Google Cloud lança Always-On Memory Agent: memória contínua para IA sem banco vetorial nem embeddings

A maioria dos agentes de IA tem um problema crônico: eles esquecem. Processam uma requisição, respondem e descartam o contexto. O Google Cloud acaba de lançar no seu repositório generative-ai uma implementação de referência que ataca esse problema de frente: o Always-On Memory Agent, um agente leve que roda 24/7 como processo contínuo usando o Gemini 3.1 Flash-Lite — sem banco vetorial, sem embeddings.

O que é o Always-On Memory Agent?

Diferente de chatbots que processam uma pergunta e descartam o contexto, o Always-On Memory Agent é um processo em segundo plano que nunca para. Construído com o Google ADK (Agent Development Kit) e o Gemini 3.1 Flash-Lite, ele usa o próprio LLM para ler, pensar e escrever memória estruturada em um banco SQLite — sem nenhum banco vetorial ou cálculo de embeddings. A escolha do modelo Flash-Lite mira baixa latência e custo mínimo para trabalho contínuo em segundo plano.

Como funciona: Ingestão, Consolidação, Consulta

A arquitetura é elegante: um orquestrador roteia cada requisição para um de três sub-agentes especializados, cada um com suas próprias ferramentas de leitura e escrita:

• IngestAgent: recebe conteúdo em 27 formatos diferentes (texto, imagens, áudio, vídeo, PDFs) e usa a capacidade multimodal do Gemini para extrair resumo, entidades, tópicos e uma pontuação de importância. O registro estruturado vai para a tabela memories.
• ConsolidateAgent: executa a cada 30 minutos (configurável), como ciclos de sono. Revisa memórias não consolidadas, encontra conexões entre elas e escreve um resumo sintetizado, um insight-chave e as relações descobertas. O agente constrói novo entendimento enquanto está ocioso, sem nenhum prompt.
• QueryAgent: responde perguntas lendo todas as memórias e insights de consolidação. Importante: cita os IDs de memória usados como fontes.

Comparação com as abordagens tradicionais

A diferença fundamental: ao contrário do RAG, que é passivo (embute uma vez, recupera sob demanda), o Memory Agent processa memória ativamente e continuamente, descobrindo conexões mesmo quando ninguém está perguntando nada.

Formatos suportados e configuração mínima

O IngestAgent aceita 27 tipos de arquivo em cinco categorias — basta soltar o arquivo na pasta ./inbox:

Para começar, bastam três comandos:

pip install -r requirements.txt
export GOOGLE_API_KEY="sua-chave-api"
python agent.py

O agente inicia vigiando ./inbox, consolida a cada 30 minutos e serve uma API HTTP na porta 8888. Você também pode alimentá-lo via HTTP:

# Ingerir texto
curl -X POST http://localhost:8888/ingest   -H "Content-Type: application/json"   -d '{"text": "Agentes de IA são o futuro", "source": "artigo"}'

# Perguntar
curl "http://localhost:8888/query?q=o+que+você+sabe"

A API expõe endpoints /status, /memories, /consolidate, /delete e /clear. Um dashboard opcional em Streamlit adiciona controles visuais de ingestão, consulta e exclusão.

Casos de uso reais

• Assistente de pesquisa: ingere PDFs, áudio de reuniões e screenshots durante a semana. Depois, sozinho, conecta uma meta de custo a um problema de confiabilidade.
• Base de conhecimento pessoal: absorve notas, artigos e imagens continuamente. A consolidação revela temas que você nunca conectou explicitamente.
• Agente de suporte: armazena tickets passados como memórias estruturadas e responde novas perguntas com referências citadas a casos anteriores.

Por que isso importa

O Always-On Memory Agent representa um paradigma diferente de memória para IA. Em vez de tratar memória como recuperação passiva de embeddings (RAG), ele a trata como um processo cognitivo ativo e contínuo — mais próximo de como o cérebro humano consolida memórias durante o sono. O fato de rodar em SQLite com Gemini Flash-Lite (baixo custo) e ser open source no repositório generative-ai do Google torna a abordagem acessível para desenvolvedores individuais.

Para equipes que já usam RAG com Pinecone, Weaviate ou pgvector, o Memory Agent não é um substituto direto — é um complemento para cenários onde o contexto precisa evoluir entre sessões, não apenas ser recuperado.