La memoria de los agentes necesita un estándar compartido como OpenTelemetry

El ecosistema de memoria para agentes de IA está actualmente fragmentado, con cada herramienta utilizando su propia estructura de datos y mecanismo de almacenamiento. Mads Thines argumenta que este panorama refleja el estado caótico de la observabilidad del software antes de 2019, lo que requiere un estándar unificado para permitir que diferentes agentes compartan contexto de manera efectiva.

Qué ha ocurrido

La mayoría de los entornos de desarrollo actuales dependen de múltiples sistemas desconectados para retener información entre sesiones. Una configuración típica podría incluir archivos de instrucciones como AGENTS.md o CLAUDE.md, directorios gestionados por el agente como /memories, hechos alojados en servicios como GitHub Copilot y grafos de conocimiento separados mantenidos por servidores del Protocolo de Contexto de Modelo (MCP). Estos cuatro enfoques comunes no pueden leer los datos de los otros, lo que significa que las ideas obtenidas por un agente de integración continua permanecen invisibles para un agente editor o herramientas posteriores.

Esta fragmentación ha provocado un aumento de soluciones personalizadas, con desarrolladores construyendo frecuentemente sus propias capas de memoria para abordar brechas específicas. Aunque cada formato individual es lógicamente sólido, el resultado colectivo es una reconstrucción redundante de conceptos básicos: una nota almacenada en una dirección, válida durante cierto período. El problema central no es la falta de herramientas, sino la falta de acuerdo comunitario sobre un modelo de datos compartido, un problema que el sector de la observabilidad resolvió con éxito mediante la creación de OpenTelemetry.

Cómo funciona

Antes de 2019, los proveedores de observabilidad competían creando agentes propietarios, bibliotecas de instrumentación y formatos de datos, lo que dificultaba a los usuarios cambiar de proveedor. La industria resolvió esto fusionando OpenTracing y OpenCensus en OpenTelemetry, que estableció cuatro capas críticas de acuerdo. Estas incluían un modelo de datos unificado para spans y métricas, convenciones semánticas para la nomenclatura, un único protocolo de transporte llamado OTLP e implementaciones de referencia como SDKs compartidos. Los proveedores compitieron entonces en almacenamiento y análisis en lugar de en la recolección de datos, permitiendo a los usuarios instrumentar su código una sola vez.

La memoria de los agentes carece actualmente de este acuerdo fundamental. Una especificación compartida propuesta reflejaría el enfoque de OpenTelemetry definiendo niveles de dirección estándar, como global, proyecto o repositorio, y estableciendo convenciones semánticas para atributos. También definiría un contrato para operaciones básicas como escribir, leer y buscar, expuestas vía MCP, dejando las decisiones de almacenamiento, clasificación e interfaz de usuario a los proveedores individuales. Esta separación permite que las herramientas interoperen en la estructura de datos mientras compiten en funciones de valor añadido.

Detalles clave

• Los formatos de memoria actuales incluyen archivos de instrucciones, archivos gestionados por el agente, hechos de repositorios alojados, bloques de contexto, hechos extraídos, almacenes con espacios de nombres y grafos de conocimiento, ninguno de los cuales es mutuamente legible.
• OpenTelemetry tuvo éxito al acordar un modelo de datos, convenciones semánticas, un protocolo e implementaciones de referencia, permitiendo a los proveedores competir en el uso de datos en lugar de en su recolección.
• Las propuestas existentes como Portable Memory, Open Memory Protocol y COGX se centran principalmente en exportar datos entre proveedores en lugar de habilitar el direccionamiento concurrente en vivo.
• Una estructura de registro de memoria propuesta incluye campos para identidad, dirección, clave, tipo de contenido, ciclo de vida y atributos, con el contenido real de la memoria almacenado por separado.
• La especificación debería registrar quién escribió la memoria, ya sea un humano o un agente, para ayudar a los lectores a evaluar la confiabilidad y mitigar los riesgos de inyección de prompts.
• LoreKit ofrece su esquema y formato en disco bajo una licencia MIT como una entrada concreta para desarrollar un estándar compartido.

Por qué importa

Para los ingenieros que construyen flujos de trabajo agénticos, la actual falta de estandarización significa que el contexto queda aislado dentro de herramientas o proveedores específicos. Esto impide que los agentes colaboren eficazmente, ya que una lección aprendida por un componente no puede ser utilizada por otro sin intervención manual o integraciones personalizadas complejas. A medida que crece el número de herramientas de agentes, aumenta el costo de mantener estos sistemas de memoria desconectados, lo que lleva a esfuerzos de desarrollo redundantes y experiencias de usuario inconsistentes.

Adoptar un estándar compartido permitiría a los desarrolladores instrumentar sus agentes una sola vez y hacer que funcionen sin problemas en diferentes plataformas y herramientas. Habilitaría un ecosistema vibrante donde los proveedores compiten en funciones avanzadas como mejores algoritmos de recuperación o interfaces de usuario, en lugar de atrapar a los usuarios en formatos de datos propietarios. Este cambio reduciría el bloqueo de proveedor y facilitaría que los equipos adopten nuevas herramientas sin perder contexto histórico ni tener que rediseñar su infraestructura de memoria.

Qué puedes hacer

• Audita tu entorno de desarrollo actual para identificar todos los lugares diferentes donde se almacena la memoria del agente y anota las incompatibilidades entre ellos.
• Revisa propuestas existentes como Portable Memory, Open Memory Protocol y COGX para entender sus enfoques hacia la exportación y serialización de datos.
• Experimenta con el almacén offline de LoreKit ejecutando npx @lorekit/cli install para examinar cómo los archivos Markdown simples pueden representar registros de memoria estructurados.
• Compara los registros de memoria generados por tus herramientas actuales con la estructura propuesta para identificar campos faltantes o atributos necesarios para tu caso de uso.
• Participa en la comunidad compartiendo comentarios sobre lo que necesitaría apoyar un formato compartido para tu flujo de trabajo específico, enfocándote en el direccionamiento en vivo y los mecanismos de confianza.
• Considera contribuir a la discusión en terreno neutral, como la Agentic AI Foundation de la Linux Foundation, para ayudar a dar forma a los estándares emergentes.