Graphiti を用いた進化する事実からのエージェントメモリ用テンポラルコンテキストグラフの構築 は何をしますか?
エージェントがフラットなチャンクや会話履歴だけではなく、何が、いつ、どのソースエピソードから生成されたかを追跡する長期記憶を必要とする場合に Graphiti を使用します。
前提条件
Python 環境、Graphiti ライブラリ、Graphiti のドキュメントに従ったバックエンドのグラフ/データベースコンポーネント、エピソードを取り込みメモリをクエリできるエージェントアプリケーション。
インストール
環境に合わせて、上流のインストール手順またはセットアップパスを使用してください:
- docker run -p 6379:6379 -p 3000:3000 -it --rm falkordb/falkordb:latest
- pip install graphiti-core
- uv add graphiti-core
- pip install graphiti-core[falkordb]
上流からの要件と注意事項:
- | 検索とパフォーマンス | 事前設定済みで本番環境対応、スケール時200ms未満のパフォーマンス | カスタム実装が必要、パフォーマンスはセットアップに依存 |
- | 開発者ツール | グラフ可視化、デバッグログ、APIログを備えたダッシュボード、Python・TypeScript・Go向けSDK | 独自ツールの構築が必要 |
- Python 3.10 以上
基本的な使用法またはスタートガイド:
-
Neo4j 5.26 / FalkorDB 1.1.2 / Kuzu 0.11.2 / Amazon Neptune Database Cluster または Neptune Analytics Graph + Amazon
-
OpenSearch Serverless コレクション(全文検索バックエンドとして機能)
-
OpenAI API キー(Graphiti はデフォルトでLLM推論と埋め込みにOpenAIを使用)
-
上流ドキュメントから抽出: https://raw.githubusercontent.com/getzep/graphiti/HEAD/README.md