Redis ขยายขีดความสามารถของ Iris ด้วยการกำหนดเส้นทางให้เอเจนต์ การสังเกตการณ์ และระบบส่งข้อความ

เมื่อวันที่ 4 พฤศจิกายน 2026 Redis ประกาศว่า Iris ซึ่งเป็นเอนจินบริบทแบบเรียลไทม์ มีความสามารถ 6 ด้านที่นำมาประกอบใช้งานร่วมกันได้สำหรับเอเจนต์ AI โดย 4 ด้านพร้อมให้บริการทั่วไปแล้ว และอีก 2 ด้านอยู่ในรุ่นเบต้า การขยายขีดความสามารถครั้งนี้เพิ่มการกำหนดเส้นทางคำขอ ขั้นตอนการทำงานที่นำกลับมาใช้ซ้ำได้ การสังเกตการณ์ และระบบส่งข้อความที่ทนทานต่อความขัดข้อง ให้กับผลิตภัณฑ์ที่ก่อนหน้านี้เน้นเรื่องบริบทและหน่วยความจำเป็นหลัก

ลูกค้าสามารถใช้ความสามารถเหล่านี้ร่วมกัน ใช้แยกกัน หรือเลือกผสมผสานในรูปแบบใดก็ได้ภายในรันไทม์เดียว Rowan Trollope ให้เหตุผลว่า นักพัฒนาไม่ควรต้องนำผลิตภัณฑ์โครงสร้างพื้นฐานหลายชิ้นมาประกอบกัน เพื่อให้เอเจนต์มีหน่วยความจำ บริบทที่เกี่ยวข้อง การเข้าถึงข้อมูลสด การกำหนดเส้นทาง และการสื่อสาร แพ็กเกจเริ่มต้นใช้งานของ Redis มีข้อความฟรี 5,000 ข้อความ

บทวิเคราะห์เชิงลึกด้านเทคนิคประกอบโดย Simba Khadder ผู้อำนวยการฝ่ายวิศวกรรมซอฟต์แวร์ของ Redis อธิบายถึงปัญหาในการใช้งานจริงที่การออกแบบนี้มุ่งแก้ไข ได้แก่ เอเจนต์เริ่มทำงานโดยไม่มีประวัติก่อนหน้า จดจำรายละเอียดอ่อนไหวแต่กลับทำความชอบที่เป็นประโยชน์หายไป ทำงานทั้งที่มีข้อมูลไม่ครบ และสร้างบริบทขึ้นใหม่ซ้ำ ๆ สำหรับคำขอที่เคยจัดการไปแล้ว รูปแบบความล้มเหลวเหล่านี้เชื่อมโยงฟีเจอร์ต่าง ๆ ที่ดูแยกจากกันในรุ่นนี้เข้าด้วยกัน ผ่านแนวคิดเรื่องความต่อเนื่อง การนำกลับมาใช้ซ้ำ และการควบคุม

ความสามารถ 4 ด้านพร้อมให้บริการทั่วไปแล้ว

Intent Router จับคู่คำขอตามความหมาย ไม่ใช่ตามถ้อยคำที่ตรงกันทุกประการ จากนั้นจะส่งคำขอไปยังคำถามที่พบบ่อยซึ่งบันทึกไว้ ทักษะของเอเจนต์ มนุษย์ หรือ LLM นอกจากนี้ยังรองรับการกำหนดเส้นทางเอเจนต์และโมเดล มาตรการควบคุม และการตัดสินใจแบบมีเงื่อนไขที่ยืดหยุ่น จึงจัดการคำขอเดียวกันที่เขียนต่างถ้อยคำให้เป็นปัญหาเดียวกันได้

Agent Playbooks แยกคำตอบที่มีความเสถียรและนำกลับมาใช้ซ้ำได้ ออกจากคำขอที่ต้องใช้ข้อมูลปัจจุบันและเรียกใช้ขั้นตอนที่ทราบอยู่แล้วขึ้นมาใหม่ Redis ระบุว่า Playbooks จะมีเนื้อหาครอบคลุมและแม่นยำยิ่งขึ้นเมื่อใช้งานซ้ำ ช่วยลดเวลาในการแก้ไขปัญหาและการใช้โทเค็น Playbooks จึงทำหน้าที่เป็นส่วนเสริมด้านการนำกลับมาใช้ซ้ำของ Intent Router โดยส่วนหนึ่งจะระบุประเภทของคำขอ ขณะที่อีกส่วนจะพิจารณาว่าคำตอบหรือขั้นตอนที่มีอยู่แล้วสามารถตอบสนองคำขอนั้นได้หรือไม่

Agent Memory ใช้ MemoryETL สร้างหน่วยความจำจากการกระทำของผู้ใช้ เอกสาร ฐานความรู้ และข้อมูลกึ่งมีโครงสร้างประเภทอื่น ๆ โดยจัดระเบียบหน่วยความจำเหล่านั้นเป็นลำดับชั้น เพื่อให้ควบคุมได้ละเอียดขึ้น พร้อมฟีเจอร์ตรวจสอบ ตรวจสอบย้อนหลัง และติดตามที่มา เพื่อให้ทีมเห็นได้ว่าหน่วยความจำแต่ละรายการมาจากที่ใด นอกจากนี้ยังสามารถทิ้งข้อมูลที่ไม่ควรเก็บไว้ได้ รวมถึงข้อมูลที่ระบุตัวบุคคลได้

Context Gateway เป็นจุดเชื่อมต่อเดียวที่อยู่ภายใต้การกำกับดูแล สำหรับเข้าถึงแหล่งบริบทที่เชื่อมต่อไว้ ลูกค้าสามารถนำเซิร์ฟเวอร์ MCP ของตนเองมาใช้ แคชข้อมูลว่าเครื่องมือใดแก้ปัญหาเฉพาะด้านได้ และสร้างผลลัพธ์ที่นำกลับมาใช้ซ้ำได้ เพื่อให้เกิดความสม่ำเสมอในแต่ละเซสชัน Redis นำเสนอการแคชเครื่องมือในฐานะวิธีลดการใช้โทเค็น ซึ่งต่อยอดแนวคิดของรุ่นนี้ที่มุ่งหลีกเลี่ยงการให้โมเดลทำงานซ้ำ จากคำตอบและขั้นตอนการทำงานไปสู่การเข้าถึงข้อมูล

เครื่องมือรุ่นเบต้าครอบคลุมการตรวจสอบและปัญหาการเชื่อมต่อ

Lens ติดตามผลลัพธ์ของเอเจนต์ย้อนกลับไปยังทักษะ เส้นทาง หรือคำถามที่พบบ่อยที่ใช้ หน่วยความจำที่นำมาใช้ และเซสชันต้นทาง นอกจากนี้ยังแสดงความสำเร็จของงาน จำนวนโทเค็นต่องาน และเวลาแฝง โดยผสานเส้นทางการตรวจสอบย้อนหลังเข้ากับตัวชี้วัดการทำงาน ผลลัพธ์นี้มีเป้าหมายเพื่อให้ทีมสืบค้นพฤติกรรมของเอเจนต์ได้เมื่อต้องวิเคราะห์คำตอบที่ผิด ตรวจสอบการใช้โทเค็น หรือหาสาเหตุที่ทำให้เกิดการกระทำบางอย่าง

Agent Mesh ช่วยจัดการปัญหาการสื่อสารหยุดชะงัก เอเจนต์สื่อสารกันผ่านสตรีมชั่วคราว โดยระบบจะบัฟเฟอร์ข้อมูลและเชื่อมต่อใหม่โดยอัตโนมัติเมื่อการเชื่อมต่อขาดหาย Durable SSE Streams ออกแบบมาเพื่อให้การส่งคำตอบดำเนินต่อไปได้แม้เกิดการหยุดชะงัก ส่วน A2A Comms มีช่องทางสำหรับมอบหมายงานระหว่างเอเจนต์และส่งต่องาน ดังนั้น Lens และ Mesh จึงจัดการความเสี่ยงในการใช้งานจริงคนละด้าน ได้แก่ การสร้างเหตุผลเบื้องหลังการตัดสินใจขึ้นใหม่ และการรักษาความต่อเนื่องของบทสนทนา

จากการเปิดตัวในเดือนพฤษภาคมสู่การใช้งานของลูกค้า

เมื่อวันที่ 18 พฤษภาคม 2026 Redis เปิดตัว Irisในฐานะเลเยอร์บริบทและหน่วยความจำระหว่างเอเจนต์กับข้อมูลที่เอเจนต์ต้องใช้ การเปิดตัวครั้งนั้นรวม Context Retriever, Agent Memory, Redis Data Integration, LangCache และ Redis Search โดย Context Retriever และ Agent Memory อยู่ในรุ่นพรีวิว นับแต่นั้น Agent Memory ก็พร้อมให้บริการทั่วไปแล้ว ขณะที่ชุดผลิตภัณฑ์ใหม่ขยายจุดเน้นเดิมด้านการดึงข้อมูลและหน่วยความจำไปสู่การกำหนดเส้นทาง ขั้นตอนการทำงานที่ทำซ้ำได้ การติดตามการตัดสินใจ และการกู้คืนสตรีม

Nick Thompson นักพัฒนาซอฟต์แวร์อาวุโสของ Safe in Home อธิบายตัวอย่างการใช้งานจริงไว้บนหน้าผลิตภัณฑ์ Redis Irisว่า “Redis Agent Memory ช่วยให้เราจัดเก็บและนำบริบทกลับมาใช้ซ้ำระหว่างเอเจนต์เขียนโค้ดของเราได้แบบเรียลไทม์” ทีมของเขาใช้ระบบนี้บันทึกการตัดสินใจด้านวิศวกรรม รายละเอียดข้อบกพร่อง และบริบทการพัฒนาขณะที่เอเจนต์ทำงาน ทำให้ทีมเข้าถึงข้อมูลได้อย่างต่อเนื่อง แทนที่จะสูญหายไประหว่างเซสชันหรือเครื่องมือ นอกจากนี้ บริการหนึ่งยังอ่านและเขียนข้อมูลในหน่วยความจำนั้นระหว่างตรวจสอบ API ของบริษัท จากนั้นสร้างรายงานข้อบกพร่องในระบบติดตามงานแบบเรียลไทม์

ดังนั้น รุ่นนี้จึงขยายบทบาทของ Iris จากการจัดหาบริบทไปสู่การประสานงานว่าเอเจนต์จะจัดการคำขออย่างไร นำงานเดิมกลับมาใช้ซ้ำอย่างไร จดจำข้อมูลที่เลือกไว้อย่างไร และเข้าถึงข้อมูลภายใต้การกำกับดูแลอย่างไร อย่างไรก็ตาม ความพร้อมใช้งานยังไม่เท่ากัน กล่าวคือ รากฐานด้านการปฏิบัติงานพร้อมให้บริการทั่วไปแล้ว ส่วนชั้นการตรวจสอบการตัดสินใจและการกู้คืนการเชื่อมต่อยังอยู่ในรุ่นเบต้า