Bedrock AgentCore Part2: Memory. A Combination of Raw Database, Vector store, And EventBridges!
Zusammenfassung
Kurz
Der Autor zeigt, wie AgentCore Memory Gesprächsereignisse speichert und daraus asynchron Zusammenfassungen oder andere Langzeitinformationen erzeugt, und demonstriert die Einbindung in einen Agenten. Er berichtet für die damalige Vorschauversion von Berechtigungs- und SDK-Lücken, sieht begrenzte Kontrolle über die Verarbeitung und schlägt personalisierte Suchvorschläge als mögliche, im Beitrag nicht erprobte Anwendung vor.
Mittel
Der Beitrag stellt Amazon Bedrock AgentCore Memory als Dienst vor, der rohe Gesprächsereignisse speichert und daraus mithilfe konfigurierbarer Strategien automatisch Langzeitinformationen wie Zusammenfassungen, Präferenzen oder Fakten erzeugt. Anhand eines Pokémon-Agenten zeigt der Autor das Erstellen einer Ressource, Speichern und Abrufen von Ereignissen sowie die Integration in einen Agenten. Dafür werden Nutzer- und Sitzungskennungen verwendet; die Sitzungs-ID soll laut Beitrag eigens im Payload verwaltet werden. Langzeitinformationen entstehen asynchron aus Ereignissen, die erst nach Aktivierung der Strategie gespeichert wurden, und können laut Autor einige Minuten benötigen.
Der Autor empfiehlt persönlich ein Ereignis pro Nachricht, weil einzelne Ereignisse gelöscht, aber nicht aktualisiert werden könnten. Verzweigungen hält er für Rücknahmen im normalen Chat für umständlich; ein Leserkommentar nennt Filter, die das Abrufen eines Zweigs erleichtern könnten. Als Probleme der damaligen Vorschauversion führt der Beitrag fehlende IAM-Rechte und drei im `MemoryClient` nicht verfügbare Funktionen an, für die ein direkter Boto3-Aufruf gezeigt wird. Die Angaben beziehen sich auf den damaligen Stand und Paketversion 0.1.1. Suchvorschläge aus gespeicherten Suchanfragen werden als mögliche Anwendung skizziert, aber nicht als erprobtes Ergebnis belegt. Der Autor lobt die automatische Verarbeitung, bemängelt jedoch eingeschränkte Kontrolle und SDK-Unstimmigkeiten.
Ausführlich lesen
Der Bericht beschreibt die Nutzung von Amazon Bedrock AgentCore Memory anhand eines Pokémon-Chatagenten. Der Autor versteht den Dienst als Kombination aus Speicherung roher Gesprächsereignisse, semantischer Suche in daraus erzeugten Langzeitinformationen und asynchronen Verarbeitungsabläufen. Seiner Darstellung nach kann Memory auch unabhängig von AgentCore Runtime oder einem Agenten eingesetzt werden.
Der Artikel unterscheidet zwei Fähigkeiten innerhalb einer Memory-Ressource: Kurzzeitgedächtnis speichert Gesprächsnachrichten als Ereignisse, die sich nach Nutzer, Sitzung und Ressource abrufen lassen. Langzeitgedächtnis entsteht dagegen automatisch und im Hintergrund aus neu gespeicherten Ereignissen. Dafür können Strategien wie Zusammenfassungen, Nutzerpräferenzen, semantische Fakten oder eigene Strategien aktiviert werden. Der Autor sieht darin den Vorteil, dass aufbereitete Informationen später abrufbar sind, ohne sie beim Abruf erst erzeugen zu müssen. Als Einschränkungen nennt er die geringe Kontrolle darüber, welche Gesprächsteile verarbeitet werden, sowie die Vorgabe, Zusammenfassungen über Namespaces mindestens nach Nutzer und Sitzung zu organisieren.
Im praktischen Teil erläutert der Beitrag das Erstellen einer Memory-Ressource, das Speichern und Auflisten von Ereignissen sowie das Ergänzen weiterer Nachrichten. Die Ereignisaufbewahrung lässt sich laut Beispiel auf 7 bis 365 Tage setzen und beträgt standardmäßig 90 Tage. Ereignisse können mehrere Nachrichten enthalten; der Autor empfiehlt jedoch persönlich eine Nachricht pro Ereignis, weil sich einzelne Ereignisse löschen, aber nach seiner Darstellung nicht aktualisieren lassen. Verzweigungen ermöglichen alternative Gesprächsverläufe. Der Autor hält sie für gewöhnliche Korrekturen und Rücknahmen für umständlich und sieht ihren möglichen Nutzen eher darin, unterschiedliche Agentenverläufe zu vergleichen. Ein Leserkommentar verweist ergänzend auf Filter für Verzweigungsnamen samt Einbeziehung der Wurzelereignisse.
Für die Integration mit einem Agenten zeigt der Autor, wie bisherige Ereignisse abgerufen, mit der aktuellen Frage verbunden und die Antwort anschließend gespeichert werden. Eine eigene Sitzungs-ID soll im Payload geführt werden: Sie werde beim ersten Aufruf benötigt und sei laut Beitrag nicht mit der von Runtime ausgegebenen Sitzungs-ID gleichzusetzen. Für Langzeitgedächtnis wird eine Zusammenfassungsstrategie ergänzt. Sie verarbeitet laut Bericht nur Ereignisse, die nach ihrer Aktivierung gespeichert wurden, und kann einige Minuten zur Bereitstellung benötigen. Abgerufene Zusammenfassungen werden im Beispiel der Agenteneingabe vorangestellt.
Der Autor berichtet außerdem von konkreten Problemen in der damals verwendeten Vorschauversion: Bei fehlender IAM-Berechtigung nennt er `ListEvents` und `CreateEvent` als nötige Rechte; `RetrieveMemoryRecords` fügt er vorsorglich hinzu, obwohl es nach seiner Erfahrung nicht erforderlich schien. Drei Funktionen – Ereignisse löschen sowie Memory-Datensätze listen oder löschen – seien in der damaligen Version des `MemoryClient` nicht verfügbar gewesen, obwohl die APIs laut Dokumentation existieren sollten. Als Umgehung zeigt er einen direkten Boto3-Client. Diese Beobachtungen beziehen sich ausdrücklich auf den damaligen Stand des Artikels und die dort genannte Paketversion 0.1.1.
Als denkbaren Einsatz außerhalb von Agenten schlägt der Autor personalisierte Suchvorschläge vor: Suchanfragen könnten als Ereignisse gespeichert und daraus mit eigenen Strategien Vorschläge erzeugt werden. Das ist ein Vorschlag, kein im Bericht nachgewiesenes Versuchsergebnis. Insgesamt lobt der Autor die verwaltete Kombination aus Rohspeicherung und automatischer Aufbereitung, kritisiert aber fehlende Steuerungsmöglichkeiten, die Sitzungsbindung von Zusammenfassungen und Abweichungen zwischen Dokumentation und SDK.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Bewertet wurde die Zusammenfassung „mittel“; die Zusammenfassung „kurz“ wurde nicht gesondert geprüft. Die Einordnung dient nur als Orientierung, da der Bericht ein technischer Erfahrungsbericht zu AWS AgentCore Memory ist und die Sammelfragen überwiegend Governance- und Sicherheitsthemen betreffen.
Im Bericht, aber nicht in der Zusammenfassung
- Der Beitrag nennt als Einschränkung, dass die Zusammenfassungs-Namespaces sowohl actorId als auch sessionId enthalten müssen, sodass keine Zusammenfassung pro Nutzer möglich ist.
- Der Autor kritisiert, dass der Algorithmus die Tokenanzahl ignoriert und Nutzer kaum steuern können, welcher Teil des Gesprächs zusammengefasst wird.
- Der Autor bemängelt, dass Abrufe nicht nach Strategie getrennt werden können und die Ergebnisse im content als eigene Abschnitte erscheinen.
- Der Autor beschreibt das Rückgängigmachen von Gesprächen im Kurzzeitspeicher als schwierig, weil Verzweigungen dafür umständlich sind.
- Das Pokémon-Beispiel mit Pikachu als Nutzerpräferenz wird im Text als Motivation für die Präferenzstrategie genutzt und fehlt in der Zusammenfassung.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Unabhängig prüfen
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 48 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 48 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 52 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 61 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Vertrauen in Modelle
- SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 53 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 87 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 49 %Hintergrund, keine Belege
- JEV 29 %gleiches Oberthema, hilft nicht
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 50 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
- SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- clef 100 %kein Bezug
- Luna 70 %einzelne zitierbare Belege
- JEV 27 %einzelne zitierbare Belege
- amos 28 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 43 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung Hintergrund, keine Belege
- SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- clef 100 %kein Bezug
- Luna 35 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 48 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
- clef 100 %kein Bezug
- Luna 40 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung nur am Rande erwähnt
Modelle teilen und schützen
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 33 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Weitere Berichte zu diesen Fragen
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Alle Berichte im Archiv