Walrus Lança o MemWal SDK para Memória de Agentes de IA

Walrus lançou o MemWal, um SDK projetado para endereçar limitações em memória agentica ao trazer verificabilidade, disponibilidade, portabilidade e compartilhabilidade para como agentes de IA armazenam e acessam informações, segundo Abinhav Garg, Product Manager do Mysten Labs Group.

Camada de Memória Verificável e Portável

O MemWal armazena memória em uma camada de dados aberta e verificável, que não está atrelada a nenhum modelo ou fornecedor específico. Isso permite que os usuários alternem entre diferentes provedores de modelos, como OpenAI e Anthropic, mantendo os dados com garantias verificáveis que tornam a informação à prova de adulteração. “Com Walrus mais MemWal, a memória vive em uma camada de dados aberta e verificável, então isso significa que não está presa a nenhum modelo ou fornecedor”, explicou Garg à Decrypt.

Os dados armazenados no Walrus herdam garantias embutidas de verificabilidade, portabilidade e disponibilidade, possibilitando “o compartilhamento de memória entre agentes de forma mais fácil entre times e organizações”, disse Garg, descrevendo esse recurso como “essencial para a colaboração entre agentes”.

Integração com Frameworks

O MemWal integra-se a frameworks populares de orquestração de agentes, OpenClaw e NemoClaw, por meio de um plugin lançado esta semana. A integração foi desenhada para simplificar a adoção ao permitir que desenvolvedores equipem seus agentes com memória durável e verificável usando as ferramentas com as quais já trabalham. “Sem isso, os desenvolvedores teriam que entender a integração de uma camada de armazenamento descentralizada como a Walrus, o que poderia adicionar atrito e complexidade”, explicou Garg.

Privacidade e Controle de Acesso

O MemWal inclui recursos de privacidade por meio de uma camada nativa de criptografia e controle de acesso programável. Embora o armazenamento em si seja descentralizado, o conteúdo permanece confidencial e regido por políticas — “nem os provedores de armazenamento conseguem ler”, afirmou Garg. Essa abordagem trata das preocupações crescentes sobre agentes lidando com dados sensíveis e proprietários, incluindo fluxos de trabalho corporativos, informações financeiras e contexto pessoal.

Casos de Uso em Ascensão

As capacidades aprimoradas de memória agentica habilitam novas aplicações em múltiplos domínios. Agentes de atendimento ao cliente podem reter pistas contextuais sobre os usuários, e agentes de diferentes times podem colaborar ao “trabalhar com o mesmo histórico do cliente”. Outros parceiros estão explorando a coordenação entre agentes que operam como publicadores ou consumidores em marketplaces, usando mensagens como uma forma de memória compartilhada. Casos de uso adicionais incluem robôs que precisam compartilhar contexto entre si para coordenar tarefas em cenários do mundo real, como operações de resposta a desastres.

Garg prevê uma “padronização da stack” para agentes no futuro, com “separação clara entre computação, dados, memória e coordenação”. “Nossa visão é que memória e dados não deveriam estar atrelados a nenhum modelo ou plataforma — então a Walrus vira essa camada de dados durável e o MemWal vira uma camada de memória sobre ela”, disse.