Создан демонстрационный проект, позволяющий разработать агента, способного в реальном времени управлять операционными процессами на мероприятиях, сохраняя при этом контекст и память о предыдущих событиях. Решение ориентировано на задачи, где агенту необходимо не просто генерировать планы, но и адаптироваться к меняющимся условиям, запоминать прошлые взаимодействия и использовать эту информацию для принятия решений.
Новый подход, реализованный с использованием MongoDB Atlas, Voyage AI и LangGraph, позволяет агентам получать постоянную память, операционный контекст и возможность записывать результаты своих действий. Это значительно расширяет возможности применения ИИ-агентов за пределы простых демонстраций.
Оператор мероприятия: новые возможности
Традиционные демонстрации ИИ-агентов часто ограничиваются выполнением разовых задач, таких как составление отчета о погоде или генерация общего плана. Однако для реальных операционных систем, например, в управлении крупными мероприятиями, требуется гораздо больше. Оператор должен помнить предыдущие события, иметь доступ к контексту посетителей и площадки, реагировать на изменения в реальном времени и сохранять историю для будущих ситуаций.
Разработанный демонстрационный оператор для вымышленного теннисного турнира MongoDB Open иллюстрирует эти возможности. Агент способен учитывать такие факторы, как приближающийся дождь, ограниченная вместимость крытых помещений и индивидуальные потребности посетителей. Он различает типы гостей, например, новичков, стремящихся исследовать площадку, и VIP-клиентов с особыми ожиданиями, учитывая их предыдущие взаимодействия.
Данный проект является не коммерческим кейсом, а демонстрационным сценарием, основанным на реальных экономических аспектах организации мероприятий. Крупные теннисные турниры, такие как US Open, демонстрируют значительное экономическое влияние, исчисляемое миллиардами долларов. Высокие ожидания посетителей, особенно премиум-сегмента, и риски, связанные с погодными условиями, подчеркивают важность эффективного операционного управления.
Архитектура решения
Демо-агент построен на трех уровнях:
1. Операционный слой: управление текущим состоянием мероприятия.
2. Слой памяти: хранение и извлечение информации о прошлых событиях и посетителях.
3. Агентский слой: принятие решений и выполнение действий.
В основе решения лежит MongoDB Atlas, выступающая как единая платформа для операционных данных и памяти агента. Это позволяет избежать задержек, связанных с синхронизацией данных между различными системами, и обеспечивает быстрый доступ ко всей необходимой информации. Скорость реакции критически важна: если надвигается дождь, оператор должен немедленно принять меры, а не ждать пост-аналитики.
MongoDB Atlas интегрирует операционные записи, семантическую память, векторные представления (embeddings), визуальные документы и действия агента в едином слое данных. Это упрощает извлечение комплексного контекста, который может включать историю посетителя, текущее состояние площадки, доступность мест и данные о предыдущих инцидентах.
Ключевые факты
| Компонент | Назначение |
| :————- | :———————————————————————- |
| MongoDB Atlas | Единое хранилище операционных данных и памяти агента |
| Voyage AI | Генерация векторных представлений (embeddings) для семантического поиска |
| LangGraph | Оркестрация рабочих процессов агента |
| FastAPI | Веб-фреймворк для создания API |
| Langfuse | Опциональная трассировка и отладка работы агента |
Сценарий использования и настройка
Демонстрация включает сценарий с приближающимся дождем на вымышленном турнире MongoDB Open. Агент должен обеспечить комфорт двум посетителям: Микико, впервые попавшей на турнир, и Нине, VIP-гостье с историей ожиданий. Агент анализирует текущую ситуацию, извлекает релевантную память из MongoDB Atlas и принимает решения, например, о перемещении посетителей в крытые зоны.
Проект предоставляет полный код на GitHub. Для локального запуска требуется клонировать репозиторий, установить зависимости и настроить переменные окружения, включая URI подключения к MongoDB Atlas, ключи API для Voyage AI и Anthropic (если используется). Скрипты `setup_atlas.py` и `seed_data.py` подготавливают базу данных и наполняют ее начальными данными.
Приложение запускается с помощью команды `uv run python -m event_venue_operator.server`, а для проверки его работоспособности используется `uv run python scripts/smoke_test.py`. Локальный запуск позволяет протестировать все компоненты, включая Vision RAG и LangGraph.
Важность для читателей Comrad404
Этот проект представляет особый интерес для аудитории Comrad404, так как демонстрирует практическое применение агентов в сложных, динамичных сценариях. Возможность создания агентов с долговременной памятью, способных интегрироваться с базами данных и принимать обоснованные решения на основе исторического контекста, открывает новые горизонты для автоматизации и разработки сложных ИИ-систем. Интеграция с MongoDB Atlas подчеркивает важность надежных и масштабируемых хранилищ данных для работы современных LLM-приложений.
Источник: MarkTechPost – Build an Agentic Event Venue Operator with MongoDB Atlas, Voyage, and LangGraph (https://www.marktechpost.com/2026/07/17/build-an-agentic-event-venue-operator-with-mongodb-atlas-voyage-and-langgraph/)
Datos clave
| Punto | Detalle |
|---|---|
| Fuente | MarkTechPost |
| Fecha | 2026-07-17T22:12:57+00:00 |
| Tema | Build an Agentic Event Venue Operator with MongoDB Atlas, Voyage, and LangGraph |