Управление контекстом

У каждой модели фиксированный размер контекстного окна. По мере выполнения агента окно заполняется — нужно управлять этим процессом.

#Проблема контекстного окна

Когда агент работает, контекстное окно заполняется историей диалога, результатами инструментов и промежуточными шагами. При достижении лимита агент теряет контекст и начинает работать некорректно.

#Стратегии управления

#Суммаризация

Сжатие истории перед достижением лимита — промежуточные сообщения заменяются кратким содержанием:

from deepagents.middleware import SummarizationMiddleware

middleware = SummarizationMiddleware(
    model="openai:gpt-4o-mini",
    backend=backend,
)

#Память

Загрузка постоянных инструкций при запуске агента — содержимое файла AGENTS.md добавляется в контекст:

from deepagents.middleware import MemoryMiddleware

middleware = MemoryMiddleware(
    backend=backend,
    sources=["./AGENTS.md"],
)

#Навыки

Загрузка доменных знаний по требованию — специализированный контекст загружается только когда нужен:

from deepagents.middleware import SkillsMiddleware

middleware = SkillsMiddleware(
    backend=backend,
    sources=["./skills/"],
)

#Практический пример

Все три стратегии можно комбинировать через middleware:

from langchain.agents import create_agent
from deepagents.backends import StateBackend
from deepagents.middleware import (
    FilesystemMiddleware,
    SummarizationMiddleware,
    MemoryMiddleware,
)

backend = StateBackend()
model = "openai:gpt-4o-mini"

agent = create_agent(
    model=model,
    tools=[],
    middleware=[
        FilesystemMiddleware(backend=backend),
        SummarizationMiddleware(model=model, backend=backend),
        MemoryMiddleware(backend=backend, sources=["./AGENTS.md"]),
    ],
)

#Рекомендации

Не храните весь диалог в контексте — суммаризируйте историю. Выносите постоянные знания в файлы и загружайте по требованию. Используйте навыки для специализированного контекста. Мониторьте размер контекстного окна.