Ringkasan Bank Memori Vertex AI Agent Engine

Memory Bank Vertex AI Agent Engine memungkinkan Anda membuat memori jangka panjang secara dinamis berdasarkan percakapan pengguna dengan agen Anda. Memori jangka panjang adalah informasi yang dipersonalisasi yang dapat diakses di beberapa sesi untuk pengguna tertentu. Agen dapat menggunakan memori untuk mempersonalisasi respons kepada pengguna dan menciptakan kesinambungan lintas sesi.

Fitur Bank Memori mencakup hal berikut:

  • Penyimpanan persisten kenangan yang dapat diakses dari beberapa lingkungan. Anda dapat menggunakan Sesi Vertex AI Agent Engine dan Bank Memori dengan agen yang di-deploy di Vertex AI Agent Engine Runtime, dari lingkungan lokal, atau dengan opsi deployment lainnya.

  • Ekstraksi memori berbasis model bahasa besar (LLM) dari histori percakapan.

  • Kenangan dibuat secara asinkron dari jarak jauh, sehingga agen tidak perlu menunggu kenangan dibuat.

  • Pengambilan kenangan berbasis penelusuran kesamaan yang dicakup ke identitas (scope).

  • Jika Anda menggunakan Vertex AI Agent Engine Memory Bank dengan Agent Development Kit, agen Anda dapat mengorkestrasi panggilan untuk membaca dan menulis memori jangka panjang menggunakan Memory Bank.

Ringkasan konseptual Vertex AI Agent Engine Memory Bank

Anda dapat menggunakan Memory Bank dengan Sesi Agent Engine Vertex AI untuk membuat kenangan dari sesi tersimpan menggunakan proses berikut:

  1. (Sesi) CreateSession: Di awal setiap percakapan, buat sesi baru. Histori percakapan yang digunakan oleh agen dicakup ke sesi ini. Sesi berisi urutan kronologis pesan dan tindakan (SessionEvents) untuk interaksi antara pengguna dan agen Anda. Semua sesi harus memiliki ID pengguna; kenangan yang diekstrak (lihat GenerateMemories) untuk sesi ini dipetakan ke pengguna ini.

  2. (Sesi) AppendEvent: Saat pengguna berinteraksi dengan agen, peristiwa (seperti pesan pengguna, respons agen, tindakan alat) diupload ke Sesi. Peristiwa ini mempertahankan histori percakapan dan membuat catatan percakapan yang dapat digunakan untuk menghasilkan memori.

  3. (Sesi) ListEvents: Saat pengguna berinteraksi dengan agen, agen akan mengambil histori percakapan.

  4. (Bank Memori) Membuat atau menghasilkan kenangan:

    • GenerateMemories: Pada interval tertentu (seperti di akhir setiap sesi atau di akhir setiap giliran), agen dapat memicu pembuatan memori menggunakan histori percakapan. Fakta tentang pengguna secara otomatis diekstrak dari histori percakapan sehingga tersedia untuk sesi saat ini atau mendatang.

    • CreateMemory: Agen Anda dapat menulis kenangan langsung ke Bank Memori. Misalnya, agen dapat memutuskan kapan memori harus ditulis dan informasi apa yang harus disimpan (memori sebagai alat). Gunakan CreateMemory jika Anda ingin agen Anda memiliki lebih banyak kontrol atas fakta yang diekstrak.

  5. (Bank Memori) RetrieveMemories: Saat pengguna berinteraksi dengan agen Anda, agen dapat mengambil memori yang disimpan tentang pengguna tersebut. Anda dapat mengambil semua kenangan (pengambilan sederhana) atau hanya kenangan yang paling relevan dengan percakapan saat ini (pengambilan penelusuran kesamaan). Kemudian, Anda dapat menyisipkan kenangan yang diambil ke dalam perintah Anda.

Panduan Memulai

Mulai menggunakan Memory Bank dengan panduan memulai berikut:

Risiko keamanan injeksi perintah

Selain tanggung jawab keamanan yang diuraikan dalam Tanggung jawab bersama Vertex AI, pertimbangkan risiko injeksi perintah dan peracunan memori yang dapat memengaruhi agen Anda saat menggunakan memori jangka panjang. Keracunan memori terjadi saat informasi palsu disimpan di Bank Memori. Kemudian, agen dapat beroperasi pada informasi palsu atau berbahaya ini dalam sesi mendatang.

Untuk mengurangi risiko keracunan memori, Anda dapat melakukan hal berikut:

  • Model Armor: Gunakan Model Armor untuk memeriksa perintah yang dikirim ke Memory Bank atau dari agen Anda.

  • Pengujian adversarial: Uji aplikasi LLM Anda secara proaktif untuk mengetahui kerentanan injeksi perintah dengan menyimulasikan serangan. Hal ini biasanya dikenal sebagai "red teaming".

  • Eksekusi sandbox: Jika agen memiliki kemampuan untuk mengeksekusi atau berinteraksi dengan sistem eksternal atau penting, tindakan ini harus dilakukan di lingkungan sandbox dengan kontrol akses yang ketat dan peninjauan manual.

Untuk mengetahui informasi selengkapnya, lihat Pendekatan Google untuk Agen AI yang Aman.

Langkah berikutnya