Ajouter de la mémoire à un agent LangChain météo et recherche web : un agent conscient du contexte avec InMemorySaver

La partie 4 complète un agent LangChain qui gère déjà la météo actuelle, les prévisions à trois jours et la recherche web en ajoutant une couche de mémoire. Les épisodes précédents ont connecté les outils météo et de recherche, et celui-ci s'attaque à l'état de conversation manquant, en montrant avec une courte démonstration en direct pourquoi cette couche supplémentaire est importante.

Le coût du fonctionnement sans mémoire est illustré dans deux petits dialogues : on indique à l'agent le prénom Yemi et, lorsqu'on lui redemande quel est le prénom, il répond qu'il ne le sait pas ; de même, après avoir demandé la météo à Seattle puis dit et demain, il perd le contexte de la ville. Le problème n'est pas l'oubli du modèle mais l'absence de magasin d'état, si bien que chaque appel repart de zéro.

La solution vient de LangGraph avec InMemorySaver. La vidéo l'importe avec from langgraph.checkpoint.memory import InMemorySaver, l'instancie comme checkpointer et le transmet au graphe à la compilation avec compile(checkpointer=checkpointer). Sous cette forme, la mémoire ne vit que dans la mémoire du processus, présentée comme une structure conçue pour le prototypage et le débogage rapides.

La clé qui sépare les contextes est thread_id. Les appels transportent thread_id dans configurable lors de l'invocation du graphe ; des appels consécutifs avec le même identifiant poursuivent le même thread, tandis qu'un identifiant différent ouvre une nouvelle session. Ainsi, un seul agent peut distinguer de nombreux dialogues et conserver l'historique de chaque session sans les mélanger.

La démonstration en direct s'exécute en ligne de commande via main.py. Dans le même thread, une fois le prénom Yemi donné, une deuxième question sur le prénom obtient une réponse correcte avec Yemi, tandis que fermer le processus et redémarrer avec un nouveau thread_id fait retourner à la même question que le prénom est inconnu, confirmant l'isolation. L'hôte souligne que la mémoire durable sera abordée ensuite et que la solution actuelle est limitée à la session.

Le contexte météo est corrigé de la même manière. Juste après avoir demandé quel temps fait-il à Seattle, dire et demain fait désormais retenir la ville à l'agent et renvoyer une prévision pour le 4 septembre. Le fossé de compréhension laissé ouvert dans l'épisode précédent se referme sans invite supplémentaire ni répétition de la ville, et l'appel d'outil se déclenche avec le bon paramètre.

La vidéo précise que la ligne de commande est la dernière étape de cette phase et fait évoluer l'architecture. Le plan est de construire une couche API multi-utilisateurs avec FastAPI et d'y superposer une interface de chat légère avec Streamlit. Cela sort l'agent du terminal, sert chaque session avec son propre historique via REST et transforme le projet en quelque chose de démontrable.