O problema: contexto longo degrada o raciocínio
Agentes de linguagem cada vez mais dependem de skills — pacotes reutilizáveis de conhecimento que reúnem instruções, scripts e outros recursos para executar tarefas específicas. O padrão atual é simples: carregar as instruções da skill no contexto do agente e confiar que ele as siga. Mas há um limite conhecido. Conforme o horizonte da tarefa cresce, mais informação se acumula na janela de contexto e a qualidade do raciocínio degrada.
Uma equipe liderada por pesquisadores da UC Berkeley e da University of Cambridge investigou uma alternativa: em vez de carregar as instruções no contexto principal, invocar cada skill como um subagente, com uma janela de contexto própria dedicada a resolver aquele subtask isolado.
Subagentes vencem quando o contrato é claro
O estudo mostrou que a execução via subagentes supera a execução tradicional de skills quando os pacotes expõem contratos claros de entrada e saída e suas instruções codificam o conhecimento procedural necessário para cumprir esses contratos.
O custo, porém, existe: há sobrecarga de comunicação, porque tokens extras são necessários para coordenar o agente principal com seus subagentes.
Por que isso importa
O achado central é editorial e prático ao mesmo tempo: o benefício do conhecimento reutilizável não depende apenas do conteúdo da skill, mas de como ela é organizada e invocada. Para quem constrói agentes longos — pipelines de pesquisa, automação de código, workflows de análise — isso sugere que a arquitetura de invocação é uma alavanca de qualidade tão importante quanto o conteúdo das instruções em si.
É uma mudança de mentalidade: deixar de tratar a skill como “texto a injetar” e passar a tratá-la como “unidade de trabalho isolável”, com divisão clara de responsabilidades entre orquestrador e executor.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
