Redis amplió Redis Iris, su motor de contexto en tiempo real para agentes de IA, con seis funcionalidades personalizables que pueden usarse en conjunto o de forma independiente para aportar memoria, contexto y mensajería en entornos de producción. La actualización apunta a resolver fallas habituales al llevar agentes a operación, como falta de contexto en el momento oportuno y dificultades para recordar información de manera adecuada.

La compañía sostuvo que, si bien los modelos y la infraestructura de IA ya alcanzan un nivel suficiente para uso empresarial, pocos equipos logran resultados exitosos y consistentes en producción con agentes. Entre los problemas frecuentes se mencionan prompts sobrecargados, llamadas redundantes a modelos de lenguaje de gran tamaño (LLM) e integraciones personalizadas frágiles, que incrementan costos en tokens y tiempo.

Rowan Trollope, director ejecutivo de Redis, planteó que el despliegue en producción requiere una base comparable a la de otras arquitecturas de software. “Los agentes necesitan los mismos fundamentos que las aplicaciones y los microservicios”, señaló Trollope. También sostuvo que los desarrolladores no deberían necesitar múltiples productos de infraestructura para que los agentes funcionen y que Iris reúne componentes fundamentales en un único entorno de ejecución.

Cuatro capacidades con disponibilidad general

El paquete incluye cuatro capacidades con disponibilidad general (GA). Redis Intent Router identifica la intención de una solicitud, en lugar de basarse en su formulación, y la envía al destino correspondiente, que puede ser una pregunta frecuente almacenada en memoria, una habilidad del agente, una persona o un LLM. También admite enrutamiento de agentes y modelos, restricciones de seguridad y condicionales “difusos”, con decisiones que no se limitan a verdadero o falso.

Redis Agent Playbooks permite definir qué respuestas son estables y deben reutilizarse, y cuáles requieren datos actuales y una nueva ejecución de un procedimiento conocido, con el objetivo de reducir tiempos de resolución y consumo de tokens. Redis Agent Memory genera memorias a partir de acciones del usuario y de documentos u otros datos semiestructurados mediante MemoryETL; organiza esa información en jerarquías, habilita inspección y auditoría, y ofrece trazabilidad del origen de los datos. También puede olvidar lo que no debería conservar, como información de identificación personal.

Redis Context Gateway brinda un punto de entrada único y controlado a fuentes de contexto conectadas. Los equipos pueden incorporar sus propios servidores MCP, almacenar en caché herramientas para reducir el uso de tokens y generar resultados reutilizables para asegurar coherencia entre sesiones.

Funciones en beta y disponibilidad

La actualización suma dos funciones en beta. Redis Lens vuelve rastreable el comportamiento del agente: cada resultado puede seguirse hasta la habilidad, la ruta o la pregunta frecuente utilizada, la memoria de la que aprendió y la sesión de origen, con visibilidad sobre éxito de la tarea, tokens por tarea y latencia. Redis Agent Mesh habilita comunicación entre agentes mediante flujos efímeros, con almacenamiento automático en búfer y reconexión cuando se interrumpe la conexión.

June Lee, director de tecnología de Paradigm, describió el uso de Redis en ese entorno: “Todo lo que ves en Paradigm está almacenado en Redis”. Redis Iris ya está disponible; Intent Router, Agent Playbooks, Agent Memory y Context Gateway se ofrecen en disponibilidad general, mientras que Lens y Agent Mesh permanecen en beta. Además, Redis ofrecerá un primer vistazo en directo a la nueva versión el 12 de noviembre (Américas) y el 17 de noviembre (EMEA).