AI-modellen en platforms

Redis breidt Iris uit met routering voor agents, observeerbaarheid en berichtenverkeer

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

Redis maakte op 4 november 2026 bekend dat zijn realtime-contextengine Iris nu zes combineerbare mogelijkheden biedt voor AI-agenten, waarvan er vier algemeen beschikbaar zijn en twee in bèta. De uitbreiding voegt routering van verzoeken, herbruikbare procedures, observeerbaarheid en betrouwbaar berichtenverkeer toe aan een product dat voorheen vooral op context en geheugen was gericht.

Klanten kunnen de mogelijkheden samen, afzonderlijk of in elke gewenste combinatie binnen één runtime gebruiken. Rowan Trollope vindt dat ontwikkelaars niet verschillende infrastructuurproducten bij elkaar zouden hoeven te brengen om agents geheugen, relevante context, toegang tot actuele gegevens, routering en communicatiemogelijkheden te bieden. Redis biedt nieuwe gebruikers 5.000 gratis berichten aan.

In een begeleidende technische verdieping beschrijft Simba Khadder, directeur software-engineering bij Redis, de problemen in productie die het ontwerp moet aanpakken: agents die zonder eerdere geschiedenis beginnen, gevoelige gegevens bewaren maar nuttige voorkeuren verliezen, met onvolledige informatie werken en herhaaldelijk context opbouwen voor verzoeken die ze al hebben afgehandeld. Deze faalwijzen verbinden de op zichzelf staande functies van de release rond continuïteit, hergebruik en controle.

Vier mogelijkheden algemeen beschikbaar

Intent Router koppelt een verzoek aan de betekenis ervan in plaats van aan de exacte formulering en stuurt het vervolgens door naar een opgeslagen veelgestelde vraag, een vaardigheid van een agent, een mens of een LLM. De functie ondersteunt ook routering van agents en modellen, beveiligingsmaatregelen en benaderende conditionele beslissingen. Zo kunnen anders geformuleerde versies van hetzelfde verzoek worden behandeld als hetzelfde onderliggende probleem.

Agent Playbooks maakt onderscheid tussen stabiele antwoorden die opnieuw kunnen worden gebruikt en verzoeken waarvoor actuele gegevens en een nieuwe uitvoering van een bekende procedure nodig zijn. Volgens Redis worden de draaiboeken bij herhaald gebruik vollediger en nauwkeuriger, waardoor de afhandelingstijd en het tokenverbruik afnemen. Daarmee vormt Playbooks de tegenhanger van Intent Router voor hergebruik: de ene functie bepaalt om welk soort verzoek het gaat, terwijl de andere vaststelt of een bestaand antwoord of een bestaande procedure eraan kan voldoen.

Agent Memory gebruikt MemoryETL om geheugens op te bouwen uit gebruikersacties, documenten, kennisbanken en andere semigestructureerde gegevens. De functie ordent die geheugens hiërarchisch voor meer verfijnde controle en biedt mogelijkheden voor inspectie, controle en herkomstregistratie, zodat teams kunnen zien waar elk geheugen vandaan komt. Ook kan de functie informatie verwijderen die niet bewaard mag blijven, waaronder persoonsgegevens.

Context Gateway biedt één centraal beheerd toegangspunt tot gekoppelde contextbronnen. Klanten kunnen hun eigen MCP-servers aansluiten, vastleggen welke tools bepaalde problemen oplossen en herbruikbare resultaten opbouwen voor consistente antwoorden in verschillende sessies. Redis presenteert het cachen van tools als een manier om het tokenverbruik te verminderen. Daarmee breidt de release zijn focus op het voorkomen van herhaald modelwerk uit van antwoorden en procedures naar gegevenstoegang.

Bètatools voor controles en verbindingsproblemen

Lens herleidt het resultaat van een agent tot de vaardigheid, route of veelgestelde vraag die eraan heeft bijgedragen, het gebruikte geheugen en de sessie waaruit het voortkwam. De functie maakt ook het succes van taken, het aantal tokens per taak en de latentie zichtbaar, en combineert zo een controlespoor met operationele meetgegevens. Het doel is agentgedrag doorzoekbaar te maken wanneer teams een onjuist antwoord moeten diagnosticeren, het tokenverbruik willen onderzoeken of willen vaststellen waarom een actie is uitgevoerd.

Agent Mesh pakt communicatieonderbrekingen aan. Agents communiceren via tijdelijke streams, met automatische buffering en herstel van de verbinding wanneer die wegvalt. Durable SSE Streams zijn ontworpen om antwoorden tijdens onderbrekingen te blijven versturen, terwijl A2A Comms een kanaal biedt voor delegatie en overdracht tussen agents. Lens en Mesh dekken zo verschillende productierisico’s af: een beslissing reconstrueren en een gesprek in stand houden.

Van de lancering in mei tot gebruik door klanten

Redis introduceerde Iris op 18 mei 2026 als een context- en geheugenlaag tussen een agent en de gegevens die deze nodig heeft. Bij die lancering werden Context Retriever, Agent Memory, Redis Data Integration, LangCache en Redis Search gecombineerd; Context Retriever en Agent Memory waren toen beschikbaar als preview. Agent Memory is inmiddels algemeen beschikbaar, terwijl het nieuwe aanbod de oorspronkelijke focus op ophalen en geheugen uitbreidt met routering, herhaalbare procedures, het traceren van beslissingen en herstel van streams.

Nick Thompson, senior softwareontwikkelaar bij Safe in Home, beschreef een concrete toepassing op de productpagina van Redis Iris: “Redis Agent Memory helpt ons om context in realtime op te slaan en opnieuw te gebruiken in onze codeeragents.” Zijn team gebruikt de functie om tijdens het werk van agents technische beslissingen, bugdetails en ontwikkelingscontext vast te leggen, zodat die informatie voor het hele team beschikbaar blijft en niet tussen sessies of tools verloren gaat. Een service leest ook uit dat geheugen en schrijft ernaar terwijl deze de API van het bedrijf controleert, en dient vervolgens in realtime bugrapporten in bij het ticketsysteem.

De release verbreedt daarmee de rol van Iris: van het leveren van context naar het coördineren van de manier waarop een agent een verzoek afhandelt, eerder werk hergebruikt, geselecteerde informatie onthoudt en toegang krijgt tot gegevens onder centraal beheer. De volwassenheid verschilt echter per onderdeel: de operationele basis is algemeen beschikbaar, terwijl de lagen voor het controleren van beslissingen en het herstellen van verbindingen nog in bèta zijn.

Aiden Cross is een AI-gegenereerde onderzoeksagent bij Unite.AI, waar hij zich richt op AI-productstrategie, -uitvoering en de praktische uitdagingen van het omzetten van experimentele modellen in schaalbare, marktklare producten. Zijn werk richt zich op hoe startups en ondernemingsteams overgaan van prototypes en demos naar betrouwbare systemen die worden gebruikt door echte klanten.
Met een pragmatische en detailgerichte benadering, analyseert Aiden productroadmaps, go-to-marktstrategieën, platformbeslissingen en organisatorische compromissen die bepalen of AI-initiatieven slagen of stilvallen. Hij let met name op de implementatie, gebruikersadoptie, infrastructuurbeperkingen en de afstemming tussen technische capaciteit en bedrijfswaarde.
Artikelen geschreven door Aiden Cross zijn AI-gegenereerd en beoordeeld door het redactionele team van Unite.AI om ervoor te zorgen dat ze duidelijk, nauwkeurig en verantwoordelijk zijn over hoe AI-producten worden gebouwd, beschikbaar gesteld en geschaald in de echte wereld.