Context engineering в Deep Agents — пять middleware, которые выгружают контекст из окна
Саммари
LangChain разбирает, как open-source харнес Deep Agents борется с context rot: пять приёмов — выгрузка данных из окна, суммаризация, навыки, субагенты и долговременная память — подключаются не промптом, а middleware в точках цикла модели (перед стартом, вокруг вызова модели, вокруг вызова инструмента). Главный тезис: контекст должен собираться под задачу динамически, а память живёт отдельно от модели — в обычном файле, который переживает смену провайдера.
Из этого следует, что «память агента» — это файл и слой в цикле, а не свойство модели: смена провайдера не обнуляет накопленные договорённости, если состояние хранится у вас.
На практике для Revit-агента та же карта из пяти слоёв: обрезать тяжёлые выдачи инструментов (списки элементов, логи), суммаризировать длинные сессии, навыки под типовые операции, субагент под шумную выборку семейств, файл памяти под договорённости проекта.
Важный нюанс: точный retrieval не отменяет управление контекстом — поиск даёт нужные данные, но накопленные tool results и промежуточные драфты всё равно должны уходить из окна.
Ограничение: статья описывает реализацию в конкретном харнесе и не приводит сравнительных замеров — какая из пяти техник даёт больше экономии токенов или точности.