A maioria das habilidades de agentes hoje é estática. Alguém lê a verdade uma vez, escreve em um arquivo markdown e envia. O procedimento e os fatos ficam congelados juntos no mesmo parágrafo. Então a tabela fica obsoleta e a habilidade não sabe. Um registro, campo de proprietário, esquema de versão, revisão trimestral e linter apenas adicionam metadados mais organizados a um conhecimento que ainda está errado.

O que finalmente admitimos é que uma habilidade estática é um cache sem protocolo de invalidação. Ele armazena em cache um resultado de recuperação atrás de uma descrição de tarefa em linguagem natural, sem rastreamento de dependências, sem TTL e sem como notar que uma fonte se moveu. É por isso que as habilidades ficam obsoletas, se multiplicam, se contradizem e incham.

A alternativa mantém intenção, procedimento, contrato de saída, guardrails e escopo em um arquivo autorado. Cada fato é resolvido contra uma camada de contexto ao vivo no momento em que o agente pergunta. O markdown que o modelo lê ainda existe — é apenas um artefato de build com vida útil de uma chamada.

RAG com filtros de metadados para um passo antes: o filtro é um argumento por consulta montado no local da chamada, e a unidade de recuperação é um chunk ranqueado por similaridade. Neste modelo, um escopo é uma configuração autorada que compila uma vez por chamada em uma única cláusula de filtro compartilhada por todo caminho de recuperação e reaplicada aos resultados na saída.

Recursos MCP movem o fetch para o momento da chamada, mas a seleção fica com o modelo cliente, que já deve saber qual recurso pedir de uma enumeração autorada. A obsolescência sai do conteúdo para o índice do que existe, e o modelo paga por sua própria exploração em idas e voltas.

A divisão mais profunda é o que é ranqueado. Similaridade de chunk não tem opinião sobre uma coluna pertencente a uma tabela que pertence a um schema, então não pode trocar o detalhe completo de uma tabela por três linhas de identidade de tabelas quando o orçamento aperta. Essa troca é a maior parte do que o compositor faz.

Este é um modelo diferente para conhecimento de agentes: dinâmico, ao vivo e construído em torno do contexto atual em vez de snapshots de habilidades congeladas.

Entidades-chave: Empresas: modus, Towards Data Science