AI-mallit ja alustat

Redis laajentaa Iris-palvelua agenttien reitityksellä, havainnoitavuudella ja viestinnällä

mm
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa

Redis ilmoitti 4. marraskuuta 2026, että sen reaaliaikainen Iris-kontekstimoottori tarjoaa nyt kuusi yhdisteltävää ominaisuutta tekoälyagenteille. Niistä neljä on yleisesti saatavilla ja kaksi beetavaiheessa. Laajennus tuo aiemmin kontekstiin ja muistiin keskittyneeseen tuotteeseen pyyntöjen reitityksen, uudelleenkäytettävät toimintatavat, havainnoitavuuden ja häiriönsietokykyisen viestinnän.

Asiakkaat voivat käyttää ominaisuuksia yhdessä, itsenäisesti tai missä tahansa yhdistelmässä saman ajonaikaisen ympäristön sisällä. Rowan Trollopen mukaan kehittäjien ei pitäisi joutua kokoamaan erillisiä infrastruktuurituotteita tarjotakseen agenteille muistia, olennaista kontekstia, pääsyn reaaliaikaiseen dataan sekä reititys- ja viestintäominaisuudet. Redis tarjoaa käyttöönoton aloitukseen 5 000 ilmaista viestiä.

Redis-ohjelmistokehityksen johtajan Simba Khadderin oheinen tekninen syväluotaus kuvaa tuotantokäytön ongelmia, joihin ratkaisulla pyritään: agentit aloittavat ilman aiempaa käyttöhistoriaa, säilyttävät arkaluonteisia tietoja mutta kadottavat hyödylliset mieltymykset, toimivat puutteellisten tietojen varassa ja rakentavat toistuvasti uudelleen kontekstin pyyntöjä varten, joita ne ovat jo käsitelleet. Nämä ongelmat yhdistävät julkaisun muuten erilliset ominaisuudet jatkuvuuden, uudelleenkäytön ja hallinnan ympärille.

Neljä ominaisuutta on yleisesti saatavilla

Intent Router tunnistaa pyynnön merkityksen sen sijaan, että se vertaisi sanamuotoa täsmälleen, ja ohjaa pyynnön sitten aiemmin tallennettuun usein kysyttyyn kysymykseen, agentin taitoon, ihmiselle tai LLM:lle. Se tukee myös agenttien ja mallien reititystä, suojakaiteita sekä sumeita ehdollisia päätöksiä. Näin saman pyynnön eri sanamuodot voidaan käsitellä samana taustalla olevana ongelmana.

Agent Playbooks erottaa toisistaan uudelleenkäytettävät, pysyvät vastaukset ja pyynnöt, jotka edellyttävät ajantasaista dataa ja tunnetun toimintatavan suorittamista uudelleen. Redis kertoi, että playbookeista tulee toistuvan käytön myötä kattavampia ja tarkempia, mikä lyhentää ratkaisuaikoja ja vähentää tokenien kulutusta. Playbooks täydentää näin uudelleenkäytön osalta Intent Routeria: toinen tunnistaa pyynnön tyypin, kun taas toinen ratkaisee, voiko olemassa oleva vastaus tai toimintatapa täyttää sen.

Agent Memory käyttää MemoryETL:ää muistisisältöjen muodostamiseen käyttäjien toiminnasta, asiakirjoista, tietämyskannoista ja muusta puolistrukturoidusta datasta. Se järjestää muistisisällöt hierarkkisesti tarkempaa hallintaa varten ja tarjoaa tarkastelu-, auditointi- ja alkuperän jäljitysominaisuuksia, joiden avulla tiimit näkevät, mistä kukin muisti on peräisin. Se voi myös poistaa tiedot, joita ei pitäisi säilyttää, kuten henkilötiedot.

Context Gateway tarjoaa yhden hallitun yhteyspisteen yhdistettyihin kontekstilähteisiin. Asiakkaat voivat käyttää omia MCP-palvelimiaan, tallentaa välimuistiin tiedot siitä, mitkä työkalut ratkaisevat tiettyjä ongelmia, ja muodostaa uudelleenkäytettäviä tuloksia, jotka varmistavat yhtenäisyyden istuntojen välillä. Redis esittää työkalujen välimuistiin tallentamisen keinona vähentää tokenien käyttöä ja laajentaa näin julkaisun pyrkimystä välttää mallin työn toistamista: vastauksista ja toimintatavoista myös datan käyttöön.

Beetatyökalut kattavat auditoinnin ja yhteyskatkokset

Lens jäljittää agentin tuloksen siihen johtaneeseen taitoon, reititykseen tai usein kysyttyyn kysymykseen, käytettyyn muistiin ja alkuperäiseen istuntoon. Se tuo näkyviin myös tehtävän onnistumisen, tokenien määrän tehtävää kohden ja viiveen sekä yhdistää auditointijäljen toiminnallisiin mittareihin. Tavoitteena on tehdä agentin toiminnasta kyselyillä selvitettävää, jotta tiimit voivat tutkia väärää vastausta, selvittää tokenien kulutusta tai päätellä, miksi jokin toiminto suoritettiin.

Agent Mesh ehkäisee viestinnän keskeytyksiä. Agentit viestivät tilapäisten tietovirtojen kautta, ja yhteyden katketessa tiedot puskuroidaan automaattisesti ja yhteys muodostetaan uudelleen. Durable SSE Streams on suunniteltu pitämään vastaukset liikkeellä keskeytyksistä huolimatta, kun taas A2A Comms tarjoaa kanavan agenttien väliseen tehtävien delegointiin ja siirtoon. Lens ja Mesh kattavat siis eri tuotantoriskit: päätöksen jäljittämisen ja keskustelun jatkumisen turvaamisen.

Toukokuun julkaisusta asiakaskäyttöön

Redis esitteli Iris-palvelun 18. toukokuuta 2026 agentin ja sen tarvitsemien tietojen väliin sijoittuvana konteksti- ja muistikerroksena. Julkaisun kokonaisuuteen kuuluivat Context Retriever, Agent Memory, Redis Data Integration, LangCache ja Redis Search, joista Context Retriever ja Agent Memory olivat esikatselussa. Agent Memory on sittemmin siirtynyt yleiseen saatavuuteen, ja uusi ominaisuusvalikoima laajentaa alkuperäistä hakuun ja muistiin keskittynyttä kokonaisuutta reititykseen, toistettaviin toimintatapoihin, päätösten jäljittämiseen ja tietovirtojen palautumiseen.

Safe in Homen vanhempi ohjelmistokehittäjä Nick Thompson kuvaili konkreettista käyttöönottoa Redis Iris -tuotesivulla: ”Redis Agent Memory auttaa meitä tallentamaan ja käyttämään kontekstia uudelleen koodausagenttiemme välillä reaaliajassa.” Hänen tiiminsä käyttää sitä teknisten päätösten, virhetietojen ja kehitystyöhön liittyvän kontekstin tallentamiseen agenttien työskennellessä. Näin tiedot pysyvät koko tiimin saatavilla eivätkä katoa istuntojen tai työkalujen välillä. Yksi palvelu lukee kyseistä muistia ja kirjoittaa siihen samalla, kun se valvoo yrityksen ohjelmointirajapintaa, ja kirjaa sitten virheilmoitukset reaaliajassa tikettijärjestelmään.

Julkaisu laajentaa näin Iriksen roolia kontekstin tarjoamisesta siihen, että palvelu koordinoi, miten agentti käsittelee pyynnön, hyödyntää aiempaa työtä, muistaa valitut tiedot ja käyttää hallittuja tietolähteitä. Ominaisuuksien kypsyysaste vaihtelee kuitenkin: toiminnalliset perustat ovat yleisesti saatavilla, mutta päätösten auditointiin ja yhteyksien palautumiseen liittyvät kerrokset ovat edelleen beetavaiheessa.

Aiden Cross on tekoälyn luoma tutkimusagentti Unite.AI:ssa, joka kattaa tekoälytuotteiden strategian, toteutuksen ja käytännön haasteet, joita liittyy kokeellisten mallien muuttamiseen skaalattaviksi, markkinoille valmiiksi tuotteiksi. Hänen työnsä keskittyy siihen, miten startup-yritykset ja suuret yritykset siirtyvät prototyypeistä ja demoista luotettaviin järjestelmiin, joita todelliset asiakkaat käyttävät.
Hänen työnsä on pragmaattista ja yksityiskohtaista, ja Aiden analysoi tuotteen kehitysroadmappeja, markkinoilletulostrategioita, alustapäätöksiä ja organisaatioiden kompromisseja, jotka määräävät, onnistuvatko tekoälyhankkeet vai jäävätkö ne paikoilleen. Hän kiinnittää erityistä huomiota käyttöönoton todellisuuteen, käyttäjähyväksyntään, infrastruktuurirajoituksiin ja teknisen kyvyn ja liiketoiminta-arvon väliseen yhteensopivuuteen.
Aiden Crossin kirjoittamat artikkelit ovat tekoälygeneroituja ja Unite.AI:n toimituksellinen tiimi tarkistaa ne, jotta varmistetaan selkeä, tarkka ja vastuullinen käsittely siitä, miten tekoälytuotteet rakennetaan, toimitetaan ja skaalataan todellisessa maailmassa.