uzun görevlerde bağlam taşmasını önleyen dört mekanizma: LangChain'in eşikleri
MarkTechPost derlemesi, uzun süreli ajan görevlerinde bağlam taşması ve hedef kaybını önleyen dört harness mekanizmasını ve üreticilerin yayınladığı eşik değerleri karşılaştırıyor.
Bir ajan en yalın haliyle, döngü içinde araç çağıran bir dil modelidir. MarkTechPost'un derlemesine göre bu döngü kısa işlerde çalışıyor, bir saat süren ve 200 araç çağrısı içeren görevlerde ise iki şekilde bozuluyor: bağlam taşması ve hedef kaybı. AWS Samples'ın otonom bulut kodlama ajanları için hazırladığı tasarım kılavuzu, sığ ajanların uzun süre boyunca durum tutamadığını da ekliyor. Sorunu çözen katman model değil, AWS'nin "model dışındaki her şeyi yöneten" diye tanımladığı harness.
Daha büyük bağlam penceresi beklendiği kadar yardımcı olmuyor. Chroma'nın Context Rot raporu GPT-4.1, Claude 4, Gemini 2.5 ve Qwen3 dahil 18 modeli değerlendirdi ve basit erişim görevlerinde bile girdi uzadıkça performansın giderek güvenilmezleştiğini bildirdi. Anthropic'in bağlam mühendisliği kılavuzu mekanizmayı dikkat bütçesiyle açıklıyor: n token için n² ikili ilişki oluştuğundan her yeni token sınırlı bütçeden yiyor. Manus ise tipik bir görevin yaklaşık 50 araç çağrısı gerektirdiğini, girdi/çıktı token oranının 100:1'e yakın seyrettiğini aktarıyor.
Yayınlanan eşikler
LangChain Deep Agents'ta 20.000 tokenı aşan araç yanıtı dosya sistemine yazılıyor ve yerine dosya yolu ile ilk 10 satırlık önizleme konuyor; oturum penceresinin %85'ini geçtiğinde eski yazma ve düzenleme çağrıları işaretçiye indiriliyor. Claude Code'da otomatik hafıza ilk 200 satır veya 25KB ile sınırlı, MCP araç şemaları varsayılan olarak ertelenmiş durumda, sıkıştırma sonrası 5.000 tokenı aşan dosyalar içerik yerine yol referansı olarak dönüyor.
Sıkıştırma API katmanına da taşındı. OpenAI'nin Responses API'si compact_threshold ile sunucu tarafı sıkıştırma ve ayrı bir /responses/compact uç noktası sunuyor; Codex'in uzun süren kodlama görevlerini bu mekanizmayla sürdürdüğü belirtiliyor. Manus'un yöntemi daha basit: ajan bir todo.md oluşturup her adımda yeniden yazıyor, böylece plan bağlamın sonuna geri geliyor.
Ayrıntılar ve diğer uygulamalar için MarkTechPost'un yazısına bakabilirsiniz.
