Redis 为 Iris 增加智能体路由、可观测性与消息能力

Redis于2026年11月4日宣布，其Iris实时上下文引擎现为AI智能体提供六项可组合能力，其中四项已正式可用，两项处于beta阶段。此次扩展为原本以上下文和记忆为核心的产品新增了请求路由、可复用流程、可观测性和弹性消息传递能力。

客户可以在同一运行时中将这些能力组合使用、单独使用或以任意组合方式使用。Rowan Trollope的理由是，开发者不应为了给智能体提供记忆、相关上下文、实时数据访问、路由和通信而不得不拼装各自独立的基础设施产品。Redis的入门方案包含5,000条免费消息。

Redis软件工程总监Simba Khadder撰写的一篇配套技术深度解析文章，描述了该设计旨在解决的生产环境问题：智能体在没有先前历史记录的情况下启动、在保留敏感细节的同时丢失有用的偏好、在信息不完整的情况下工作，以及为已经处理过的请求反复重建上下文。这些故障模式将本次发布中原本相互独立的功能围绕连续性、复用和控制串联起来。

四项能力已正式可用

Intent Router按请求的含义而非确切措辞进行匹配，然后将其导向已记住的FAQ、智能体技能、人工或LLM。它还支持智能体和模型路由、护栏以及模糊条件决策，使同一请求的不同措辞版本能够作为同一底层问题来处理。

Agent Playbooks将可复用的稳定答案与需要最新数据和重新执行已知流程的请求区分开来。Redis表示，随着反复使用，这些playbook会变得更加全面和准确，从而缩短解决时间并减少token消耗。这使Playbooks成为Intent Router的复用对应物：一个识别请求类型，另一个判断现有答案或流程能否满足该请求。

Agent Memory使用MemoryETL从用户操作、文档、知识库和其他半结构化数据中构建记忆。它以分层方式组织这些记忆以实现更细粒度的控制，并提供检查、审计和溯源功能，使团队能够查看每条记忆的来源。它还可以丢弃不应保留的信息，包括个人身份信息。

Context Gateway为已连接的上下文源提供统一的受治理入口点。客户可以自带MCP服务器，缓存解决特定问题的工具，并构建可复用结果以保持跨会话的一致性。Redis将工具缓存视为减少token使用的一种方式，从而将本次发布对避免重复模型工作的强调从答案和流程扩展到数据访问。

Lens将智能体的结果追溯到为其提供服务的技能、路由或FAQ、所使用的记忆以及原始会话。它还暴露任务成功率、每任务token数和延迟，将审计轨迹与运营指标配对。其结果是，当团队需要诊断错误答案、调查token消耗或确定某项操作发生的原因时，智能体行为变得可查询。

Agent Mesh解决通信中断问题。智能体通过临时流进行通信，并在连接断开时自动缓冲和重连。Durable SSE Streams旨在让响应在中断期间持续流动，而A2A Comms为智能体委派和交接提供通道。因此，Lens和Mesh覆盖了不同的生产风险：重建决策和保持对话。

Redis于2026年5月18日推出Iris，作为智能体与其所需数据之间的上下文和记忆层。该次发布整合了Context Retriever、Agent Memory、Redis Data Integration、LangCache和Redis Search，其中Context Retriever和Agent Memory处于预览阶段。此后Agent Memory已转为正式可用，而新的产品阵容将最初对检索和记忆的强调扩展到路由、可重复流程、决策追踪和流恢复。

Safe in Home高级软件开发人员Nick Thompson在Redis Iris产品页面上描述了一个具体部署：“Redis Agent Memory帮助我们在编码智能体之间实时存储和复用上下文。”他的团队利用它在智能体工作过程中捕获工程决策、缺陷细节和开发上下文，使信息在整个团队中保持可用，而不是在会话或工具之间丢失。一项服务还会在监控公司API的同时读写该记忆，然后实时在其工单系统中提交缺陷报告。

因此，本次发布将Iris的角色从提供上下文扩展到协调智能体如何处理请求、复用先前工作、记住选定信息以及访问受治理的数据。不过，其成熟度并不均衡：这些运营基础能力已正式可用，而决策审计和连接恢复层仍处于beta阶段。