Pesquisa propõe Agentic Context Management para reduzir custo e falhas em agentes

Falhas de agentes de IA em produção têm menos a ver com raciocínio e mais com a incapacidade de gerenciar o que entra no contexto: histórico de conversas, prompts grandes, definições extensas de ferramentas e saídas que crescem a cada interação. Com o acúmulo, o agente “afoga” em sua própria memória e paga um custo de tokens que aumenta a cada turno, levando a esquecimentos dentro e entre conversas.

A pesquisa defende que o problema não deve ser tratado apenas como armazenamento e busca, mas como uma questão de ciclo de vida e arquitetura do contexto. O trabalho propõe a disciplina Agentic Context Management (ACM), com cinco primitivas (arquitetar, ingerir, delimitar, antecipar e compactar/consolidar), além de uma implementação de referência chamada Maximem Synap, que reporta 92% no LongMemEval e 93,2% no LoCoMo.