LangChain AI एजेंट्स को उनकी खुद की मेमोरी मैनेजमेंट पर नियंत्रण देता है

Terrill Dicki 12 मार्च, 2026 07:25

LangChain का Deep Agents SDK अब AI मॉडल्स को यह तय करने देता है कि कब उनकी कॉन्टेक्स्ट विंडोज़ को कंप्रेस करना है, जिससे लंबे समय तक चलने वाले एजेंट वर्कफ़्लो में मैन्युअल हस्तक्षेप कम होता है।

LangChain AI एजेंट्स को उनकी खुद की मेमोरी मैनेजमेंट पर नियंत्रण देता है

LangChain ने अपने Deep Agents SDK में एक अपडेट जारी किया है जो AI मॉडल्स को उनकी खुद की मेमोरी मैनेजमेंट की चाबियां सौंपता है। 11 मार्च, 2026 को घोषित नई सुविधा, एजेंट्स को निर्धारित टोकन थ्रेशोल्ड या मैन्युअल यूज़र कमांड पर निर्भर रहने के बजाय स्वायत्त रूप से कॉन्टेक्स्ट कंप्रेशन ट्रिगर करने की अनुमति देती है।

यह बदलाव एजेंट डेवलपमेंट में एक लगातार सिरदर्द को संबोधित करता है: कॉन्टेक्स्ट विंडोज़ असुविधाजनक समय पर भर जाती हैं। वर्तमान सिस्टम आमतौर पर मॉडल की कॉन्टेक्स्ट सीमा के 85% तक पहुंचने पर मेमोरी को कॉम्पैक्ट करते हैं—जो रिफैक्टर के बीच में या जटिल डिबगिंग सेशन के दौरान हो सकता है। खराब टाइमिंग से कॉन्टेक्स्ट खो जाता है और वर्कफ़्लो टूट जाते हैं।

टाइमिंग क्यों महत्वपूर्ण है

कॉन्टेक्स्ट कंप्रेशन नया नहीं है। यह तकनीक पुराने संदेशों को संक्षिप्त सारांशों से बदल देती है ताकि एजेंट्स को उनकी टोकन सीमाओं के भीतर रखा जा सके। लेकिन आप कब कंप्रेस करते हैं यह उतना ही महत्वपूर्ण है जितना कि आप कंप्रेस करते हैं या नहीं।

LangChain का कार्यान्वयन कई इष्टतम कंप्रेशन क्षणों की पहचान करता है: टास्क बाउंड्रीज़ जब यूज़र्स फोकस शिफ्ट करते हैं, बड़े रिसर्च कॉन्टेक्स्ट से निष्कर्ष निकालने के बाद, या लंबी मल्टी-फाइल एडिट्स शुरू करने से पहले। एजेंट अनिवार्य रूप से गंदे काम शुरू करने से पहले घर साफ करना सीखता है बजाय इसके कि जगह खत्म होने पर हड़बड़ी करे।

दिसंबर 2024 में प्रकाशित Factory AI के शोध से इस दृष्टिकोण का समर्थन होता है। उनके विश्लेषण में पाया गया कि संरचित सारांशीकरण—कॉन्टेक्स्ट निरंतरता को संरक्षित करना बजाय आक्रामक ट्रंकेशन के—डिबगिंग जैसे जटिल एजेंट टास्क के लिए महत्वपूर्ण साबित हुआ। जिन एजेंट्स ने वर्कफ़्लो संरचना बनाए रखी, वे सरल कटऑफ तरीकों का उपयोग करने वालों से काफी बेहतर प्रदर्शन किया।

तकनीकी कार्यान्वयन

यह टूल Deep Agents SDK (Python) के लिए मिडलवेयर के रूप में आता है और मौजूदा CLI के साथ एकीकृत होता है। डेवलपर्स इसे अपने एजेंट कॉन्फ़िगरेशन में जोड़ते हैं:

सिस्टम उपलब्ध कॉन्टेक्स्ट का 10% हाल के संदेशों के रूप में बनाए रखता है जबकि पहले की हर चीज को सारांशित करता है। LangChain ने एक सुरक्षा जाल बनाया है—पूर्ण बातचीत का इतिहास एजेंट के वर्चुअल फाइलसिस्टम में बना रहता है, जिससे अगर कंप्रेशन गलत हो जाए तो रिकवरी संभव है।

आंतरिक परीक्षण से पता चला कि एजेंट्स कंप्रेशन ट्रिगर करने के बारे में रूढ़िवादी हैं। LangChain ने LangSmith ट्रेसेस का उपयोग करते हुए अपने Terminal-bench-2 बेंचमार्क और कस्टम इवैल्यूएशन सूट्स के खिलाफ फीचर को मान्य किया। जब एजेंट्स ने स्वायत्त रूप से कंप्रेस किया, तो उन्होंने लगातार ऐसे क्षणों को चुना जो वर्कफ़्लो निरंतरता में सुधार करते थे।

बड़ी तस्वीर

यह रिलीज़ एजेंट आर्किटेक्चर फिलॉसफी में एक व्यापक बदलाव को दर्शाती है। LangChain स्पष्ट रूप से Richard Sutton के "bitter lesson" का संदर्भ देता है—यह अवलोकन कि सामान्य तरीके जो कंप्यूटेशन का लाभ उठाते हैं, समय के साथ हैंड-ट्यून्ड दृष्टिकोणों से बेहतर प्रदर्शन करते हैं।

डेवलपर्स के सावधानीपूर्वक यह कॉन्फ़िगर करने के बजाय कि एजेंट्स को मेमोरी कब मैनेज करनी चाहिए, फ्रेमवर्क उस निर्णय को मॉडल को ही सौंप देता है। यह एक दांव है कि GPT-5.4 जैसे मॉडल्स में रीज़निंग क्षमताएं उस बिंदु तक पहुंच गई हैं जहां वे इन परिचालन निर्णयों को विश्वसनीय रूप से ले सकते हैं।

लंबे समय तक चलने वाले या इंटरैक्टिव एजेंट्स बनाने वाले डेवलपर्स के लिए, यह फीचर SDK के माध्यम से ऑप्ट-इन है और CLI में /compact कमांड के माध्यम से उपलब्ध है। व्यावहारिक प्रभाव: कम बाधित वर्कफ़्लो और कॉन्टेक्स्ट सीमाओं के बारे में कम यूज़र सहायता की जरूरत जो अधिकांश अंतिम यूज़र्स वैसे भी नहीं समझते हैं।

छवि स्रोत: Shutterstock