Google a Anthropic v hodinovém webináři odhalili tři pilíře, na kterých stojí budoucnost AI agentů. Žádné buzzwordy — čísla, kód a konkrétní techniky, které mění pravidla hry.
Celý obor se přesouvá od „jak napsat dobrý prompt" k „jak řídit celý informační stav agenta". Anthropic, Google, LangChain, Manus — všichni mluví stejnou řečí. Prompt engineering stačil na jednorázové odpovědi. Pro agenty, kteří běží hodiny nebo dny, potřebujete systematický přístup ke správě kontextu.
Kdo to reálně používá? Claude Code si píše vlastní poznámky o projektech. Manus AI přestavěl svůj agent framework čtyřikrát kvůli lepší správě kontextu. Anthropic minulý týden spustil enterprise agenty s plug-iny — všechny stojí na těchto principech.
Dosud AI agenti začínali každou konverzaci s čistou hlavou. S file-based memory systémem si můžou pamatovat: jaké dotazy přicházely, jaké problémy se opakují, jaká témata rezonují. Agent se učí z vlastní zkušenosti — bez přetrénování modelu.
Demo z webináře: agent pro code review při prvním sezení našel chybu v kódu, uložil si ji — při dalším sezení rozpoznal podobný problém mnohem rychleji, protože si „vzpomněl". Claude hrající Pokémony si bez jakéhokoli pokynu vytvořil vlastní mapu prozkoumaných regionů a strategické poznámky.
Prompt engineering je passé. Jde o celý informační stav, který agent v danou chvíli vidí — systémový prompt, nástroje, historii, data. Pozornost modelu funguje jako reflektor: čím větší místnost, tím víc se rozptýlí. Anthropic tomu říká „context rot".
Základ pro každého AI agenta. Přímo ovlivňuje, jestli bude spolehlivý nebo bude bloudit.
Jeden parametr v Claude Agent SDK a starší části konverzace se automaticky sumarizují. 5 ticketů zákaznické podpory: z 28 000 tokenů na 8 600. Šedesátiprocentní úspora, stejná kvalita, žádná změna logiky.
Pro agenty v zákaznické podpoře a státní správě je to klíčové — bez kompakce jim dojde paměť po pár dotazech.
Agent si průběžně zapisuje do souboru mimo kontextové okno. Při dalším sezení si poznámky přečte a pokračuje. Claude Code to dělá s progress souborem — a funguje to výborně i přes resety kontextu.
Přesně to potřebují digitální zaměstnanci na dlouhodobých úkolech — místo držení celé historie v hlavě si zapisují klíčové poznatky.
Místo jednoho agenta, který dělá všechno, rozdělte práci mezi specializované pod-agenty. Každý má čistý, úzký kontext. Vedoucí agent dostane jen zhuštěné shrnutí od každého specialisty.
Validuje přístup digitálního týmu — každý zaměstnanec má svou roli a svůj kontext.
Pět MCP serverů = 55 000+ tokenů ještě před prvním dotazem. Řešení: jeden meta-nástroj, který najde správný nástroj on-demand přes vektorové vyhledávání. Osmdesátipětiprocentní úspora, přesnost Opus 4 skočila z 49 na 74 procent.
Relevantní při rozšiřování agentů o více integrací. Pravidlo: nenahrávejte všechno dopředu.
Claude napíše Python skript, který zavolá všechny nástroje najednou, zpracuje data a vrátí jen závěr. Ze 110 000 tokenů na 15 000 — sedminásobná úspora na stejném úkolu. Claude for Excel takhle zpracovává tabulky s tisíci řádky.
Zásadní pro agenty pracující s daty — reporty, analýzy, vyhodnocování. Výrazně levnější, rychlejší a přesnější.
Agent si ukládá poznatky do souborové „paměti". Příští sezení: přečte si, co ví, a aplikuje to. Code review agent si zapamatoval typické chyby a příště je rozpoznal rychleji. Cross-session učení bez přetrénování modelu.
Klíčové pro digitální zaměstnance, kteří se mají zlepšovat časem. Mění agenty z „nástrojů" na „kolegy".
Google má vlastní SDK pro stavbu agentů s podporou kompakce kontextu. Plus nová služba Vertex AI Memory Bank pro persistentní paměť s vlastními „tématy" pro extrakci informací. Služba je v preview.
Žádný přímý dopad, ale validuje, že paměť a správa kontextu jsou problémy, které celý obor řeší.
Google zpřístupnil standardizovaný katalog MCP serverů přes API. Projdete si dostupné servery, jejich nástroje, vstupní a výstupní schémata. Zatím bez vektorového vyhledávání.
Spíš pro vývojáře na Google platformě. Myšlenka „katalogu schopností" je ale zajímavá i pro prezentaci digitálních zaměstnanců.