ADK 向け Redis 統合¶

ADKでサポートPython

adk-redis 統合は、ADK エージェントを Redis に接続します。Redis インデックス上の RedisVL ベース検索ツール、Redis Agent Memory Server を通じた永続セッションと長期メモリ、LLM レスポンスとツール結果のためのセマンティックキャッシュを利用できます。Redis はマネージドサービスまたはセルフホスト（RediSearch モジュールを有効化した Redis 8.4 以降）で実行できます。

この統合にはいくつかの使い方があります。

アプローチ	説明
RedisVL MCP	ADK のネイティブ `McpToolset` を実行中の `rvl mcp` サーバーに接続します。スキーマ対応フィルターと返却フィールドヒントを備えた `search-records`（vector / fulltext / hybrid）と `upsert-records` を公開します。
Session + Memory サービス	Agent Memory Server をバックエンドとする ADK `BaseSessionService` と `BaseMemoryService` の実装、`RedisWorkingMemorySessionService` と `RedisLongTermMemoryService` です。
Sessions + Memory MCP	ADK のネイティブ `McpToolset` を SSE 経由で Agent Memory Server の MCP エンドポイントに接続します。エージェントは `search_long_term_memory`、`create_long_term_memories`、`memory_prompt` に直接ツールとしてアクセスできます。
Search tools	RedisVL クエリでバインド済みインデックスを検索する 5 つの `BaseTool` サブクラス（`RedisVectorSearchTool`、`RedisHybridSearchTool`、`RedisRangeSearchTool`、`RedisTextSearchTool`、`RedisSQLSearchTool`）です。

ユースケース¶

データに対する RAG: Redis インデックスに対して vector、hybrid、 range、BM25 text、SQL 検索を実行します。Hybrid 検索は Redis 8.4 以降でネイティブ FT.HYBRID を使い、それ以外ではクライアント側集約へフォールバックします。
永続的なマルチターンエージェント: セッションサービスとメモリサービスを任意の ADK Runner に接続し、会話状態を保持し、コンテキストウィンドウが埋まったら自動要約し、永続化すべき事実を長期メモリへ昇格します。
スキーマ対応 MCP ツール: Redis インデックスごとに 1 つの rvl mcp サーバーを立て、複数のエージェントを stdio、sse、streamable-http で接続します。MCP ツール説明には、インデックススキーマから派生したフィルターと返却フィールドヒントが含まれます。
レイテンシとコストの削減: LLM 呼び出し箇所をセマンティックキャッシュで包み、繰り返しまたはほぼ重複するプロンプトがモデルをスキップするようにします。

前提条件¶

Python 3.10 以降
RediSearch モジュールを有効化した Redis 8.4 以降、または Redis Cloud
セッションとメモリサービスの場合: ローカルまたは環境で実行中の Redis Agent Memory Server
LangCache キャッシュプロバイダーの場合: Redis LangCache キャッシュと API キー

インストール¶

必要なコンポーネントをインストールします。

pip install 'adk-redis[memory]'      # session + long-term memory services
pip install 'adk-redis[search]'      # RedisVL-backed search tools
pip install 'adk-redis[sql]'         # RedisSQLSearchTool (sql-redis)
pip install 'adk-redis[langcache]'   # managed semantic cache provider
pip install 'adk-redis[all]'         # everything above

# For the RedisVL MCP server (used with ADK's native McpToolset):
pip install 'redisvl[mcp]>=0.18.2'

エージェントで使用する¶

RedisVL MCP serverSessions + MemorySessions + Memory MCP serverSearch tools

RedisVL MCP サーバー（rvl mcp）を Redis インデックスに向けて起動し、ADK のネイティブ McpToolset を接続します。次の例は stdio トランスポートを使うため、別のサーバープロセスは不要です。長時間実行されるリモートサーバーへ接続する場合は、StreamableHTTPConnectionParams または SseConnectionParams に置き換えてください。

from google.adk.agents import Agent
from google.adk.tools.mcp_tool import McpToolset
from google.adk.tools.mcp_tool.mcp_session_manager import StdioConnectionParams
from mcp import StdioServerParameters

root_agent = Agent(
    model="gemini-flash-latest",
    name="redis_mcp_agent",
    instruction="Use the search-records tool to answer questions.",
    tools=[
        McpToolset(
            connection_params=StdioConnectionParams(
                server_params=StdioServerParameters(
                    command="rvl",
                    args=[
                        "mcp",
                        "--config",
                        "/path/to/mcp_config.yaml",
                        "--read-only",
                    ],
                ),
                timeout=30,
            ),
            tool_filter=["search-records"],
        ),
    ],
)

Note

他の ADK 言語からこの MCP サーバーへ接続する方法については MCP ツールを参照してください。

REST ベースのセッションサービスとメモリサービスを通じて Agent Memory Server を任意の ADK Runner に接続します。Working memory はセッションごとの状態を自動要約で処理し、long-term memory はセッション横断のハイブリッド検索を提供します。

from google.adk.agents import Agent
from google.adk.runners import Runner

from adk_redis import (
    RedisLongTermMemoryService,
    RedisLongTermMemoryServiceConfig,
    RedisWorkingMemorySessionService,
    RedisWorkingMemorySessionServiceConfig,
)

session_service = RedisWorkingMemorySessionService(
    config=RedisWorkingMemorySessionServiceConfig(
        api_base_url="http://localhost:8000",
    ),
)
memory_service = RedisLongTermMemoryService(
    config=RedisLongTermMemoryServiceConfig(
        api_base_url="http://localhost:8000",
        recency_boost=True,
    ),
)

root_agent = Agent(
    model="gemini-flash-latest",
    name="redis_memory_agent",
    instruction="Use long-term memory to personalize responses.",
)

runner = Runner(
    app_name="redis_memory_app",
    agent=root_agent,
    session_service=session_service,
    memory_service=memory_service,
)

ADK のネイティブ McpToolset を SSE 経由で Agent Memory Server の MCP エンドポイントへ接続します。これにより、REST ベースサービスを使わずに、エージェントが長期メモリ操作へ直接ツールとしてアクセスできます。

import os

from google.adk.agents import Agent
from google.adk.tools.mcp_tool import McpToolset
from google.adk.tools.mcp_tool.mcp_session_manager import SseConnectionParams

MEMORY_MCP_URL = os.getenv("MEMORY_MCP_URL", "http://localhost:9000")

root_agent = Agent(
    model="gemini-flash-latest",
    name="memory_mcp_agent",
    instruction="Use memory tools to personalize responses.",
    tools=[
        McpToolset(
            connection_params=SseConnectionParams(
                url=f"{MEMORY_MCP_URL.rstrip('/')}/sse",
            ),
            tool_filter=[
                "search_long_term_memory",
                "create_long_term_memories",
                "memory_prompt",
            ],
        ),
    ],
)

Note

Agent Memory Server は REST API とは別のポートで MCP エンドポイントを公開します。Docker Compose を含む完全な動作例は fitness_coach_mcp の例を参照してください。

RedisVL ベースの BaseTool サブクラスを使って、Redis インデックスに対して vector、hybrid、range、text、SQL 検索を実行します。ツールを既存インデックスにバインドし、エージェントへ直接渡します。

from google.adk.agents import Agent
from redisvl.index import SearchIndex
from redisvl.utils.vectorize import HFTextVectorizer

from adk_redis import RedisVectorQueryConfig, RedisVectorSearchTool

vectorizer = HFTextVectorizer(model="redis/langcache-embed-v2")
index = SearchIndex.from_existing("products", redis_url="redis://localhost:6379")

search_tool = RedisVectorSearchTool(
    index=index,
    vectorizer=vectorizer,
    config=RedisVectorQueryConfig(num_results=5),
    return_fields=["title", "price", "category"],
    name="search_products",
    description="Semantic search over the product catalog.",
)

root_agent = Agent(
    model="gemini-flash-latest",
    name="redis_search_agent",
    instruction="Help users find products using semantic search.",
    tools=[search_tool],
)

セマンティックキャッシュ¶

繰り返しまたはほぼ重複するプロンプトがモデルをスキップするように、LLM 呼び出し箇所をセマンティックキャッシュで包みます。自分の Redis と vectorizer を使うセルフホスト方式、または Redis LangCache によるマネージド方式を選択できます。

Semantic cache (self-hosted)Semantic cache (LangCache)

セルフホストのセマンティックキャッシュには、ローカル vectorizer と自分の Redis インスタンスを使う RedisVLCacheProvider を使用します。

from google.adk.agents import Agent
from redisvl.utils.vectorize import HFTextVectorizer

from adk_redis import (
    LLMResponseCache,
    RedisVLCacheProvider,
    RedisVLCacheProviderConfig,
    create_llm_cache_callbacks,
)

provider = RedisVLCacheProvider(
    config=RedisVLCacheProviderConfig(
        redis_url="redis://localhost:6379",
        ttl=3600,
        distance_threshold=0.1,
    ),
    vectorizer=HFTextVectorizer(
        model="redis/langcache-embed-v2",
    ),
)

llm_cache = LLMResponseCache(provider=provider)
before_model_cb, after_model_cb = create_llm_cache_callbacks(llm_cache)

root_agent = Agent(
    model="gemini-flash-latest",
    name="cached_agent",
    instruction="You are a helpful assistant with semantic caching enabled.",
    before_model_callback=before_model_cb,
    after_model_callback=after_model_cb,
)

マネージドのセマンティックキャッシュサービスである Redis LangCache と LangCacheProvider を使用します。埋め込みはサーバー側で処理されるため、ローカル vectorizer は不要です。

import os

from google.adk.agents import Agent

from adk_redis import (
    LLMResponseCache,
    LangCacheProvider,
    LangCacheProviderConfig,
    create_llm_cache_callbacks,
)

provider = LangCacheProvider(
    config=LangCacheProviderConfig(
        cache_id=os.environ["LANGCACHE_CACHE_ID"],
        api_key=os.environ["LANGCACHE_API_KEY"],
        server_url=os.getenv(
            "LANGCACHE_SERVER_URL",
            "https://aws-us-east-1.langcache.redis.io",
        ),
        ttl=3600,
    ),
)

llm_cache = LLMResponseCache(provider=provider)
before_model_cb, after_model_cb = create_llm_cache_callbacks(llm_cache)

root_agent = Agent(
    model="gemini-flash-latest",
    name="cached_agent",
    instruction="You are a helpful assistant with semantic caching enabled.",
    before_model_callback=before_model_cb,
    after_model_callback=after_model_cb,
)

利用可能なツール¶

検索ツール¶

ツール	説明
`RedisVectorSearchTool`	RedisVL `VectorQuery` による vector similarity（KNN）検索です。
`RedisHybridSearchTool`	Vector + BM25 ハイブリッド検索です。Redis 8.4 以降ではネイティブ `FT.HYBRID` を使い、それ以外ではクライアント側集約にフォールバックします。
`RedisRangeSearchTool`	vector 距離しきい値内のすべてのドキュメントを返します。
`RedisTextSearchTool`	BM25 キーワード全文検索です。vectorizer は不要です。
`RedisSQLSearchTool`	バインド済みインデックスに対して `redisvl.query.SQLQuery` で SQL `SELECT` を実行します。`:name` パラメータプレースホルダーをサポートします。`adk-redis[sql]` が必要です。

MCP¶

ソース説明

RedisVL MCP server (rvl mcp) ADK のネイティブ McpToolset を実行中の rvl mcp サーバーに接続します。サーバーは YAML に応じて vector / fulltext / hybrid のいずれかを使う search-records と upsert-records を公開し、インデックススキーマから派生したフィルターと返却フィールドヒントを提供します。stdio、sse、streamable-http、HTTP bearer 認証をサポートし、サーバー側の --read-only または McpToolset の tool_filter=["search-records"] で書き込みを抑制できます。

Sessions + Memory MCP server ADK のネイティブ McpToolset を SSE 経由で Agent Memory Server の MCP エンドポイントに接続します。search_long_term_memory、create_long_term_memories、edit_long_term_memory、delete_long_term_memories、memory_prompt を公開します。REST API とは別のポートで実行されます。

メモリツール¶

ツール	説明
`MemoryPromptTool`	関連メモリでエージェントプロンプトを拡張します。
`SearchMemoryTool`	クエリで長期メモリを検索します。
`CreateMemoryTool`	新しい長期メモリを保存します。
`UpdateMemoryTool`	ID で既存メモリを更新します。
`DeleteMemoryTool`	ID でメモリを削除します。
`GetMemoryTool`	ID で単一メモリを取得します。

サービス¶

サービス	説明
`RedisWorkingMemorySessionService`	Agent Memory Server working memory をバックエンドとする `BaseSessionService` です。コンテキストウィンドウを超えると自動要約します。
`RedisLongTermMemoryService`	recency-boosted semantic search を備えた Agent Memory Server long-term memory ベースの `BaseMemoryService` です。

キャッシュプロバイダー¶

プロバイダー	説明
`RedisVLCacheProvider`	RedisVL `SemanticCache` によるセルフホストのセマンティックキャッシュです。自分の vectorizer を使います。
`LangCacheProvider`	Redis LangCache によるマネージドのセマンティックキャッシュです。埋め込みはサーバー側で処理されます。