Sebagian besar keterampilan agen saat ini bersifat statis. Seseorang membaca kebenaran sekali, menuliskannya ke file markdown, dan mengirimkannya. Prosedur dan fakta dibekukan bersama di paragraf yang sama. Lalu tabel usang, dan keterampilan tidak mengetahuinya. Registri, kolom pemilik, skema versi, tinjauan triwulanan, dan linter hanya menambahkan metadata yang lebih rapi ke pengetahuan yang masih salah.

Yang akhirnya kita akui adalah keterampilan statis adalah cache tanpa protokol invalidasi. Ia menyimpan hasil retrieval di balik deskripsi tugas bahasa alami, tanpa pelacakan dependensi, tanpa TTL, dan tanpa cara mengetahui bahwa sumber telah berpindah. Itulah mengapa keterampilan usang, berkembang biak, saling kontradiktif, dan membengkak.

Alternatifnya menyimpan niat, prosedur, kontrak output, guardrails, dan scope di file yang ditulis. Setiap fakta diselesaikan terhadap lapisan konteks live saat agen bertanya. Markdown yang dibaca model tetap ada — itu hanyalah artefak build dengan umur satu panggilan.

RAG dengan filter metadata berhenti satu langkah sebelumnya: filter adalah argumen per-query yang dirakit di call site, dan unit retrieval adalah chunk yang diberi peringkat berdasarkan kemiripan. Dalam model ini, scope adalah konfigurasi tertulis yang dikompilasi sekali per panggilan menjadi satu klausa filter bersama yang dibagi setiap jalur retrieval dan diterapkan kembali ke hasil di keluar.

Resource MCP memindahkan fetch ke waktu panggilan, tapi seleksi tetap di model klien, yang harus sudah tahu resource mana yang diminta dari enumerasi tertulis. Keusangan berpindah dari konten ke indeks yang ada, dan model membayar eksplorasi sendiri dalam perjalanan bolak-balik.

Pembagian yang lebih dalam adalah apa yang diberi peringkat. Kemiripan chunk tidak punya opini tentang kolom yang milik tabel yang milik skema, sehingga tidak bisa menukar detail penuh tabel untuk tiga baris identitas tabel saat anggaran ketat. Pertukaran itulah sebagian besar yang dilakukan composer.

Ini model berbeda untuk pengetahuan agen: dinamis, live, dan dibangun di sekitar konteks saat ini bukan snapshot keterampilan beku.

Entitas Kunci: Perusahaan: modus, Towards Data Science