A Neo4j kész integrációkkal támogatja az AI-ügynökök fejlesztését
A Neo4j dokumentált, működő integrációkat tett elérhetővé az AI-ügynökök fejlesztéséhez használt keretrendszerekhez és platformokhoz. A vállalat szerint ezekkel a rendszerek közös tudásgráfot, tartós memóriát és kontextusos információ-visszakeresést használhatnak.
- A Neo4j dokumentált integrációkat és futtatható kódot kínál több AI-ügynökplatformhoz.
- A Neo4j Agent Memory rövid távú, hosszú távú és következtetési memóriát támogat.
- Az integrációk az AWS, a Google, a Vercel és a Salesforce környezetéhez is kapcsolódnak.
- A kód a neo4j-agent-integrations GitHub-adattárban érhető el.
- A következő ütemtervi integrációk között a CrewAI és a Haystack 3.0 szerepel.
Kész építőelemek az ügynökalapú rendszerekhez
A Neo4j közlése szerint a fejlesztőcsapatoknak nem kell minden alkalommal az alapoktól megoldaniuk, hogyan kapcsolják össze a tudásgráfot egy AI-ügynököket kezelő keretrendszerrel. A vállalat Neo4j Labs-integrációk formájában publikálta az ehhez szükséges mintákat, futtatható kódot és architekturális útmutatókat.
Az integrációk az AWS, a Google, a Microsoft, a Vercel és a Salesforce környezetéhez is kapcsolódnak, emellett olyan keretrendszereket és eszközöket céloznak, mint a LangGraph, az AWS Strands és a Salesforce Agentforce. A kínálat része a modellhozzáférés, az MCP-szerverek, valamint a generatív AI-keretrendszerek támogatása is.
A Neo4j szerint az ügynökök működésének két alapvető eleme a gráfadatok visszakeresése és használata, illetve a korábbi információk megőrzése. Az ügynökök így lekérdezhetik és frissíthetik a gráfot, miközben a memóriaréteg segíti a tervezést és a következtetést.
A tartós memória több ügynök között is megosztható
A Neo4j Agent Memory rövid távú, hosszú távú és következtetési memóriát kínál. A vállalat leírása szerint ez lehetővé teszi, hogy az ügynökök egy beszélgetésen túl is megőrizzék a kontextust, és több munkamenetben használják a korábbi információkat.
Az adatok kapcsolt gráfként, típusos és feloldott entitásokkal jelennek meg. Ha például ugyanarra az ügyfélre több hivatkozás érkezik, ezek egyetlen csomópontba rendezhetők, amelyhez közvetlenül kapcsolódnak az ügyféllel kapcsolatos tények. A következtetési memória az ügynök döntéseit az azok mögött álló bizonyítékokkal együtt tárolja.
A fejlesztők többféleképpen kapcsolhatják be ezt a működést. Használhatják a hivatalos, helyben futtatott vagy hosztolt Neo4j MCP-szervert, a Neo4j drivereket, az Aura Agents MCP-t, a Neo4j Agent Memoryt vagy a Neo4j Agent Memory Service-t, amelyet a vállalat NAMS néven rövidít.
AWS, Google, Vercel és Salesforce példák
Az AWS Strands és az AgentCore a Neo4j MCP-szerverével együtt használható. A közlemény szerint az AgentCore Memory, illetve közvetlen gráfmegjelenítéshez a Neo4j Agent Memory segítségével az ügynökök rögzíthetik a kontextust, megőrizhetik a korábbi eredményeket, és strukturált tudássá alakíthatják a tapasztalatokat. A Neo4j ehhez olyan útmutatót is közzétett, amely az AWS AgentCore Gateway és az AWS Fargate-en hosztolt külső Neo4j MCP-szerver összekapcsolását mutatja be.
A Google ADK- és Gemini Enterprise-integrációi lehetővé teszik, hogy az ügynök a gráfon következtessen, mielőtt végrehajt egy műveletet. A Genkit a Google fejlesztői eszközeiből kínál közvetlen elérést a Neo4j-hez. A vállalat példája szerint egy ellátásilánc-ügynök egy alkatrészhiányt a beszállítói kapcsolatokon és a függő rendeléseken keresztül is végigkövethet, majd a teljes hálózatra kiterjedő javaslatot adhat.
A Vercel AI SDK-integrációja a Neo4j Agent Memoryt memóriaszolgáltatóként illeszti be egy meglévő alkalmazásba. A Salesforce Agentforce számára három integráció biztosít Neo4j-alapú tudásgráfot, köztük natív MCP-klienst, External Service Actions és Apex Actions támogatást, valamint közvetlen hozzáférést a tartós memóriához.
A következő lépések és a fejlesztők lehetőségei
A Neo4j közlése szerint az integrációk éles használatra készültek, platformbiztonsági beállításokkal, telepítési lépésekkel és indulás előtti tesztekkel. A Neo4j Agent Memory a vállalat szerint az integrációk nagy részén keresztül használható, így több ügynök is ugyanabból a memóriából olvashat, illetve ugyanahhoz adhat hozzá információkat.
A fejlesztők a neo4j-agent-integrations GitHub-adattárban találják a kapcsolódó kódot, a támogatott keretrendszereket és platformokat pedig a Neo4j ügynökökről szóló oldalai sorolják fel. A vállalat következő integrációi között a CrewAI és a Haystack 3.0 szerepel. Haystackhez már elérhető a neo4j-haystack dokumentumtároló, de a 3.0-s verzió jelentős változásokat hozott, ezért új útmutatókra és futtatható példákra is szükség van.
A bejelentés a fejlesztők számára azt jelenti, hogy az ügynökök tudáskezeléséhez és memóriájához kész, az általuk választott platformokhoz igazított kiindulópontokat használhatnak. A Neo4j a mostani közlést egy részletesebb cikksorozat kezdetének is szánja, amely külön-külön mutatja be az integrációkat, az MCP és a driverek közötti választást, valamint a saját üzemeltetésű memória és a NAMS közötti lehetőségeket.
