Couchbase представила AI Data Plane — платформу, которая объединяет память ИИ-агентов, поиск контекста в реальном времени и корпоративный MCP-сервер. Для команд, которые пытаются не просто «подключить LLM», а заставить агентов работать в проде, новость важна по простой причине: борьба смещается от модели к данным, а точнее — к тому, кто и как подает агенту нужный контекст в момент решения.
О запуске AI Data Plane сообщает VentureBeat. Couchbase упаковывает в один стек три компонента, которые в компаниях часто живут разрозненно: слой долговременной памяти для агента, инфраструктуру для model context protocol и каталог функций, доступных агентам как инструменты. Идея в том, чтобы не собирать агентную архитектуру из отдельных vector DB, внешнего memory-сервиса, прокси для MCP и набора самописных интеграций, а получить управляемую платформу с едиными правилами по хранению и доступу к данным.
В состав AI Data Plane входят agent memory, enterprise MCP server и agent catalog. Первый блок хранит разговорный контекст, структурированные операционные данные и векторные эмбеддинги в одном слое. Couchbase отдельно подчеркивает guardrails: лимиты токенов на сессию, time-to-live для сохраненной памяти и механизмы meterинг-контроля, которые ограничивают вычислительные затраты на отдельную агентную сессию. Для enterprise-среды это звучит куда практичнее привычного «агент все запомнит сам»: память без ограничений быстро превращается либо в дорогое удовольствие, либо в проблему для комплаенса. Второй блок — self-managed MCP-сервер с корпоративной поддержкой, то есть компаниям не предлагают отдельно поднимать еще один сервис только ради стандартизированного подключения моделей к контексту и инструментам. Третий блок — каталог агентных функций. По словам CTO Couchbase Гопи Дадди, это не метаданные в духе Databricks Unity Catalog или AWS Glue, а скорее каталог вызываемых функций, через который агент видит доступные инструменты внутри платформы.
Главный аргумент Couchbase строится на происхождении самой системы. Дадди говорит, что компания «сначала была кешем, а потом стала базой данных», и именно это дает преимущество, когда речь идет про память ИИ-агентов. Его тезис простой: запись в память примерно в 10 раз быстрее записи на диск, а значит, стек, исторически заточенный под memory-first-нагрузки, лучше подходит для агентных сценариев, где контекст нужно быстро читать, обновлять и переиспользовать. Это явный выпад в сторону вендоров, которые пришли к агентной памяти из поиска или аналитики. При этом Couchbase пытается развести себя и с Redis, который тоже вырос из кеша и недавно анонсировал собственный контекстный слой для agentic AI. Разница, на которой настаивает компания, — наличие ACID-совместимой БД, что критично для транзакционных нагрузок, где важна не только скорость, но и консистентность.
Самая интересная часть анонса — не MCP и не очередной каталог функций, а ставка на edge. AI Data Plane, по словам Couchbase, работает одинаково в облаке, on-premises и в изолированных edge-средах без сети. За это отвечает Couchbase Lite — on-device runtime, который умеет локально выполнять SQL-запросы, полнотекстовый поиск и векторный поиск без подключения к облаку. Когда связь возвращается, данные синхронизируются обратно в центральную систему или между edge-узлами через собственный механизм двусторонней репликации. На словах это выглядит как ответ на вполне приземленный вопрос: что делать с агентами там, где интернет есть не всегда, а данные наружу выпускать нельзя. Целевые сценарии у Couchbase тоже не из презентации про «будущее ИИ», а из скучной и потому дорогой реальности: торговые точки, field service, промышленная инфраструктура и регулируемые среды.
В качестве раннего примера Дадди приводит гостиничные бронирования: несколько агентов одновременно обслуживают клиентов, тянут локальный контекст, запускают векторный поиск прямо на устройстве и синхронизируют общую память с центральной системой. Практический выигрыш здесь не только в доступности без сети, но и в экономии токенов. Если общий контекст уже лежит рядом и используется несколькими сессиями, агентам не нужно снова и снова извлекать и прогонять через модель одни и те же данные. Для компаний, которые уже считают unit economics AI-функций, это звучит убедительнее, чем разговоры про «магический интеллект на периферии».
Есть и пример со стороны клиента. Agora, платформа для встраивания voice, video и conversational AI в корпоративные приложения, использует Couchbase в продакшене с февраля 2024 года. Изначально база работала под Signaling-продуктом, который отвечает за настройку каналов и синхронизацию состояния в live-call-сценариях. Когда Agora пошла дальше в сторону разговорных ИИ-агентов, требования стали жестче: memory-first-архитектура, полная поддержка JSON при хранении и запросах, междатацентровая репликация для высокой доступности и вендор с enterprise-поддержкой. По словам SVP of Product Патрика Ферритера, по этим критериям Couchbase оказалась лучшим вариантом. Сейчас Agora расширяет партнерство именно для задач context retrieval в conversational AI. Ферритер формулирует выгоду без лишней поэзии: архитектура станет проще, а enterprise-grade RAG получит более предсказуемую и низкую задержку, что критично для разговорных интерфейсов.
При этом сама Couchbase не выходит на пустое поле. Рынок контекстного слоя для агентов в 2025 году уже плотно заселен. Oracle добавила memory core в свою БД в марте, Redis выпустила контекстный слой в мае, похожим путем идет и Pinecone как вендор vector-native database. Исследователь IDC Девин Пратт прямо говорит, что Couchbase не задает тренд, а следует ему, но следует в правильную сторону. Его ключевая мысль важна для тех, кто сейчас выбирает стек: сильная сторона Couchbase не в том, что она первой придумала «память для агентов», а в том, что одна и та же платформа тянется от облака до edge и мобильных устройств. А именно так, вообще-то, и устроены реальные enterprise-ландшафты, где никто не живет в одном идеальном hyperscaler-контуре.
Для разработчиков и ИТ-руководителей из этого анонса следует довольно трезвый вывод. Рынок постепенно перестает спорить о том, какая модель «умнее», и начинает спорить о том, кто лучше управляет контекстом, доступом, синхронизацией и стоимостью агентных вызовов. Память ИИ-агентов превращается из экспериментальной надстройки в инфраструктурный слой с требованиями к governance, latency и deployment-моделям. Поэтому главный вопрос после анонса Couchbase звучит не «нужен ли нам еще один AI Data Plane», а «когда агентная память станет таким же обязательным компонентом enterprise-стека, как транзакционная база или шина интеграций». Проверить первоисточник и цитаты можно в .