Guide · Redis

Redis pour l'IA : recherche vectorielle, mémoire d'agent et MCP en production

Dans une stack IA, Redis joue désormais trois rôles à la fois : base de données vectorielle, cache des réponses des modèles et lieu où les agents conservent leur état de travail. Chacun de ces rôles exige des réglages différents de persistance, d'éviction et de sécurité, et la plupart des problèmes en production viennent de l'exécution des trois sur une seule instance configurée pour un seul d'entre eux. Ce guide traite les décisions dans l'ordre ; il s'applique aussi à Valkey, en signalant les différences.

Tyler Eastridge

Par Tyler Eastridge, Directeur des opérations

LinkedIn · Mis à jour le · Lecture : 10 min · 11 sections

Sur cette page

Redis pour l'IA en un paragraphe

Redis pour l'IA en un paragraphe

Redis 8 intègre le Redis Query Engine et les vector sets dans Redis Open Source : la recherche vectorielle ne nécessite donc plus Redis Stack ; sur Valkey, l'équivalent est le module valkey-search. Choisissez FLAT pour les charges réduites ou exactes et HNSW pour les volumes importants, et dimensionnez la mémoire par le calcul avant de vous fier à un benchmark. Traitez un cache sémantique comme jetable et la mémoire d'agent comme de la donnée : ils exigent des politiques d'éviction et une persistance différentes, et idéalement des instances distinctes. Attribuez à chaque serveur MCP ou agent un utilisateur ACL dédié, et considérez les prompts en cache comme des données personnelles.

Choisir le moteur vectoriel : Query Engine, vector sets ou valkey-search

Redis Open Source 8.0 a intégré Redis Search, JSON, les séries temporelles et les types probabilistes au serveur principal : les modules RediSearch et RedisJSON séparés ne sont plus nécessaires. Pour les vecteurs, deux voies existent. Le Redis Query Engine (FT.CREATE, FT.SEARCH, FT.HYBRID) indexe les vecteurs stockés dans des hashes ou des documents JSON aux côtés de champs texte, tag, numériques et géographiques, ce dont la plupart des charges de recherche ont besoin. Les vector sets (VADD, VSIM) sont un type de données distinct inspiré des sorted sets, introduit en préversion dans la 8.0, avec un filtrage d'attributs simple et une quantification int8 activée par défaut. Choisissez le Query Engine si vous filtrez sur des métadonnées ou combinez recherche par mots-clés et recherche vectorielle ; choisissez les vector sets si une clé contenant des éléments similaires vous suffit.

Sur Valkey, la recherche vectorielle est fournie par le module valkey-search sous licence BSD, qui prend en charge HNSW et le KNN exact, en mode autonome comme en mode cluster, et, depuis la version 1.2, les requêtes plein texte, tag et numériques avec agrégations. L'image de conteneur valkey-bundle l'embarque préchargé. Les noms de commandes recoupent ceux de Redis, mais testez votre client et votre syntaxe de requête sur le module au lieu de présumer une parité.

FLAT ou HNSW : réponses exactes ou réponses rapides

Un index FLAT compare la requête à chaque vecteur. Le rappel est parfait, et Redis le conseille pour les petits jeux de données, sous environ un million de vecteurs, ou lorsque l'exactitude prime sur la latence. HNSW construit un graphe en couches et le parcourt de manière approximative ; Redis le recommande au-delà d'environ un million de vecteurs. Ses paramètres sont M (liens par nœud, 16 par défaut, doublé sur la couche inférieure), EF_CONSTRUCTION (200 par défaut) et EF_RUNTIME (10 par défaut). Augmenter M améliore le rappel au prix de mémoire et de temps de construction ; augmenter EF_RUNTIME l'améliore au prix de latence, et se règle par requête sans reconstruction.

Redis 8.2 a ajouté un troisième type, SVS-VAMANA, un index de graphe conçu pour être associé à la compression. Notez la réserve de la documentation : les compressions LVQ et LeanVec d'Intel ne sont pas disponibles dans Redis Open Source, qui se rabat sur une simple quantification scalaire 8 bits. Mesurez le rappel sur vos propres embeddings avant d'adopter un index compressé.

Dimensionner la mémoire par le calcul, puis mesurer

La mémoire brute des vecteurs correspond au nombre de vecteurs multiplié par la dimension et par le nombre d'octets par élément : 8 pour FLOAT64, 4 pour FLOAT32, 2 pour FLOAT16 et BFLOAT16, 1 pour INT8 et UINT8. Exemple : un million d'embeddings FLOAT32 de 1 536 dimensions représentent 1 000 000 × 1 536 × 4 = 6 144 000 000 octets, soit environ 5,7 GiB, avant tout le reste. Stocker les mêmes vecteurs en FLOAT16 divise ce poste par deux, et la quantification int8 par défaut des vector sets le divise par quatre.

Ajoutez ensuite le graphe. La documentation des vector sets fournit une méthode réutilisable comme estimation : chaque nœud contient M × 2 liens sur la couche inférieure à 8 octets chacun, plus environ 0,33 × M × 8 octets pour les couches supérieures. Avec M à 16 par défaut, cela fait 256 + environ 42, soit près de 300 octets par vecteur, ou environ 0,3 Go par million. Ajoutez la clé et les champs de métadonnées sur lesquels vous filtrez, puis les surcoûts propres à tout nœud Redis : buffers de réplication et de sortie client, non comptabilisés dans maxmemory, et marge de capacité copy-on-write pour le fork lors d'une sauvegarde RDB ou d'une réécriture AOF. Chargez un échantillon représentatif, relevez la taille de l'index avec FT.INFO et INFO memory, et extrapolez à partir de là plutôt que d'un benchmark éditeur.

Cache sémantique pour les réponses de LLM

Un cache sémantique stocke les réponses du modèle indexées par l'embedding du prompt et renvoie une réponse stockée quand un nouveau prompt est suffisamment proche. RedisVL, la bibliothèque Python de Redis, l'implémente avec SemanticCache : le seuil de correspondance est une distance cosinus de 0 à 2, avec 0,1 par défaut, les entrées peuvent porter un TTL, et filterable_fields permet de restreindre les recherches par utilisateur, tenant ou modèle. Redis commercialise aussi LangCache, un cache sémantique managé sur Redis Cloud accessible par API REST, pour les équipes qui ne veulent pas l'exploiter elles-mêmes.

Le seuil est la décision déterminante. Trop lâche, le cache répond avec assurance à une autre question ; trop strict, le taux de hit ne rentabilise pas l'appel d'embedding. Ajustez-le sur des prompts réels journalisés, incluez la version du modèle et du prompt système dans le filtre, et ne laissez jamais la réponse en cache d'un tenant servir un autre tenant. Un cache qui fuit entre utilisateurs, c'est une violation de données.

Mémoire d'agent : état à court terme et rappel à long terme

Les agents ont besoin de deux types de mémoire. La mémoire à court terme est l'état d'une conversation ou d'une exécution : messages échangés, résultats d'outils, étape en cours du graphe. La mémoire à long terme est ce qui survit à la session : faits, préférences et résultats passés, généralement stockés sous forme de texte accompagné d'un embedding pour que l'agent les retrouve par le sens. Le dépôt Agent Memory Server de Redis modélise précisément cette séparation, avec une mémoire de session soumise à un TTL configurable et une mémoire à long terme alimentée en arrière-plan ; Redis présente désormais cette version open source comme une base de recherche pour son produit de mémoire managé.

Pour LangGraph, le package langgraph-checkpoint-redis fournit les checkpointers RedisSaver, AsyncRedisSaver et ShallowRedisSaver pour l'état des threads, et RedisStore pour la mémoire à long terme avec recherche vectorielle optionnelle. Il requiert les capacités JSON et de recherche, intégrées à Redis 8 et disponibles via Redis Stack sur les versions antérieures, et prend en charge les TTL sur les checkpoints. Fixez les TTL délibérément : un checkpoint qui expire en pleine conversation perd le thread, et un checkpoint qui n'expire jamais engendre une croissance illimitée.

SLA d'urgence de 15 minutes. Ingénieurs seniors attitrés.

Nous contacter

Le serveur MCP Redis, et ce qu'un agent doit avoir le droit de faire

Redis maintient un serveur MCP officiel, redis/mcp-redis, sous licence MIT. Il expose des outils pour les strings, hashes, lists, sets, sorted sets, pub/sub, streams, JSON, le query engine et les informations serveur, fonctionne via le transport stdio et se connecte par nom d'utilisateur et mot de passe, TLS, mode cluster ou Entra ID pour Azure Managed Redis. Son README recommande de restreindre l'utilisateur de connexion via les ACL Redis, par exemple avec un utilisateur en lecture seule.

Suivez ce conseil à la lettre. Créez un utilisateur ACL dédié par agent, limitez-le aux motifs de clés nécessaires et refusez @dangerous et @admin pour qu'aucun prompt ne puisse déclencher FLUSHALL, CONFIG SET ou KEYS en production. Notez que Redis 8 a élargi les catégories ACL existantes : un utilisateur doté de +@read peut désormais exécuter FT.SEARCH, et +@write inclut désormais JSON.SET ; revérifiez donc les règles écrites pour Redis 7. Orientez les agents exploratoires vers un réplica ou une copie, pas vers le primaire qui sert les utilisateurs.

Où passe réellement la latence de la recherche RAG

Dans une étape de recherche, la requête Redis n'est souvent pas la plus lente ; c'est généralement l'appel d'embedding qui transforme la question en vecteur. Mesurez donc chaque étape séparément. Côté Redis, la latence varie avec EF_RUNTIME, avec la sélectivité de votre filtre de métadonnées (le moteur alterne entre le parcours par lots de vecteurs et la recherche exhaustive sur l'ensemble filtré) et avec le fan-out du cluster, où SHARD_K_RATIO sacrifie du rappel contre moins de résultats par shard. Deux pièges piègent la plupart des équipes : FT.SEARCH renvoie 10 résultats par défaut, sauf si vous ajoutez LIMIT 0 <k>, et les résultats sont triés par score de document, sauf si vous appliquez SORTBY au champ de distance. Surveillez le slow log : une requête longue retarde les commandes en attente derrière elle.

Persistance et haute disponibilité (HA) pour l'état de l'IA

Un cache sémantique pur peut fonctionner sans persistance : le perdre coûte des appels au modèle, pas des données. La mémoire d'agent et les checkpoints constituent de l'état et exigent les réglages de tout stockage principal. AOF avec le paramètre par défaut appendfsync everysec limite la perte à environ une seconde d'écritures ; les snapshots RDB offrent des sauvegardes compactes et des redémarrages plus rapides ; pour les données importantes, Redis recommande lui-même les deux. Tous deux forkent le processus : la marge de capacité copy-on-write de l'étape 3 n'est donc pas facultative.

La réplication est asynchrone, et la documentation Redis indique clairement que même WAIT n'empêche pas la perte d'écritures acquittées lors d'un basculement : concevez donc vos agents pour tolérer la perte de leur dernière étape. Exécutez des réplicas sous Sentinel pour la disponibilité, ou Redis Cluster quand le jeu de données ou la charge de requêtes dépasse un nœud. Avant la production, redémarrez un nœud avec l'index vectoriel complet chargé et chronométrez le délai avant qu'il ne serve à nouveau des requêtes ; ce chiffre doit figurer dans votre objectif de reprise.

Éviction : adaptée à un cache, inadaptée à un stockage mémoire

Un cache doit évincer ; un stockage mémoire, non. Sur une instance partagée, allkeys-lru évincera sans scrupule la mémoire à long terme d'un agent ou un checkpoint pour faire de la place aux réponses en cache, et l'agent oublie sans la moindre erreur. Les politiques volatile-* n'évincent que les clés dotées d'un TTL et se comportent comme noeviction en l'absence de TTL, ce qui provoque souvent des erreurs d'écriture inattendues. La documentation Redis suggère des instances séparées lorsqu'une seule contiendrait à la fois des clés de cache et des clés persistantes, et c'est la solution la plus propre : une instance de cache en allkeys-lru ou allkeys-lfu sans persistance, et une instance mémoire en noeviction, avec AOF et des alertes bien en deçà de maxmemory.

Licence : Redis 8 ou Valkey

Redis Open Source 8.0 et versions ultérieures est proposé au choix sous RSALv2, SSPLv1 ou AGPLv3, et les composants intégrés (recherche, JSON, etc.) partagent cette licence. Redis 7.4 était sous RSALv2 ou SSPLv1 ; les versions 7.2 et antérieures restent sous BSD-3-Clause. Valkey et valkey-search sont sous BSD-3-Clause. Si vous modifiez Redis et le proposez via un réseau, examinez d'abord les termes de l'AGPLv3 avec votre conseil juridique. Les équipes qui restent sur Redis 7.2 ou antérieur sous licence BSD pour des raisons de licence n'ont pas de recherche vectorielle intégrée et reçoivent moins de correctifs upstream ; OSSeva publie des builds corrigés pour Redis 6.2, 7.0 et 7.2.

Prompts, données personnelles et contenu du cache

Les prompts contiennent tout ce que saisissent les utilisateurs : un cache sémantique ou un stockage mémoire contiendra donc des données personnelles. Traitez-le comme un stockage de données réglementées : TLS sur chaque connexion, utilisateurs ACL par application, TTL n'excédant pas votre politique de rétention, et identifiants de tenant ou d'utilisateur comme champs de filtre sur chaque recherche en cache et en mémoire. Redis 8 impose aussi qu'un utilisateur ne puisse créer ou interroger un index que sur des préfixes de clés auxquels il a accès : alignez donc les préfixes d'index sur vos motifs de clés ACL. Anticipez les demandes de suppression : les données d'un utilisateur peuvent se trouver dans le cache, la mémoire à long terme, les checkpoints, les fichiers AOF et RDB et les sauvegardes, et un processus d'effacement doit tous les atteindre.

Questions fréquentes

Redis est-il une bonne base de données vectorielle ?

Oui, pour les charges qui tiennent en mémoire et exigent une recherche à faible latence avec filtres de métadonnées. Redis 8 inclut dans Redis Open Source le Redis Query Engine avec les index FLAT, HNSW et SVS-VAMANA, ainsi que le type de données vector set. Le coût, c'est la mémoire : chaque vecteur, ses liens de graphe et ses métadonnées résident en RAM, alors dimensionnez avant de vous engager.

Valkey prend-il en charge la recherche vectorielle ?

Oui, via le module valkey-search, sous licence BSD-3-Clause. Il prend en charge HNSW et le KNN exact en mode autonome et en mode cluster, et la version 1.2 a ajouté les requêtes plein texte, tag et numériques avec agrégations. L'image valkey-bundle l'inclut.

Combien de mémoire les embeddings nécessitent-ils dans Redis ?

Multipliez le nombre de vecteurs par les dimensions et par les octets par élément (4 pour FLOAT32), puis ajoutez les liens du graphe HNSW, les clés, les métadonnées, les buffers de réplication et la marge de capacité du fork. Un million de vecteurs FLOAT32 de 1 536 dimensions représentent à eux seuls environ 5,7 GiB de données vectorielles brutes. Mesurez un chargement d'échantillon avec FT.INFO et INFO memory avant de dimensionner la production.

Existe-t-il un serveur MCP Redis officiel ?

Oui : redis/mcp-redis, maintenu par Redis sous licence MIT. Connectez-le avec un utilisateur ACL dédié, limité à ce dont l'agent a besoin.

Un cache sémantique et la mémoire d'agent doivent-ils partager une instance Redis ?

De préférence non. Un cache requiert une politique d'éviction comme allkeys-lru et peu ou pas de persistance ; la mémoire d'agent requiert noeviction et AOF. Sur une même instance, la politique d'éviction du cache peut supprimer silencieusement la mémoire d'un agent.

Consultation gratuite

Un regard expert sur votre déploiement Redis

Que vous deviez résoudre un incident de production, planifier une migration ou obtenir un second avis sur votre architecture, notre équipe est prête. Pas d’argumentaire commercial, seulement des réponses.

Nous écrire