Agentic Context Management: makale, agent bellek ve maliyet sorunlarını birer mimari problem olarak yeniden çerçeveliyor

Agent'lar kendi bağlamlarında boğuluyor

Hacker News'in ana sayfasına ulaşan bir arXiv preprint'i, üretimdeki yapay zeka agent'ları başarısız olduğunda bunun nedeninin nadiren zayıf akıl yürütme olduğunu savunuyor. 23 Temmuz 2026'da Gaurav Dadhich tarafından gönderilen makaleye göre daha yaygın suçlu, modelin bağlamında duran her şey: sürekli büyüyen konuşma geçmişleri, aşırı büyük prompt'lar, etrafa yayılan araç tanımları ve her çağrıyla genişleyen araç çıktıları. Agent kendi geçmişi altında batarak token faturası turdan tura yükselirken, yine de aynı konuşmada ya da önceki bir konuşmada belirtilen bilgileri kaçırıyor.

Makalenin merkezindeki iddia, sektörün varsayılan yaklaşımının — bunu, agent'ın üzerine bir bellek deposu iliştirerek çözülen bir depolama ve erişim sorunu olarak görmenin — çok dar bir çerçeve olduğudur. Yazar, agent'ların gerçekten ihtiyaç duyduğu şeyin, akıllarında tuttuklarının aktif yönetimi olduğunu savunuyor: neyin hatırlanacağına karar verme, bunu çıkarıp yapılandırma, her veri türü için doğru depoyu seçme, kökeni (provenance) korurken birleştirme ve bilinçli unutma, şu anda neyin ilgili olduğunu belirleme, sırada neye ihtiyaç duyulacağını öngörme ve önemli olanı atmadan bağlamı bir bütçeye göre sıkıştırma gibi aşamaları kapsayan bir yaşam döngüsü. Makaleye göre üretimde bunun tek bir kullanıcı için değil, kurumsal bir kapsam hiyerarşisi genelinde işlemesi gerekiyor.

Beş ilke

Preprint bu disipline Agentic Context Management (ACM) adını veriyor ve onu beş ilkeye ayrıştırıyor: architecting, ingesting, scoping, anticipating, ve compaction and consolidation. Yukarıdaki yaşam döngüsüne kabaca eşlenen bu ilkelerden architecting, neyin hatırlanmayı hak ettiğine dair kararları; ingesting, çıkarma, yapılandırma ve veri türüne göre depo seçimini; scoping, ilgili olma hâlini ve kurumsal hiyerarşiyi; anticipating, agent'ın sırada neye ihtiyaç duyacağını öngörmeyi; compaction ve consolidation ise bütçeli küçültme, birleştirme ve unutmayı kapsıyor.

Maliyet argümanı

Ekonomik gerekçe, çerçevenin pratik hâle geldiği yer. Naif bağlam birikimiyle — her turda tüm geçmişi yeniden göndererek — token maliyeti konuşma uzunluğuyla ikinci dereceden (kuadratik) büyür, çünkü her yeni tur öncesindeki her şeyi yeniden iletir. Kaba özetleme eğriyi doğrusal büyümeye düzleştirir, ancak makale bunun accuracy'de keskin bir düşüş bedeliyle geldiğini söylüyor. Yazarın iddiasına göre yalnızca makalenin validated compaction (doğrulanmış sıkıştırma) dediği yaklaşım, sadakati korurken doğrusal maliyet sağlıyor. Uzun ömürlü agent çalıştıran ekipler için bu akademik değil, doğrudan bütçe kalemiyle ilgili bir argüman.

Bir referans uygulama

İlkelerin inşa edilebilir olduğunu göstermek için makale, bunları çok kiracılı (multi-tenant) bir hizmet olarak gerçekleştiren Maximem Synap adlı bir referans uygulamayı tanımlıyor. Uygulama, makalede ayrıntıları verilen belirli bir yapılandırma altında, iki uzun dönemli konuşma belleği kıyaslaması olan LongMemEval'de %92 ve LoCoMo'da %93,2 skor bildiriyor. Her zamanki preprint uyarıları geçerli: bu, hakem değerlendirmesinden geçmemiş tek yazarlı bir makale ve rakamlar bağımsız bir değerlendirme değil, tek bir yapılandırmaya bağlı.

Kıyaslamaların eksik kaldığı yer

Makale, mevcut kıyaslamaların dağıtımda en çok önem taşıyan boyutları kaçırdığını savunarak sona eriyor: latency, token verimliliği ve makalenin context rot'a (bağlam çürümesine) direnç dediği şey. Ayrıca kategori tek konuşmalık belleğin çok ötesine uzanıyor ima eden bir sonraki sınırın işaret ediyor: karar düzeyi ve kurum düzeyi bağlam.

Neden önemli

Teşhis doğruysa, bellek sonradan eklenen bir erişim bileşeni olmaktan çıkıp açık yaşam döngüsü aşamaları ve bütçe-sadakat ödünleşimleri olan mimari bir soruna dönüşüyor. Agent geliştiricileri için bu çerçeve, belirsiz bir "agent'ım şeyleri unutuyor" şikâyetini somut bir mühendislik kontrol listesine çeviriyor ve token maliyetini sabit bir vergiden tasarlanabilir bir eğriye dönüştürüyor: varsayılan olarak ikinci dereceden, yalnızca bilinçli sıkıştırmayla doğrusal. Kurumsal kapsam konusu, agent'ları tek kullanıcılar yerine ekipler ve kiracılar genelinde dağıtan herkes için önemli. İşaret edilen kıyaslama boşlukları — latency, token verimliliği, bağlam bozuldukça sağlamlık — ayrıca mevcut liderlik tablolarının bir bellek sisteminin üretimde hayatta kalıp kalmayacağını söyleyemeyeceği anlamına geliyor. Makalenin Hacker News'te gördüğü ilgi, çözümleri ölçecek araçlar henüz yetişiyor olsa da birçok geliştiricinin sorunu çoktan fark ettiğini gösteriyor.