성능 저하 없이 AI 에이전트를 확장하세요

-- 하나의 쿼리로 벡터와 트랜잭션을 모두 처리합니다. -- 별도의 벡터 데이터베이스가 필요하지 않습니다. SELECT a.agent_id, a.goal, a.status, m_top.relevance FROM agent_tasks a JOIN ( SELECT id, vec_cosine_distance( embedding, '[0.12, 0.85, ...]' ) AS relevance FROM memory_store ORDER BY vec_cosine_distance( embedding, '[0.12, 0.85, ...]') LIMIT 100 ) m_top ON a.context_id = m_top.id WHERE a.status = 'active' ORDER BY m_top.relevance LIMIT 10;

-- 에이전트 3단계: 업데이트 후 다시 읽어옵니다. -- 읽기 결과는 항상 쓰기 결과를 반영합니다. BEGIN; UPDATE agent_state SET step = 3, plan = JSON_SET(plan, '$.next_action', 'execute') WHERE agent_id = 'a-7f3e' AND step = 2; -- 비교 및 교환 -- 즉시 읽기: 오래된 상태 없음. SELECT step, plan->>>'$.next_action' FROM agent_state WHERE agent_id = 'a-7f3e'; -- 반환값: step=3, next_action='execute' -- 분산 노드에서도 동일하게 적용됩니다. COMMIT;

// 모든 AI 에이전트를 MCP 서버를 통해 TiDB에 연결합니다. { "mcpServers": { "TiDB Cloud": { "command": "npx", "args": [ "-y", "mcp-remote", "https://tidb.link/mcp" ] } } } // 이제 에이전트가 다음을 수행할 수 있습니다. // "프로덕션 환경에서 분기 생성" // "SELECT * FROM agents 실행" // "느린 쿼리 표시""