Cet article poursuit une série sur un agent IA LangGraph avec état qui gère un flux de travail de réservation de 15 minutes. Enveloppé dans une interface Streamlit, l'agent répond aux requêtes, calcule les prix, propose des créneaux optimisés et confirme les rendez-vous. Pour en faire un produit viable, l'auteur remplace les adaptateurs en mémoire par un backend dédié.

Précédemment, le système reposait sur un checkpointer en mémoire pour l'état de la conversation et sur une simple liste Python pour les réservations. Comme la persistance échouait lors du redémarrage du processus de démonstration, la session A ne pouvait pas voir les réservations créées par la session B. L'agent proposait même des créneaux basés sur une vue en mémoire obsolète, risquant des doubles réservations.

La mise en œuvre de PostgreSQL corrige ces problèmes en stockant les réservations et les informations des techniciens dans des tables liées. Cela permet à plusieurs frontends de partager le même backend en toute sécurité. Bien que l'état du graphe de l'agent fonctionne toujours en mémoire, la persistance et la logique de planification sont gérées en toute sécurité par la base de données, permettant ainsi des opérations commerciales réelles.

Entités clés : Entreprises : Towards Data Science