Walrus lanza el SDK de MemWal para la memoria de agentes de IA

Walrus ha lanzado MemWal, un SDK diseñado para abordar limitaciones de la memoria “agentic” al aportar verificabilidad, disponibilidad, portabilidad y compartibilidad a la forma en que los agentes de IA almacenan y acceden a la información, según el Product Manager de Mysten Labs Group, Abinhav Garg.

Capa de memoria verificable y portable

MemWal almacena la memoria en una capa de datos abierta y verificable que no está vinculada a ningún modelo o proveedor en particular. Esto permite a los usuarios cambiar entre distintos proveedores de modelos, como OpenAI y Anthropic, manteniendo los datos con garantías verificables que los vuelven a prueba de manipulaciones. “Con Walrus plus MemWal, la memoria vive en una capa de datos abierta y verificable, así que eso significa que no está ligada a un solo modelo o proveedor”, explicó Garg a Decrypt.

Los datos almacenados en Walrus heredan garantías integradas sobre verificabilidad, portabilidad y disponibilidad, lo que habilita “una compartición más sencilla de la memoria entre agentes entre equipos y organizaciones”, dijo Garg, al describir esta capacidad como “un requisito para la colaboración entre agentes”.

Integración con frameworks

MemWal se integra con populares frameworks de orquestación de agentes, OpenClaw y NemoClaw, mediante un plugin publicado esta semana. La integración busca simplificar la adopción al permitir que los desarrolladores equipen a sus agentes con memoria durable y verificable usando herramientas con las que ya trabajan. “Sin esto, los desarrolladores tendrían que entender la integración de una capa de almacenamiento descentralizado como Walrus, lo que podría añadir fricción y complejidad”, explicó Garg.

Privacidad y control de acceso

MemWal incluye funciones de privacidad mediante una capa nativa de cifrado y control de acceso programable. Aunque el almacenamiento en sí es descentralizado, el contenido se mantiene confidencial y regido por políticas: “incluso los proveedores de almacenamiento no pueden leerlo”, afirmó Garg. Este enfoque responde a las crecientes preocupaciones sobre agentes que manejan datos sensibles y propietarios, incluidos flujos de trabajo empresariales, información financiera y contexto personal.

Casos de uso emergentes

Las capacidades mejoradas de memoria “agentic” habilitan nuevas aplicaciones en múltiples ámbitos. Los agentes de atención al cliente pueden retener señales contextuales sobre los usuarios, y los agentes de distintos equipos pueden colaborar al “trabajar a partir del mismo historial de clientes”. Otros socios están explorando la coordinación entre agentes que operan como publicadores o consumidores en marketplaces, usando la mensajería como una forma de memoria compartida. Otros casos de uso incluyen robots que necesitan compartir contexto entre sí para coordinar tareas en escenarios del mundo real, como operaciones de respuesta ante desastres.

Garg prevé una “estandarización del stack” para agentes en el futuro, con “una separación clara entre cómputo, datos, memoria y coordinación”. “Nuestra visión es que la memoria y los datos no deberían estar ligados a ningún modelo o plataforma en particular—de modo que Walrus se convierte en esa capa de datos durable y MemWal se convierte en una capa de memoria encima de ella”, dijo.