LangChain предоставляет агентам ИИ контроль над управлением собственной памятью

Terrill Dicki

12 марта 2026 г., 01:55

SDK Deep Agents от LangChain теперь позволяет моделям ИИ самостоятельно решать, когда сжимать окна контекста, уменьшая необходимость ручного вмешательства в долгосрочные рабочие процессы агентов.

LangChain выпустила обновление своего SDK Deep Agents, которое дает моделям ИИ контроль над управлением своей памятью. Новая функция, анонсированная 11 марта 2026 года, позволяет агентам автоматически инициировать сжатие контекста вместо того, чтобы полагаться на фиксированные пороги токенов или ручные команды пользователя.

Это изменение решает постоянную проблему в разработке агентов: окна контекста заполняются в неудобное время. Текущие системы обычно сжимают память при достижении 85% лимита контекста модели — что может произойти в середине рефакторинга или при сложной отладке. Неправильное время приводит к потере контекста и нарушению рабочих процессов.

Почему важен тайминг

Сжатие контекста не ново. Эта техника заменяет старые сообщения сжатым резюме, чтобы удерживать агентов в пределах лимита токенов. Но важен не только сам факт сжатия, а также момент его выполнения.

Реализация LangChain определяет несколько оптимальных моментов для сжатия: границы задач, когда пользователь переключает фокус, после извлечения выводов из больших исследовательских контекстов или перед началом длительных редактирований нескольких файлов. Агент фактически учится убирать лишнее перед началом сложной работы, а не паниковать, когда места заканчивается.

Исследование Factory AI, опубликованное в декабре 2024 года, подтверждает этот подход. Их анализ показал, что структурированное суммирование — сохранение непрерывности контекста вместо агрессивного усечения — критически важно для сложных задач агентов, таких как отладка. Агенты, сохраняющие структуру рабочего процесса, значительно превосходили по эффективности тех, кто использовал простое обрезание.

Техническая реализация

Инструмент поставляется в виде промежуточного слоя для SDK Deep Agents (Python) и интегрируется с существующей командной строкой. Разработчики добавляют его в конфигурацию агента:

Система сохраняет 10% доступного контекста как свежие сообщения, а все остальное суммирует. Встроенная в LangChain система безопасности — полная история диалогов сохраняется в виртуальной файловой системе агента, что позволяет восстановить данные при ошибках сжатия.

Внутренние тесты показали, что агенты осторожно инициируют сжатие. LangChain проверила функцию на своем бенчмарке Terminal-bench-2 и на пользовательских наборах тестов с использованием трассировок LangSmith. Когда агенты выполняли автоматическое сжатие, они последовательно выбирали моменты, улучшающие непрерывность рабочего процесса.

Общая картина

Этот релиз отражает более широкое изменение в архитектуре агентов. LangChain явно ссылается на «горький урок» Ричарда Саттона — наблюдение, что универсальные методы, использующие вычисления, со временем превосходят ручные настройки.

Вместо того чтобы разработчики тщательно настраивали, когда агенты должны управлять памятью, эта задача делегируется самой модели. Это ставка на то, что рассуждательные способности моделей вроде GPT-5.4 достигли уровня, позволяющего им надежно принимать такие операционные решения.

Для разработчиков, создающих долгосрочные или интерактивные агенты, эта функция доступна по желанию через SDK и команду /compact в CLI. Практический эффект: меньше прерываний рабочих процессов и меньше необходимости в ручной настройке лимитов контекста, которые большинству конечных пользователей и так не понятны.

Источник изображения: Shutterstock