0Pricing
AI Agents · Leçon

Letta (anciennement MemGPT) pour les agents à longue durée de vie

Letta est spécialisé dans les agents qui fonctionnent pendant des jours ou des semaines avec une mémoire gérée de façon autonome.

Letta (anciennement MemGPT) pour les agents à longue durée de vie est une leçon AI Agents gratuite sur CoddyKit. Ceci est la leçon 2 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage AI Agents, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours AI Agents comprend 4 leçons au total.

Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.

Qu’est-ce que Letta ?

Letta (anciennement MemGPT, Berkeley 2023) est un cadre conçu spécialement pour les agents qui existent sur de nombreuses sessions et accumulent des souvenirs pendant des semaines ou des mois.

Le problème de la mémoire

Les fenêtres de contexte standard des LLM contiennent de 100k à 2M tokens. Après de nombreuses sessions, même les contextes très vastes débordent. Letta résout ce problème grâce à une gestion explicite de la mémoire.

Mémoire à deux niveaux

  • Mémoire centrale — toujours présente dans le contexte (personnalité, faits importants)
  • Mémoire d’archive — stockée dans une base de données vectorielle et récupérée à la demande

Mémoire autogérée

L’agent décide lui-même de ce qu’il faut retenir et récupérer. Les outils comprennent :

  • core_memory_append — ajouter à la mémoire centrale
  • archival_memory_insert — enregistrer dans l’archive
  • archival_memory_search — récupérer depuis l’archive

Pourquoi l’autogérer ?

Les êtres humains ne se souviennent pas de chaque détail de chaque conversation. Ils synthétisent ce qui compte. Les agents de Letta font de même : ils organisent activement leur mémoire au fil des sessions.

Setup

# pip install letta
from letta import create_client
client = create_client(base_url='http://localhost:8283')

agent = client.create_agent(
    name='Alice',
    persona='I am Alice, a helpful assistant.',
    human='User\'s name is Bob.',
    model='gpt-4o-mini'
)

Sending Messages

response = client.send_message(
    agent_id=agent.id,
    role='user',
    message='Remember: I love hiking.'
)
print(response.messages)
# Agent may invoke core_memory_append to save this fact

Inspecting Memory

memory = client.get_in_context_memory(agent_id=agent.id)
print(memory.persona, memory.human)

archival = client.get_archival_memory(agent_id=agent.id)
for m in archival:
    print(m.text)

Agents persistants en production

Pour les assistants de discussion utilisés pendant plusieurs semaines (comme un coach personnel) :

  • Cadres standard : perte du contexte entre les sessions
  • Letta : mémoire persistante, avec rappel de la conversation de la semaine précédente

Personnalité autoéditable

Les agents de Letta peuvent modifier leur propre personnalité, par exemple mettre à jour au fil du temps leur compréhension de ce qu’ils sont. C’est une piste de recherche intéressante.

Self-Hosting

# Letta runs as a server you can self-host
docker run -d -p 8283:8283 -e LETTA_PG_URI='postgresql://...' letta/letta:latest

Quand utiliser Letta

  • Assistants personnels
  • Agents de service client qui se souviennent de l’historique de l’utilisateur
  • Tuteurs ou coachs
  • Tout agent censé conserver ses connaissances d’une session à l’autre

Quand ne pas l’utiliser

  • Tâches ponctuelles (robots de recherche, génération de code)
  • Environnements multilocataires où l’isolation du contexte est difficile
  • Lorsque la mémoire KV simple et RAG suffisent

Comparaison avec Mem0

Mem0 est un concurrent dans le domaine de la mémoire à long terme. Il est plus léger et moins prescriptif. Il convient bien si vous souhaitez ajouter une mémoire à des agents existants.

Spécialité de Letta

Pour quoi Letta a-t-il été conçu spécifiquement ?

Récapitulatif

Letta est un cadre d’agents axé d’abord sur la mémoire. Sa mémoire à deux niveaux (centrale et d’archive) est autogérée par l’agent lui-même. Choisissez-le pour les assistants persistants ; évitez-le pour les tâches ponctuelles.

Questions Fréquemment Posées

La leçon « Letta (anciennement MemGPT) pour les agents à longue durée de vie » est-elle gratuite ?

Oui — le texte complet de « Letta (anciennement MemGPT) pour les agents à longue durée de vie » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours AI Agents, passe à CoddyKit PRO. Le cours AI Agents comprend 4 leçons au total.

Qu'est-ce que j'apprendrai dans « Letta (anciennement MemGPT) pour les agents à longue durée de vie » ?

Letta est spécialisé dans les agents qui fonctionnent pendant des jours ou des semaines avec une mémoire gérée de façon autonome. Tu pratiques AI Agents avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.

Dois-je avoir de l'expérience pour commencer AI Agents ?

Aucune expérience préalable n'est requise. AI Agents sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 2 sur 4.

Combien de temps prend la leçon « Letta (anciennement MemGPT) pour les agents à longue durée de vie » ?

La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.

Peux-tu écrire et exécuter du code dans cette leçon AI Agents ?

Oui. Chaque leçon AI Agents inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.

Toutes les leçons de ce cours

  1. LangGraph contre CrewAI contre AutoGen
  2. Letta (anciennement MemGPT) pour les agents à longue durée de vie
  3. API Assistants et fils de discussion OpenAI
  4. Choisir le bon cadriciel selon le cas d’utilisation
← Retour à AI Agents