View a markdown version of this page

Activer la mémoire à long terme - Amazon Bedrock AgentCore

Activer la mémoire à long terme

Vous pouvez activer la mémoire à long terme de deux manières : en ajoutant des stratégies lorsque vous créez une AgentCore mémoire pour la première fois, ou en mettant à jour une ressource existante pour les inclure.

Création d'un nouveau souvenir grâce à des stratégies à long terme

La méthode la plus directe consiste à inclure des stratégies lorsque vous créez une nouvelle AgentCore mémoire. Après l'appelcreate_memory, vous devez attendre que l'état de la AgentCore mémoire ACTIVE soit rétabli avant de pouvoir l'utiliser.

Exemple
AgentCore CLI
  1. agentcore add memory --name PersonalizedShoppingAgentMemory --strategies USER_PREFERENCE agentcore deploy
Interactive
  1. Exécutez agentcore pour ouvrir le TUI, puis sélectionnez Ajouter et choisissez Memory :

  2. Sélectionnez la stratégie de préférence de l'utilisateur :

    Assistant mémoire : sélectionnez la stratégie USER_PREFERENCE
  3. Vérifiez la configuration et appuyez sur Entrée pour confirmer :

    Assistant mémoire : confirmation de la configuration de la mémoire

    Exécutez ensuite agentcore deploy pour approvisionner la mémoire AWS.

Ajouter des stratégies à long terme à une AgentCore mémoire existante

Pour ajouter des fonctionnalités à long terme à une AgentCore mémoire existante, vous devez utiliser l'update_memoryopération. Vous pouvez ajouter, modifier ou supprimer des stratégies pour une mémoire existante.

Note

La AgentCore CLI prend en charge la création et la gestion des ressources de mémoire. Pour mettre à jour les stratégies de mémoire sur une mémoire existante, utilisez le AWS SDK.

Exemple : ajouter une stratégie de résumé de session à une AgentCore mémoire existante

import boto3 # Initialize the Boto3 client for control plane operations control_client = boto3.client('bedrock-agentcore-control', region_name='us-west-2') # Assume 'memory_id' is the ID of an existing AgentCore Memory that has no strategies attached to it memory_id = "your-existing-memory-id" # Update the memory to add a summary strategy response = control_client.update_memory( memoryId=memory_id, memoryStrategies=[ { 'summaryMemoryStrategy': { 'name': 'SessionSummarizer', 'description': 'Summarizes conversation sessions for context', 'namespaceTemplates': ['/summaries/{actorId}/{sessionId}/'] } } ] ) print(f"Successfully submitted update for memory ID: {memory_id}") # Validate strategy was added to the memory memory_response = control_client.get_memory(memoryId=memory_id) strategies = memory_response.get('memory', {}).get('strategies', []) print(f"Memory strategies for memoryID: {memory_id} are: {strategies}")
Note

Long-term les enregistrements de mémoire ne seront extraits que des événements conversationnels stockés après l'adoption d'une nouvelle stratégie. ACTIVE Les conversations enregistrées avant l'ajout d'une stratégie ne seront pas traitées pour la mémoire à long terme.