Walrus Lança MemWal SDK para Memória de Agentes de IA

Walrus lançou o MemWal, um SDK concebido para colmatar limitações na memória agentic, trazendo verificabilidade, disponibilidade, portabilidade e capacidade de partilha para a forma como os agentes de IA armazenam e acedem à informação, afirmou Abinhav Garg, Gestor de Produto do Mysten Labs Group.

Camada de Memória Verificável e Portável

O MemWal armazena memória numa camada de dados aberta e verificável, que não está associada a um único modelo ou fornecedor. Isto permite aos utilizadores alternar entre diferentes fornecedores de modelos, como OpenAI e Anthropic, mantendo os dados com garantias verificáveis que os tornam à prova de adulterações. “Com Walrus mais MemWal, a memória vive numa camada de dados aberta e verificável, por isso não está associada a um único modelo ou fornecedor”, explicou Garg à Decrypt.

Os dados guardados no Walrus herdam garantias incorporadas em torno de verificabilidade, portabilidade e disponibilidade, permitindo “uma partilha de memória mais fácil entre agentes, entre equipas e organizações”, disse Garg, descrevendo esta capacidade como “um requisito para a colaboração entre agentes”.

Integração no Framework

O MemWal integra-se em frameworks populares de orquestração de agentes, OpenClaw e NemoClaw, através de um plugin lançado esta semana. A integração foi desenhada para simplificar a adoção, permitindo aos programadores equipar os seus agentes com memória durável e verificável recorrendo às ferramentas com que já trabalham. “Sem isto, os programadores teriam de compreender a integração de uma camada de armazenamento descentralizada como a Walrus, o que poderia criar fricção e complexidade”, explicou Garg.

Privacidade e Controlo de Acesso

O MemWal inclui funcionalidades de privacidade através de uma camada nativa de cifragem e de controlo de acesso programável. Mesmo que o armazenamento em si seja descentralizado, o conteúdo mantém-se confidencial e governado por políticas — “nem os fornecedores de armazenamento conseguem lê-lo”, afirmou Garg. Esta abordagem responde a preocupações crescentes sobre agentes que lidam com dados sensíveis e proprietários, incluindo fluxos de trabalho empresariais, informação financeira e contexto pessoal.

Casos de Uso Emergentes

As capacidades de memória agentic melhoradas permitem novas aplicações em vários domínios. Agentes de apoio ao cliente podem manter pistas contextuais sobre os utilizadores, e agentes de diferentes equipas podem colaborar ao “trabalharem com o mesmo histórico do cliente”. Outros parceiros estão a explorar a coordenação entre agentes que operam como editores ou consumidores em mercados, usando a mensageria como uma forma de memória partilhada. Outros casos de uso incluem robôs que precisam de partilhar contexto entre si para coordenar tarefas em cenários do mundo real, como operações de resposta a desastres.

Garg prevê uma “estandardização da stack” para agentes no futuro, com “uma separação clara entre computação, dados, memória e coordenação”. “A nossa perspetiva é que a memória e os dados não devem ficar presos a um único modelo ou plataforma — por isso a Walrus passa a ser essa camada durável de dados e o MemWal passa a ser uma camada de memória por cima dela”, afirmou.