Elastic Desenvolve 'Context Engine' para Otimizar o Uso de Tokens em Agentes de IA

A Elastic apresentou o Context Engine, uma camada inteligente projetada para otimizar o uso de tokens em agentes de IA, especialmente em cenários com grande volume de dados corporativos. Este motor atua como um intermediário entre a fonte de dados bruta e os agentes, pré-processando e armazenando conhecimento contextual. Em vez de cada agente gastar tokens valiosos repetidamente para descobrir esquemas, significado de campos e relações entre entidades, o Context Engine fornece "Knowledge Indicators" (KIs) relevantes, que são unidades estruturadas de contexto. Isso transforma a fase de descoberta, usualmente cara e demorada, em um problema de busca eficiente.

A arquitetura do Context Engine é robusta e se baseia no Elasticsearch. Ele envolve cinco componentes principais: as fontes de dados, automações, um AI index especializado (que é um vetor database Elasticsearch), a memória do agente e um loop de feedback. As automações são responsáveis por extrair conhecimento das fontes de dados, transformando-o em KIs e populando o AI index. Elas podem usar LLMs menores e mais baratos ou o ES|QL para manter o custo da pré-computação baixo. Quando um agente precisa de informações, ele consulta o AI index para obter os KIs relevantes, o que reduz drasticamente o número de chamadas a ferramentas e o consumo de tokens, resultando em respostas mais rápidas e completas.

A Elastic, com seu Context Engine, traz uma abordagem mais estruturada para a otimização de tokens em agentes de IA, que já era um tópico constante na cobertura do CEVIU. Enquanto matérias como "Deep Agents v0.7 revoluciona eficiência de tokens" (30 de julho de 2026) e "Otimização de Memória Reduz Custos e Aumenta Eficiência em Agentes de IA" (9 de outubro de 2026) discutiam ganhos significativos na redução de tokens e eficiência de memória, a solução da Elastic foca na construção e no gerenciamento de uma camada de contexto proativa.

Ao contrário de abordagens que otimizam a janela de contexto ou transformam tarefas em código determinístico (como visto em "Redução de 94% no Uso de Tokens Otimiza Agentes por Meio de Compilação de Habilidades", de 15 de julho de 2026), o Context Engine da Elastic lida com o "conhecimento de negócio" subjacente. Ele formaliza a engenharia de contexto como um problema de dados e busca, precomputando informações complexas de relacionamentos e esquemas antes que a pergunta seja feita. Isso aborda o custo de descoberta por consulta, a obsolescência do contexto e o conhecimento siloado, problemas que não eram o foco principal das outras otimizações de tokens que cobrimos.

A introdução do Context Engine da Elastic importa muito para o campo de IA por resolver um gargalo crítico em ambientes empresariais: o custo e a ineficiência da descoberta de dados por agentes. Agentes de IA gastam uma quantidade desproporcional de tokens e tempo tentando entender a estrutura e o significado dos dados a cada nova consulta. Com uma redução de até 71% no consumo de tokens e uma latência significativamente menor, as operações com IA se tornam mais econômicas e ágeis. Isso permite que empresas usem agentes de forma mais escalável e em casos de uso mais complexos, onde a compreensão profunda dos dados é essencial.

Além da economia, o Context Engine melhora a qualidade das respostas dos agentes. Ao fornecer um contexto pré-computado e validado, ele evita que os agentes percam relacionamentos cruciais ou façam suposições incorretas sobre os dados. Isso significa que as decisões de negócio baseadas nessas interações com a IA serão mais precisas e confiáveis. É um passo importante para tornar os agentes de IA mais práticos, eficientes e inteligentes na extração de valor de grandes volumes de dados corporativos.