AI 框架集成：原生 vs 兼容
哪些 AI 框架原生支持 Valkey、哪些只是 wire 兼容，以及踩坑提醒。
接 Valkey 时要分清两类集成：原生支持（厂商提供了专门的 Valkey 实现并测试过）和兼容连接（沿用 Redis 客户端，靠 wire 协议兼容连上 Valkey，但未针对 Valkey 官方测试）。两者都能跑，但原生的更稳、更值得优先选。
全景表（2026 年中）
| 框架 / 能力 | 集成方式 | 包 / 类 |
|---|---|---|
| LangChain 向量库 | 原生 | langchain-aws 的 ValkeyVectorStore |
| Mem0 记忆 | 原生 | provider: "valkey" |
| LangGraph checkpoint | 原生 | langgraph-checkpoint-aws 的 ValkeySaver / ValkeyStore |
| Strands 会话 | 原生 | ValkeySessionManager |
| MCP Server | 原生 | awslabs.valkey-mcp-server |
| LangChain 缓存 / 历史 | 兼容连接 | langchain-redis 的 Redis 类，URL 指向 Valkey |
| LlamaIndex | 兼容连接 | RedisVectorStore / RedisChatStore |
| Spring AI | 兼容连接 | RedisVectorStore（Jedis；TEXT/BM25 可能失效） |
| Feast | 兼容连接 | type: redis → Valkey |
| Ray | 兼容连接 | RAY_REDIS_ADDRESS → Valkey |
| Celery | 兼容连接 | broker='redis://' → Valkey |
通用坑： 许多集成会自动创建一个 TEXT 字段，这在低于 1.2.0 的 valkey-search 上会失败。解决办法是升级到 valkey-search 1.2.0+（2026 年 3 月），或改用 TAG 字段。
原生集成代码
LangChain ValkeyVectorStore（langchain-aws）
底层用 Valkey GLIDE 客户端，不是 redis-py：
from langchain_aws.vectorstores import ValkeyVectorStore
from langchain_openai import OpenAIEmbeddings
store = ValkeyVectorStore.from_documents(
docs, OpenAIEmbeddings(), valkey_url="valkey://endpoint:6379",
)
store.similarity_search("查询", k=4)Mem0（valkey provider）
from mem0 import Memory
m = Memory.from_config({
"vector_store": {
"provider": "valkey",
"config": {
"collection_name": "test",
"valkey_url": "valkey://localhost:6379",
"embedding_model_dims": 1536,
"index_type": "hnsw",
},
}
})
m.add([{"role": "user", "content": "记住这个偏好"}], user_id="user_123")LangGraph ValkeySaver（langgraph-checkpoint-aws）
from langgraph_checkpoint_aws import ValkeySaver
with ValkeySaver.from_conn_string("valkey://localhost:6379", ttl_seconds=3600) as cp:
graph = builder.compile(checkpointer=cp)Strands ValkeySessionManager
社区原生的会话管理器，把 Strands Agent 的会话状态落到 Valkey。
AWS Labs MCP Server
{
"mcpServers": {
"awslabs.valkey-mcp-server": {
"command": "uvx",
"args": ["awslabs.valkey-mcp-server@latest"],
"env": { "VALKEY_HOST": "127.0.0.1", "VALKEY_PORT": "6379" }
}
}
}完整护栏配置见 MCP Server。
兼容连接代码
这些用 Redis 客户端连 Valkey，URL 用 redis:// 即可（wire 兼容）：
from langchain_redis import RedisCache, RedisChatMessageHistory
from langchain_core.globals import set_llm_cache
set_llm_cache(RedisCache(redis_url="redis://valkey-host:6379"))
history = RedisChatMessageHistory(
session_id="abc", redis_url="redis://valkey-host:6379", ttl=3600,
)诚实提醒
Letta（MemGPT）不是 Valkey 记忆后端。 它用 Postgres / pgvector 存记忆，把它列进「Valkey 集成」是不准确的。如果你需要 Valkey 原生记忆，选 Mem0 或 LangGraph ValkeySaver。
兼容连接的整体策略是：能用就用，但优先级低于原生实现。涉及向量检索时尤其注意 TEXT 字段那个坑——优先 TAG 字段或升级 valkey-search。