mister nyttige præferencer, arbejder med ufuldstændige oplysninger og genopbygger gentagne gange kontekst for anmodninger, de allerede har håndteret. Disse fejltilstande knytter udgivelsens ellers adskilte funktioner sammen omkring kontinuitet, genbrug og kontrol.

Fire funktioner er generelt tilgængelige

Intent Router matcher en anmodnings betydning frem for dens præcise formulering og sender den derefter videre til en gemt FAQ, en agentfærdighed, et menneske eller en LLM. Funktionen understøtter også routing af agenter og modeller, sikkerhedsforanstaltninger og upræcise betingede beslutninger, så forskellige formuleringer af den samme anmodning kan behandles som det samme underliggende problem.

Agent Playbooks skelner mellem stabile svar, der kan genbruges, og anmodninger, der kræver aktuelle data og en ny gennemførelse af en kendt procedure. Redis oplyste, at playbooks bliver mere grundige og præcise ved gentagen brug, hvilket forkorter løsningstiden og reducerer tokenforbruget. Dermed fungerer Playbooks som Intent Routers modstykke til genbrug: Den ene identificerer typen af anmodning, mens den anden afgør, om et eksisterende svar eller en procedure kan opfylde behovet.

Agent Memory bruger MemoryETL til at opbygge hukommelse ud fra brugerhandlinger, dokumenter, vidensbaser og andre semistrukturerede data. Funktionen organiserer hukommelsen hierarkisk, så den kan styres mere detaljeret, og tilbyder funktioner til inspektion, revision og sporing af oprindelse, så teams kan se, hvor hver enkelt hukommelse stammer fra. Den kan også kassere oplysninger, som den ikke bør gemme, herunder personhenførbare oplysninger.

Context Gateway giver ét centralt, styret adgangspunkt til tilknyttede kontekstkilder. Kunderne kan tilslutte deres egne MCP-servere, cache hvilke værktøjer der løser bestemte problemer, og opbygge genanvendelige resultater, så de forbliver ensartede på tværs af sessioner. Redis fremhæver caching af værktøjer som en måde at reducere tokenforbruget på og udvider dermed udgivelsens fokus på at undgå gentaget arbejde for modellen fra svar og procedurer til dataadgang.

Betaværktøjer håndterer revision og forbindelsesfejl

Lens sporer et agentresultat tilbage til den færdighed, rute eller FAQ, der blev brugt, den anvendte hukommelse og den session, det stammer fra. Funktionen viser også opgavers succesrate, antal tokens pr. opgave og forsinkelse og kombinerer dermed et revisionsspor med driftsmålinger. Formålet er at gøre agentadfærd søgbar, når teams skal diagnosticere et forkert svar, undersøge tokenforbruget eller fastslå, hvorfor en handling fandt sted.

Agent Mesh håndterer kommunikationsafbrydelser. Agenter kommunikerer via flygtige datastrømme, og hvis forbindelsen afbrydes, sættes data automatisk i buffer, hvorefter forbindelsen genoprettes. Durable SSE Streams er udviklet til at holde svarstrømmen i gang under afbrydelser, mens A2A Comms leverer en kanal til delegering af opgaver mellem agenter og overdragelser. Lens og Mesh dækker således forskellige produktionsrisici: at rekonstruere en beslutning og at bevare en samtale.

Fra lanceringen i maj til brug hos kunderne

Redis introducerede Iris den 18. maj 2026 som et lag til kontekst og hukommelse mellem en agent og de data, den har brug for. Lanceringen omfattede Context Retriever, Agent Memory, Redis Data Integration, LangCache og Redis Search, hvor Context Retriever og Agent Memory var tilgængelige som prøveversioner. Agent Memory er siden blevet generelt tilgængelig, mens den nye produktlinje udvider det oprindelige fokus på informationssøgning og hukommelse til også at omfatte routing, gentagelige procedurer, sporing af beslutninger og genoprettelse af datastrømme.

Nick Thompson, senior softwareudvikler hos Safe in Home, beskrev en konkret implementering på Redis Iris-produktsiden: »Redis Agent Memory hjælper os med at gemme og genbruge kontekst på tværs af vores kodeagenter i realtid.« Hans team bruger funktionen til at registrere tekniske beslutninger, fejloplysninger og udviklingskontekst, mens agenterne arbejder, så oplysningerne er tilgængelige for hele teamet i stedet for at gå tabt mellem sessioner eller værktøjer. En tjeneste læser og skriver også i denne hukommelse, mens den overvåger virksomhedens API, og opretter derefter fejlrapporter i virksomhedens sagsstyringssystem i realtid.

Udgivelsen udvider dermed Iris’ rolle fra at levere kontekst til også at koordinere, hvordan en agent håndterer en anmodning, genbruger tidligere arbejde, husker udvalgte oplysninger og får adgang til data underlagt styring. Funktionernes modenhed er dog ujævn: Disse driftsmæssige grundfunktioner er generelt tilgængelige, mens lagene til revision af beslutninger og genoprettelse af forbindelser stadig er i betaversion.