واقعیت اینه که هرچی تسک‌های ایجنتی طولانی‌تر می‌شن، کانتکست سنگین‌تر و مدل گیج‌تر می‌شه. لنس مارتین یه مطلب نوشته بود که قشنگ عصاره‌ی دردهای ما توی محیط پروداکشنه... کلِ بازیِ طراحی ایجنت‌های مدرن مثل Claude Code یا Manus شده مدیریت کانتکست و بس. حرف اول و آخرش هم اینه: به ایجنت یه کامپیوتر (Filesystem و Shell) بده.

لایه‌های اکشن (Action Space) دارن عوض می‌شن. به جای اینکه ۵۰ تا Tool مختلف رو با تعاریف طولانی توی Prompt بریزیم و کانتکست رو خفه کنیم، باید ایجنت رو ببریم سمت Shell. ایجنت‌های خفنِ الان زیر ۲۰ تا ابزار دارن... بقیه‌ی کارها رو با نوشتن و اجرای کد توی همون محیط مجازی انجام می‌دن. این یعنی صرفه‌جویی وحشتناک توی توکن چون دیگه لازم نیست نتایج میانی ابزارها رو پردازش کنن و هی رفت و برگشت داشته باشن.

بحث Progressive Disclosure هم خیلی کلیدیه. لزومی نداره کلِ داک‌های MCP یا لیست همه‌ی ابزارها رو از اول به خورد مدل بدیم. ایجنت باید یاد بگیره فقط وقتی لازم داره، بره فلان فایل یا راهنمای ابزار رو بخونه... دقیقاً مثل یه برنامه‌نویس واقعی که هر لحظه کلِ منوال‌های دنیا تو ذهنش نیست. یا مثلاً Offloading؛ به جای خلاصه کردن (Summarization) که همیشه باعث Context rot و از دست رفتن جزئیات حساس می‌شه، باید تاریخچه و نتایج رو بریزیم توی فایل‌سیستم و ایجنت فقط وقتی لازم داشت، بخش‌های خاص رو بخونه.

نکته‌ی رک و واقع‌بینانه: بدون Prompt Caching عملاً ران کردن ایجنت توی مقیاس بزرگ شوخیه. هزینه‌ها و Latency آدم رو فلج می‌کنه. تهش هم همه چیز داره می‌ره سمت Swarm و ایجنت‌های موازی که کانتکست‌های ایزوله دارن و با Git history با هم هماهنگ می‌شن. ایجنت باید بتونه شب‌ها که ما خوابیم، رو خودش Reflection بزنه و کانتکستش رو برای تسک‌های فردا بهینه کنه... چیزی که بهش می‌گن Continual learning در فضای توکن‌ها، نه وزن‌های مدل.

https://rlancemartin.github.io/2026/01/09/agent_design/

🛠 Join @LLMEngineers Community