Google PM disponibiliza em código aberto Agente de Memória Sempre Ativo com armazenamento SQLite, sem banco de dados vetorial

O Que É Isso

Shubham Saboo, gerente sênior de produto de IA do Google, disponibilizou em código aberto um "Agente de Memória Sempre Ativo" na página oficial do Google Cloud Platform no GitHub sob a Licença MIT. É uma implementação de referência para um sistema de agente que pode absorver informações continuamente, consolidá-las em segundo plano e recuperá-las posteriormente sem depender de bancos de dados vetoriais convencionais.

Detalhes Técnicos

O agente executa continuamente e absorve arquivos ou entrada de API, armazenando memórias estruturadas em SQLite. Ele realiza consolidação de memória agendada a cada 30 minutos por padrão. O sistema suporta ingestão de texto, imagem, áudio, vídeo e PDF.

O repositório enquadra o design com a afirmação: "Sem banco de dados vetorial. Sem embeddings. Apenas um LLM que lê, pensa e escreve memória estruturada." Isso desloca a questão de desempenho da sobrecarga de busca vetorial para latência do modelo, lógica de compactação de memória e estabilidade comportamental de longo prazo.

O agente foi construído com o Kit de Desenvolvimento de Agentes (ADK) do Google, introduzido na primavera de 2025, e usa o Gemini 3.1 Flash-Lite, que o Google lançou em 3 de março de 2026 como seu modelo mais rápido e econômico da série Gemini 3.

Modelo e Desempenho

O Gemini 3.1 Flash-Lite tem preço de US$ 0,25 por 1 milhão de tokens de entrada e US$ 1,50 por 1 milhão de tokens de saída. O Google afirma que é 2,5 vezes mais rápido que o Gemini 2.5 Flash no tempo para o primeiro token e oferece um aumento de 45% na velocidade de saída, mantendo qualidade similar ou melhor.

Nos benchmarks publicados pelo Google, o modelo alcança uma pontuação Elo de 1432 no Arena.ai, 86,9% no GPQA Diamond e 76,8% no MMMU Pro. O Google posiciona essas características como adequadas para tarefas de alta frequência como tradução, moderação, geração de UI e simulação.

Arquitetura e Componentes

O repositório parece usar uma arquitetura interna multiagente com componentes especializados lidando com ingestão, consolidação e consulta. Uma API HTTP local e um painel Streamlit estão incluídos. O projeto serve como uma implementação de referência prática para algo que muitas equipes de IA desejam, mas poucas colocaram em produção de forma limpa.

O ADK como framework suporta sistemas multiagente, mas este repositório específico é melhor descrito como um agente de memória sempre ativo, ou camada de memória, construído com subagentes especializados e armazenamento persistente.

Casos de Uso e Considerações

O lançamento importa menos como um lançamento de produto do que como um sinal sobre para onde a infraestrutura de agentes está indo. Ele empacota uma visão de autonomia de longa duração que é cada vez mais atraente para sistemas de suporte, assistentes de pesquisa, copilotos internos e automação de fluxo de trabalho.

A escolha de design de evitar bancos de dados vetoriais pode simplificar protótipos e reduzir a proliferação de infraestrutura, especialmente para agentes menores ou de memória média. No entanto, traz questões de governança para foco mais agudo assim que a memória deixa de ser vinculada à sessão.