MongoDB como capa de memoria para tus agentes de IA

Los agentes de IA sin memoria persistente son demos, no productos. Esta semana: cómo usar MongoDB como backbone de estado para agentes reales.

Tres colecciones que necesitas

• sessions: turno a turno, con el contexto completo enviado al modelo.
• decisions: cada acción que el agente tomó, con el razonamiento que la motivó (auditoría).
• facts: memoria a largo plazo extraída de conversaciones, indexada por usuario.

Por qué Mongo y no solo un vector store

Un vector store resuelve similitud semántica. Mongo resuelve todo lo demás: filtros exactos, TTLs para expirar sesiones, transacciones cuando el agente ejecuta una acción con efectos secundarios.

await db.collection('decisions').insertOne({
  agentId,
  action: 'send_email',
  reasoning: '...',
  toolCalls: [...],
  createdAt: new Date(),
});

Índices que no puedes olvidar

Índice TTL en sessions.expiresAt para limpiar solo, e índice compuesto en facts por userId + updatedAt para recuperar memoria reciente rápido.

La próxima semana: assets estáticos para tus apps de IA sin depender de un proveedor cerrado.