What is Letta and how is it different from a regular chatbot?

Letta is a platform for building stateful AI agents with persistent memory and tool orchestration, not just a stateless chat wrapper. It stores agent state, enforces tool schemas, and lets you manage memory and workflows across sessions.

How do I get started using Letta quickly?

Follow the developer quickstart for Python or TypeScript to create your first agent and add tools. If you prefer a visual path, use the ADE to configure memory, prompts, and tools before exporting your setup.

Can Letta remember user preferences and past tasks?

Yes. Letta supports persistent memory so agents can store preferences, decisions, and outcomes, then retrieve them contextually in future interactions. Configure memory policies and validate with real tasks.

How do tools work in Letta agents?

You register functions with strict input schemas so the agent can call them reliably. Add validation, use enums, and return structured errors to guide corrective behavior when inputs are off.

Is Letta the same as MemGPT?

Letta builds on the MemGPT research and ecosystem but is the current platform and package you should use. The package rename notes and open repo explain the transition and updated APIs.

Jak používat Letta: Praktický průvodce tvorbou stavových AI agentů

Pokud jste si někdy přáli, aby váš AI agent si pamatoval kontext napříč relacemi, spolehlivě koordinoval nástroje a vyvíjel se bez improvizovaných skriptů, Letta je právě pro to. Níže najdete praktický krok za krokem průvodce, který vám pomůže Letta nastavit, vytvořit prvního perzistentního agenta a nasadit pracovní postupy, které skutečně zůstanou.

Stojí za zmínku: Letta byla dříve spojována s projektem MemGPT a od té doby se vyvinula do plnohodnotné platformy s SDK a vizuálním Agent Development Environment (ADE). K dispozici jsou quickstarty a oficiální dokumentace, krátké úvodní video, které vás provede tvorbou perzistentního agenta, a oznámení ohledně ADE, pokud preferujete nízkokódové uživatelské rozhraní. Pro hlubší konceptuální přehled o stavových agentech v Lettě si prohlédněte agent overview. Pokud vás zajímá přejmenování z MemGPT na Letta a změny v balíčcích, jsou užitečné poznámky k Python balíčkům a open-source repozitář poskytuje kontext architektury.

Tento průvodce se řídí praktickým a řešení-orientovaným stylem: minimum zbytečností, spousta kroků, které lze jednoduše kopírovat, a jasné rozhodování v každém kroku.

Co je Letta (a proč je důležitá)?

Letta je platforma pro tvorbu stavových AI agentů — agentů, kteří si uchovávají dlouhodobou paměť, spravují nástroje a uchovávají svůj stav mezi konverzacemi. Místo bezstavového chat wrapperu získáte strukturované runtime, kde agent může:

Uchovávat paměť a automaticky získávat relevantní kontext.

Volat nástroje (funkce, API, webhooky) se vstupy podle předepsaných schémat.

Uchovávat a verzovat svou konfiguraci.

Běhat v cloudu nebo lokálně přes SDK (Python/TypeScript) či nízkokódové vizuální prostředí (ADE).

To znamená, že můžete stavět agenty pro zákaznickou podporu, výzkumné asistenty, data ops, produktové operace nebo interní automatizace, kteří „nezapomenou“ projekt uprostřed.

Rychlé rozhodnutí: Kde začít?

Jsem vývojář, který raději kóduje → použijte SDK quickstart (Python nebo TypeScript).

Chci nejdřív prototypovat vizuálně a pak exportovat do kódu → použijte ADE a přehled agentů.

Potřebuji kontext architektury a historii → přečtěte si repozitář/README a poznámky k balíčkům.

Preferuji krátké, vedené video → podívejte se na úvod.

Nastavení: Od nuly k prvnímu agentovi (kódová cesta)

Nejrychlejší cesta pomocí SDK (ukázka Python, v dokumentaci podobné v TypeScript).

Instalace a autentizace

Nainstalujte balíček letta podle dokumentace. Ujistěte se, že máte nastavený API klíč nebo přístupové údaje k lokálnímu serveru jako proměnné prostředí (například LETTA_API_KEY).

Vytvořte agenta

Definujte systémový prompt agenta (roli), strategii paměti a seznam nástrojů. Quickstart ukazuje minimální funkční příklad.

Přidejte perzistentní paměť

Povolte perzistentní paměť a nastavte, jak agent zapisuje a čte ze svého úložiště paměti. Přehled agentů vysvětluje, jak Letta ukládá stav a jak se agenti perzistují na serveru.

Přidejte nástroje (volání funkcí)

Registrujte funkce se striktními schématy. Začněte s jednoduchými nástroji jako search_docs(query) nebo create_ticket(data) a podle potřeby rozšiřujte.

Testujte a iterujte

Spusťte krátké úlohy (například „Shrň toto vlákno zákazníka a vytvoř rezoluční tiket“). Prohlédněte si logy a stopy paměti pro ověření chování.

Nasazení

Rozhodněte se mezi lokálním runtime pro vývoj a hostovaným řešením pro staging/produkci. Verzionujte konfigurace agentů a nástroje průběžně.

Příklad: Minimální šablona agenta (pseudopython)

afrom letta import Client, Agent, Tool
client = Client(api_key=os.environ.
## Použití Letta ADE (cesta bez kódu/nízkokódová)
Pokud preferujete vizuální prototypování, ADE umožňuje skládat agenty, paměť a nástroje bez psaní kódu.
- Spusťte nový agent projekt v ADE.
- Definujte roli agenta (systémový prompt), tón, hranice.
- Nastavte perzistenci paměti a strategie získávání.
- Přidejte nástroje výběrem z konektorů nebo definováním vlastních akcí.
- Testujte konverzace inline, sledujte zápisy do paměti, upravte prahy.
- Exportujte nebo předávejte vývojářům, jakmile prototyp funguje správně.
Podívejte se na oznámení ADE a tutoriál s krátkým úvodním videem.
## Návrh skvělých agentů Letta: doporučené postupy
1) Začněte s úkolem, který má agent řešit
- Definujte úzký rozsah (například „třídění tiketů podpory pro webové chyby“), ne neurčitý obecný úkol.
2) Zakódujte provozní postupy
- Vložte vaše standardní operační postupy do systémového promptu. Příklad: „Když třídění naznačí dopad na produkci, eskalujte a nastavte prioritu=high. Vždy pokud možno přiložte kroky reprodukce.“
3) Dbejte na striktní schémata nástrojů
- Vynucujte výčtové hodnoty (enumy) a povinná pole. Snižuje to chybné parametry generované agentem.
4) Zacházejte s pamětí jako s produktem
- Určete, co má být zapamatovatelné (kontakty, preference, předchozí řešení) a co dočasné (jednorázové výpočty). Pravidelně sledujte stopy paměti.
5) Testujte s reálnými daty
- Naplňte agenta anonymizovanými tikety, dokumenty a příklady. Poučte se z chyb (chybějící kontext, špatná priorita) a dolaďte prompt a nástroje.
6) Raději preventivní pravidla než dodatečné úpravy
- Přidejte validaci v nástrojích. Pokud agent navrhne nesprávné vstupy, handler by měl chybně vstupy zachytit a poskytnout návod.
7) Instrumentujte vše
- Logujte volání nástrojů, zápisy do paměti a telemetry na úrovni zpráv. Vytvářejte dashboardy klíčových metrik (míra úspěšnosti, doba do vyřešení).
8) Verzujte agenty
- Sledujte změny v promptech, nástrojích a paměťových politikách. Pro výrobu připněte osvědčené verze a v testování iterujte.
## Běžné pracovní postupy, které můžete nasadit s Lettou
- Zákaznická podpora
- Shrnutí vláken, návrh řešení, tvorba tiketů, notifikace zainteresovaným.
- Výzkumný asistent
- Plánování dotazů, vyhledávání zdrojů, syntéza, ukládání poznámek o zdrojích do paměti.
- Sales/CS operace
- Parsování poznámek z hovorů, extrakce dalších kroků, aktualizace CRM přes nástroje, následné e-maily podle šablon.
- Interní automatizace
- Monitorování front, spouštění runbooků, ukládání aktualizací stavu a uchování kontextu mezi směnami.
## Odstraňování problémů: Když věci nefungují
- Agent zapomíná
- Ověřte, že je paměť zapnutá a prahy pro získávání jsou vhodné. Zkontrolujte, zda se položky skutečně perzistují.
- Volání nástrojů jsou špatně formátovaná
- Zpřísněte schémata, přidejte enumy, vracejte strukturované chyby s návodem na opravu.
- Agent je příliš ukecaný nebo příliš stručný
- Upravte styl systémového promptu a přidejte 2–3 příklady přímo v promptu.
- Konfliktní instrukce
- Sladěte pravidla provozu. Používejte explicitní priority: „Vždy udělej X před Y.“
- Odchylky po aktualizacích
- Verzionujte produkční nasazení. Zavádějte změny postupně s kanárky.
## Bezpečnost a soulady - rychlé poznámky
- Zacházejte s nástroji jako s důvěryhodným kódem — autentizujte a omezujte přístup.
- Před logováním paměťových stop odstraňte citlivá data.
- Zvažte PII v paměti: zásady uchovávání, přístupy, šifrování.
## Od prototypu k produkci: krátký checklist
- Jasně definované OKR agenta (co je úspěch?).
- Úzký rozsah a SOP řízený systémový prompt.
- Striktní schémata nástrojů s validací a testy.
- Dokumentovaná strategie paměti ověřená reálnými úkoly.
- Nástroje pro pozorovatelnost (logy, metriky, alarmy).
- Plán verzování a návratu zpět.
- Oddělené staging a produkční prostředí.
## Další zdroje k učení
- Úvodní video: vytvořte svého prvního perzistentního agenta.
- Quickstart (Python/TS) s ukázkami kódu.
- Architektura agentů a osvědčené postupy.
- Oznámení a průvodce ADE.
- Poznámky k přejmenování balíčků a kompatibilitě.
- Open-source repozitář a kontext.
## Mimochodem: Rychlejší iterace s [Sider.AI](https://sider.ai)
Pokud dokumentujete prompty, testujete příklady nebo porovnáváte výstupy různých verzí agentů, je užitečné mít artefakty vedle sebe a rychle iterovat. Stojí za zmínku, že [Sider.AI](https://sider.ai) (https://sider.ai/) pomáhá týmům zachytit prompty, poznámky a rozdíly během tvorby a testování agentů — užitečné zejména když více lidí upravuje SOP nebo hodnotí schémata nástrojů.
## Klíčové shrnutí
- Letta vám pomáhá stavět stavové agenty s pamětí, nástroji a perzistentním stavem.
- Začněte s úzkým zaměřením úkolu a striktními schématy pro stabilitu.
- Použijte SDK pro kódově orientované pracovní postupy nebo ADE pro vizuální prototypování.
- Instrumentujte, verzujte a testujte s reálnými daty před nasazením.
- Využijte oficiální quickstarty a průvodce agenty, abyste dodrželi nejlepší praxe.
### Často kladené otázky (FAQ)
Q1: Co je Letta a čím se liší od běžného chatbotu?
Letta je platforma pro tvorbu stavových AI agentů s perzistentní pamětí a orchestrací nástrojů, nejde jen o bezstavový wrapper pro chat. Ukládá stav agenta, vynucuje schémata nástrojů a umožňuje spravovat paměť a pracovní postupy napříč relacemi.
Q2: Jak rychle začít s Lettou?
Postupujte podle rychlého startu pro vývojáře v Pythonu nebo TypeScriptu, vytvořte svého prvního agenta a přidejte nástroje. Pokud preferujete vizuální cestu, použijte ADE k nastavení paměti, promptů a nástrojů před exportem konfigurace.
Q3: Pamatuje si Letta uživatelské preference a minulé úkoly?
Ano. Letta podporuje perzistentní paměť, takže agenti mohou uchovávat preference, rozhodnutí a výsledky a ty pak kontextuálně využívat v budoucích interakcích. Nastavte paměťové politiky a ověřte je na reálných úkolech.
Q4: Jak fungují nástroje v agenty Letta?
Registrujete funkce se striktními vstupními schématy, takže agent je může volat spolehlivě. Přidejte validaci, využívejte enumy a vracejte strukturované chyby, které vedou k nápravě při chybách ve vstupech.
Q5: Je Letta to samé jako MemGPT?
Letta vychází z výzkumu a ekosystému MemGPT, ale je to aktuální platforma a balíček, který byste měli používat. Poznámky k přejmenování balíčků a open-source repozitář vysvětlují přechod a aktualizované API.