Google Cloud ha publicado como código abierto un agente de IA ligero que replantea cómo los sistemas de IA manejan la memoria a largo plazo, reemplazando el estándar de generación aumentada por recuperación (RAG) con un proceso de ejecución continua que lee, consolida y consulta memorias estructuradas almacenadas completamente en SQLite.
El agente de memoria siempre activo, construido con el Agent Development Kit de Google y ejecutándose en Gemini 3.1 Flash-Lite, opera 24/7 como un proceso en segundo plano. No utiliza ninguna base de datos vectorial ni incrustaciones (embeddings). En su lugar, un LLM lee el contenido entrante, extrae información estructurada y consolida periódicamente las memorias relacionadas, un diseño que sus creadores comparan con la forma en que el cerebro humano procesa la información durante el sueño.
«La mayoría de los agentes de IA olvidan. Procesan una solicitud, la responden y luego descartan el contexto», afirma la documentación del proyecto.
El sistema utiliza tres subagentes especializados que trabajan bajo un solo orquestador. Un IngestAgent extrae resúmenes, entidades, temas y puntuaciones de importancia del contenido entrante, admitiendo 27 tipos de archivos, incluidos texto, imágenes, audio, video y PDF. Un ConsolidateAgent se ejecuta en un temporizador, por defecto cada 30 minutos, que revisa las memorias no consolidadas, encuentra conexiones entre ellas y escribe resúmenes sintetizados e ideas clave. Un QueryAgent responde preguntas leyendo todas las memorias almacenadas y las ideas de consolidación, citando los ID de memoria específicos de los que se basa.
Este enfoque representa una desviación fundamental del patrón RAG dominante. En un sistema RAG tradicional, los documentos se incrustan en un almacén vectorial en el momento de la ingesta y se recuperan pasivamente en el momento de la consulta. No hay procesamiento activo entre la ingesta y la recuperación. El agente de memoria siempre activo, por el contrario, procesa la memoria activamente durante el intervalo entre la ingesta y la consulta, vinculando información relacionada y generando referencias cruzadas que una búsqueda de similitud vectorial pasaría por alto.
El agente está disponible en GitHub dentro del repositorio de IA generativa de Google Cloud. Vigila un directorio de bandeja de entrada configurable, consolida automáticamente y sirve una API HTTP en el puerto 8888 para operaciones de ingesta y consulta. Un panel de Streamlit proporciona una interfaz visual para navegar y gestionar las memorias.
Los casos de uso van desde asistentes de investigación que ingieren PDF, audio de reuniones y capturas de pantalla durante una semana, y luego pueden conectar autónomamente un objetivo de coste con un problema de fiabilidad, hasta agentes de soporte que almacenan tickets anteriores como memorias estructuradas y responden a nuevas preguntas con referencias citadas.
Para los desarrolladores y empresas que construyen sistemas de IA que necesitan mantener contexto entre sesiones sin la sobrecarga de infraestructura de una base de datos vectorial, el agente ofrece una alternativa más simple: una base de datos SQLite, un proceso en segundo plano y un prompt que le dice al LLM que piense antes de almacenar.
Fuentes: “Google Cloud’s Always-On Memory Agent Replaces RAG and Embeddings With Continuous LLM Consolidation on Gemini 3.1 Flash-Lite” (MarkTechPost, 18 de julio de 2026); Repositorio de GitHub de Google Cloud
Traducido por Alessandra