MemGPT快速入门：5分钟搭建你的第一个记忆智能体

MemGPT快速入门：5分钟搭建你的第一个记忆智能体

【免费下载链接】MemGPT Teaching LLMs memory management for unbounded context 📚🦙 项目地址: https://gitcode.com/GitHub_Trending/me/MemGPT

还在为LLM的上下文限制而烦恼？MemGPT（现更名为Letta）为你带来革命性的记忆管理解决方案，让AI智能体拥有真正的长期记忆能力！

🚀 什么是MemGPT？

MemGPT（Memory-GPT）是一个开源的智能体框架，专门为大型语言模型（LLM）设计记忆管理系统。它通过创新的虚拟上下文管理技术，让AI智能体能够：

• ✅ 突破上下文限制：处理远超模型原生限制的长对话
• ✅ 长期记忆存储：智能体能够记住过去的对话和经历
• ✅ 状态持久化：智能体状态保存在数据库中，支持无限期运行
• ✅ 透明记忆操作：提供完整的记忆读写和管理工具

📦 环境准备：Docker一键部署

步骤1：安装Docker

确保你的系统已安装Docker，如果没有安装，请参考Docker官方安装指南。

步骤2：启动MemGPT服务器

# 创建数据持久化目录
mkdir -p ~/.letta/.persist/pgdata

# 启动MemGPT服务器（需要OpenAI API密钥）
docker run \
  -v ~/.letta/.persist/pgdata:/var/lib/postgresql/data \
  -p 8283:8283 \
  -e OPENAI_API_KEY="你的OpenAI_API密钥" \
  letta/letta:latest

步骤3：验证服务器运行

打开浏览器访问 http://localhost:8283/v1，如果看到API响应，说明服务器已成功启动。

🎯 创建你的第一个记忆智能体

安装Python客户端

pip install letta-client

基础智能体示例

from letta_client import CreateBlock, Letta, MessageCreate

# 连接到本地MemGPT服务器
client = Letta(base_url="http://localhost:8283")

# 创建新智能体
agent_state = client.agents.create(
    memory_blocks=[
        CreateBlock(
            label="human",
            value="姓名：张三",
        ),
    ],
    model="openai/gpt-4o-mini",
    embedding="openai/text-embedding-3-small",
)

print(f"智能体创建成功！名称：{agent_state.name}，ID：{agent_state.id}")

# 发送消息
response = client.agents.messages.create(
    agent_id=agent_state.id,
    messages=[
        MessageCreate(
            role="user",
            content="你好，请介绍一下你自己",
        )
    ],
)

print("对话响应：", response.messages[-1].content)

🔧 高级配置：定制化智能体

完整智能体配置示例

from letta_client import CreateBlock, Letta, MessageCreate
from letta.prompts import gpt_system

client = Letta(base_url="http://localhost:8283")

# 创建定制化智能体
agent_state = client.agents.create(
    name="我的个人助理",
    memory_blocks=[
        CreateBlock(
            label="human",
            value="姓名：李四\n职业：软件工程师\n兴趣：编程、阅读、旅行",
        ),
        CreateBlock(
            label="persona", 
            value="你是一个热情友好的AI助手，喜欢用表情符号，擅长技术问题解答",
        ),
    ],
    model="openai/gpt-4o-mini",
    context_window_limit=16000,  # 扩展上下文窗口
    embedding="openai/text-embedding-3-small",
    system=gpt_system.get_system_text("memgpt_chat"),
    include_base_tools=True,
)

print(f"高级智能体创建完成：{agent_state.name}")

🛠️ 添加自定义工具

MemGPT支持为智能体添加自定义功能工具：

from letta_client import CreateBlock, Letta, MessageCreate
from letta_client.types import TerminalToolRule

client = Letta(base_url="http://localhost:8283")

# 定义自定义工具函数
def get_current_time() -> str:
    """
    获取当前时间
    
    返回当前系统的日期和时间信息
    
    Returns:
        str: 格式化的时间字符串
    """
    from datetime import datetime
    return f"当前时间：{datetime.now().strftime('%Y-%m-%d %H:%M:%S')}"

# 创建工具
time_tool = client.tools.upsert_from_function(func=get_current_time)

# 创建带自定义工具的智能体
agent_state = client.agents.create(
    memory_blocks=[
        CreateBlock(
            label="human",
            value="姓名：王五",
        ),
    ],
    model="openai/gpt-4o-mini",
    embedding="openai/text-embedding-3-small",
    tool_ids=[time_tool.id],
    tool_rules=[
        TerminalToolRule(tool_name=time_tool.name),
        TerminalToolRule(tool_name="send_message"),
    ]
)

# 测试工具调用
response = client.agents.messages.create(
    agent_id=agent_state.id,
    messages=[
        MessageCreate(
            role="user",
            content="现在几点了？",
        )
    ],
)

print("工具调用结果：", response.messages[-1].content)

📊 MemGPT核心功能对比

功能特性	传统LLM	MemGPT智能体
上下文长度	有限（4K-128K）	理论上无限
记忆持久化	会话级	数据库持久化
记忆管理	无	完整的CRUD操作
工具扩展	有限	无限自定义工具
状态保持	无	长期状态维护

🔍 记忆管理操作

MemGPT提供丰富的记忆操作功能：

# 查看智能体记忆
agent_details = client.agents.retrieve(agent_id=agent_state.id)
print("核心记忆：", agent_details.core_memory)

# 更新记忆
client.agents.memory.update(
    agent_id=agent_state.id,
    blocks=[
        CreateBlock(
            label="human",
            value="姓名：王五\n年龄：28\n职业：数据分析师",
        )
    ]
)

# 搜索归档记忆
search_response = client.agents.memory.search(
    agent_id=agent_state.id,
    query="职业信息"
)

🌐 使用ADE图形界面

MemGPT提供强大的Agent Development Environment（ADE）图形界面：

1. 确保服务器运行在 localhost:8283
2. 访问 https://app.letta.com
3. 选择"Local server"连接本地服务器
4. 在图形界面中创建、管理和与智能体交互

ADE提供以下功能：

• 📝 智能体创建和管理
• 💬 实时聊天界面
• 🧠 记忆查看和编辑
• 🔧 工具配置和测试
• 📊 使用统计和监控

🚨 常见问题解答

Q: MemGPT和Letta是什么关系？

A: MemGPT是项目原名，现已更名为Letta。MemGPT指代智能体技术，Letta指代完整的API服务器和运行时环境。

Q: 数据存储在哪里？

A: 使用Docker部署时，数据默认存储在PostgreSQL数据库中，位置为 ~/.letta/.persist/pgdata。

Q: 支持哪些LLM提供商？

A: 支持OpenAI、Anthropic、vLLM、Ollama等多种LLM服务提供商。

Q: 如何备份智能体数据？

A: 备份 ~/.letta/.persist/pgdata 目录即可完整保存所有智能体数据。

📈 性能优化建议

优化建议：

1. 数据库优化：使用SSD存储提升数据库性能
2. 网络优化：选择距离近的LLM服务端点
3. 内存配置：为Docker分配足够的内存资源
4. 缓存策略：合理配置记忆检索的缓存机制

🎉 下一步学习路径

完成基础入门后，建议继续探索：

1. 多智能体系统：创建协作的智能体网络
2. 自定义工具开发：构建专业领域的专用工具
3. 记忆优化策略：设计高效的记忆管理方案
4. 生产环境部署：将MemGPT部署到云服务器
5. API集成开发：将MemGPT集成到现有应用中

💡 实践挑战

尝试完成以下任务来巩固学习：

1. 创建一个记住用户偏好的个性化助手
2. 开发一个天气查询工具并集成到智能体中
3. 构建一个多轮对话的场景演示
4. 实现智能体的记忆导出和导入功能

MemGPT为LLM应用开发带来了全新的可能性，通过有效的记忆管理，你可以构建出真正智能、有记忆的AI助手。开始你的MemGPT之旅吧！

提示：记得定期检查 MemGPT官方文档 获取最新功能和最佳实践。

【免费下载链接】MemGPT Teaching LLMs memory management for unbounded context 📚🦙 项目地址: https://gitcode.com/GitHub_Trending/me/MemGPT