Redis breddar Iris med dirigering av agenter, observerbarhet och meddelandehantering

Redis meddelade den 4 november 2026 att Iris, företagets kontextmotor i realtid, nu erbjuder sex kombinerbara funktioner för AI-agenter. Fyra är allmänt tillgängliga och två finns i betaversion. Utökningen tillför dirigering av förfrågningar, återanvändbara procedurer, observerbarhet och robust meddelandehantering till en produkt som tidigare främst fokuserade på kontext och minne.

Kunder kan använda funktionerna tillsammans, var för sig eller i valfri kombination inom en och samma körmiljö. Rowan Trollopes motivering är att utvecklare inte ska behöva sätta ihop separata infrastrukturprodukter för att ge agenter minne, relevant kontext, åtkomst till aktuell data, dirigering och kommunikationsmöjligheter. Redis erbjudande för nya användare omfattar 5 000 kostnadsfria meddelanden.

I en kompletterande fördjupad teknisk genomgång beskriver Simba Khadder, Redis teknikchef för mjukvaruutveckling, de problem i produktionsmiljöer som utformningen ska lösa: agenter som börjar arbeta utan tidigare historik, behåller känsliga uppgifter men tappar bort användbara preferenser, arbetar med ofullständig information och gång på gång återskapar kontext för förfrågningar de redan har hanterat. Dessa feltyper knyter samman lanseringens annars separata funktioner kring kontinuitet, återanvändning och kontroll.

Fyra funktioner är allmänt tillgängliga

Intent Router matchar en förfrågnings innebörd i stället för dess exakta formulering och skickar den sedan vidare till en FAQ som finns i minnet, en agentfunktion, en människa eller en LLM. Funktionen stöder också dirigering mellan agenter och modeller, skyddsräcken och villkorsstyrda beslut med ungefärlig matchning. Därmed kan olika formuleringar av samma förfrågan hanteras som samma underliggande problem.

Agent Playbooks skiljer mellan stabila svar som kan återanvändas och förfrågningar som kräver aktuell data och att en känd procedur körs på nytt. Redis uppger att spelböckerna blir mer utförliga och träffsäkra ju mer de används, vilket förkortar lösningstiderna och minskar tokenförbrukningen. Playbooks kompletterar därmed Intent Router genom att möjliggöra återanvändning: den ena identifierar typen av förfrågan, medan den andra avgör om ett befintligt svar eller en befintlig procedur kan lösa den.

Agent Memory använder MemoryETL för att skapa minnen utifrån användaråtgärder, dokument, kunskapsbaser och andra halvstrukturerade data. Minnena organiseras hierarkiskt för mer detaljerad kontroll, och funktionen erbjuder verktyg för inspektion, granskning och spårning av ursprung så att team kan se var varje minne kommer ifrån. Den kan också radera information som inte bör sparas, däribland personligt identifierbar information.

Context Gateway erbjuder en enda styrd ingång till anslutna kontextkällor. Kunder kan ansluta egna MCP-servrar, cachelagra vilka verktyg som löser specifika problem och ta fram återanvändbara resultat för att skapa enhetlighet mellan sessioner. Redis beskriver verktygscachning som ett sätt att minska tokenförbrukningen. Därmed utvidgas lanseringens fokus på att undvika upprepat arbete för modellen från svar och procedurer till dataåtkomst.

Betaverktyg för granskning och anslutningsavbrott

Lens spårar ett agentresultat tillbaka till den funktion, rutt eller FAQ som låg till grund för det, det minne som användes och den session där det uppstod. Funktionen visar också om en uppgift lyckades, antalet token per uppgift och svarstiden, och förenar därmed ett granskningsspår med operativa mätvärden. Syftet är att göra agenternas beteende sökbart när team behöver diagnostisera ett felaktigt svar, undersöka tokenförbrukningen eller ta reda på varför en åtgärd vidtogs.

Agent Mesh hanterar kommunikationsavbrott. Agenter kommunicerar via tillfälliga strömmar, med automatisk buffring och återanslutning när anslutningar bryts. Durable SSE Streams är utformade för att hålla svaren strömmande även vid avbrott, medan A2A Comms tillhandahåller en kanal för delegering mellan agenter och överlämningar. Lens och Mesh hanterar alltså olika produktionsrisker: att återskapa hur ett beslut fattades respektive att upprätthålla ett samtal.

Från lanseringen i maj till användning hos kunder

Redis lanserade Iris den 18 maj 2026 som ett kontext- och minneslager mellan en agent och de data den behöver. Vid lanseringen ingick Context Retriever, Agent Memory, Redis Data Integration, LangCache och Redis Search, där Context Retriever och Agent Memory fanns som förhandsversioner. Agent Memory har sedan dess blivit allmänt tillgänglig, medan den nya uppsättningen funktioner utvidgar det ursprungliga fokuset på informationshämtning och minne till att även omfatta dirigering, upprepningsbara procedurer, spårning av beslut och återställning av strömmar.

Nick Thompson, senior mjukvaruutvecklare på Safe in Home, beskrev en konkret driftsättning på produktsidan för Redis Iris: ”Redis Agent Memory hjälper oss att lagra och återanvända kontext i realtid mellan våra kodningsagenter.” Hans team använder funktionen för att fånga upp tekniska beslut, bugginformation och utvecklingskontext medan agenterna arbetar, så att informationen finns tillgänglig för hela teamet i stället för att gå förlorad mellan sessioner eller verktyg. En tjänst läser också från och skriver till det minnet samtidigt som den övervakar företagets API och sedan registrerar buggrapporter i företagets ärendehanteringssystem i realtid.

Lanseringen utvidgar därmed Iris roll från att tillhandahålla kontext till att samordna hur en agent hanterar en förfrågan, återanvänder tidigare arbete, kommer ihåg utvald information och får tillgång till styrda datakällor. Lösningens mognadsgrad varierar dock: de operativa grunderna är allmänt tillgängliga, medan lagren för beslutsgranskning och återställning av anslutningar fortfarande är i betaversion.