Разработчики представили подход, позволяющий интегрировать логику ИИ-агентов прямо в среду базы данных PostgreSQL. Вместо выноса данных во внешние сервисы для обработки, система использует расширения для выполнения вычислений и взаимодействия с моделями на уровне СУБД. Это позволяет сократить задержки при передаче данных и упростить архитектуру приложений, работающих с векторным поиском и генеративным ИИ.
Реализация опирается на возможности SQL-функций для вызова внешних API или локальных моделей, что превращает базу данных в полноценный узел оркестрации. Такой метод позволяет выполнять сложные операции, такие как суммаризация записей, классификация или генерация ответов, непосредственно в момент выполнения SQL-запроса. Это исключает необходимость создания отдельных промежуточных слоев для обработки данных перед их отправкой в модель.
Использование базы данных в качестве платформы для исполнения агентных задач упрощает управление состоянием и контекстом. Поскольку все данные уже находятся в таблицах, агент получает прямой доступ к структурированной информации без необходимости сложной настройки RAG-пайплайнов. Решение ориентировано на системы, где критически важна скорость работы с данными и минимизация накладных расходов на сетевое взаимодействие между хранилищем и логикой ИИ.