Pydantic AI 2.60.0 attribue les souvenirs des agents et trie leur historique
L’essentiel de l’annonce
Pydantic publie une version de son kit Python pour agents. Elle ajoute la provenance des écritures mémoire et une réduction de l’historique guidée par un modèle.
- Date de publication de la source
- Catégorie
- Agents et développement
- Périmètre et accès
- Version publiée le 23 octobre, malgré le 22 dans le titre des notes.
- Sujet du contenu
- Mémoire et contexte des agents
- Entreprises / organismes
- Pydantic
- Technologies
- Agent IA, Sous-agent
Deux mécanismes distincts
Un agent peut conserver des fichiers mémoire entre ses tâches. Avec MetadataMemoryStore, l’application peut désormais enregistrer qui les a écrits. Cette attribution reste facultative. RelevanceCompaction traite un autre problème : les longues conversations finissent par dépasser la place disponible dans le modèle. Un modèle évaluateur classe les anciennes étapes pour les conserver, les raccourcir ou les retirer. Le développeur dispose ainsi d’un autre choix que garder uniquement les échanges les plus récents. La version encadre aussi les résultats des sous-agents comme des données, au lieu de les placer dans un message système prioritaire.
Conserver la provenance
L’attribution accompagne le fichier mémoire si elle est activée.
Évaluer les anciennes étapes
Un modèle juge leur pertinence.
Préparer le contexte suivant
Les étapes sont gardées, condensées ou retirées.
Choisissez une étape pour lire son explication.
Conserver la provenance
L’attribution accompagne le fichier mémoire si elle est activée.
Évaluer les anciennes étapes
Un modèle juge leur pertinence.
Préparer le contexte suivant
Les étapes sont gardées, condensées ou retirées.
Illustration simplifiée. Les dessins ne montrent pas de résultats mesurés.
Points techniques et opérationnels
- L’auteur d’un fichier mémoire peut être enregistré.
- La compaction peut conserver, réduire ou retirer une étape.
Un choix de contexte plus explicite
Exemples possibles. L’annonce ne démontre pas de gains pour ces usages.
Exemple pédagogique
Exemple fictif
Un assistant garde un souvenir attribué, puis réduit les anciens échanges avant une nouvelle tâche.
Deux questions pour évaluer l’intérêt
- Activer l’attribution si elle est nécessaire.
- Vérifier les changements de compatibilité.
Qui peut l’utiliser, avec quelles limites ?
Version 2.60.0 publiée
Une provenance enregistrée ne prouve pas qu’un souvenir est exact. Le tri peut écarter une information utile et dépend du modèle évaluateur. Plusieurs changements affectent la compatibilité des intégrations. Les notes décrivent des fonctions et corrections, sans résultat indépendant démontrant une fiabilité générale.
Conditions d’accès : Kit Python publié. Les modèles, leurs coûts et les capacités utilisées dépendent de la configuration de l’application.
Un kit à intégrer
Interprétation éditoriale à partir de l’annonce.
L’application doit choisir ce qu’elle conserve et comment elle l’évalue.
Les mots utiles pour comprendre
Sources et vérifications
Source vérifiée le . Synthèse originale. Les résultats annoncés restent attribués à leur source. Les dessins expliquent le principe ; les exemples présentent un usage possible.
Notes de version complètes et métadonnées GitHub relues. Publication le 23 à 01:44 UTC. Aucun composant exécuté.
Publié sur ce site le . Mis à jour le . Rédaction : Boris Shutov, avec l’aide de ChatGPT. Notre méthode éditoriale.