Claude Managed Agents Memory: agentes que aprendem entre sessões e compartilham conhecimento

Se você já usou o Claude Code ou qualquer agente de IA por um tempo, sabe do problema: cada nova conversa é um reset. O agente não lembra do que aprendeu na sessão anterior, não carrega o contexto do que você já configurou, não melhora com base nos erros que cometeu ontem. A Anthropic acabou de resolver isso com o lançamento da memória integrada para Claude Managed Agents — e, na minha visão, é uma das mudanças mais importantes na plataforma desde que os agentes foram lançados.

O anúncio, publicado em 23 de abril de 2026, apresenta uma camada de memória baseada em sistema de arquivos que permite que agentes aprendam entre sessões, compartilhem conhecimento entre si e evoluam com o tempo — tudo com controle programático total para o desenvolvedor. Neste artigo vou compartilhar o que essa mudança significa na prática, baseado na minha leitura do anúncio oficial e nos dados que a Anthropic disponibilizou.

O que mudou: memória como sistema de arquivos

Antes desse lançamento, cada sessão de um Managed Agent era um blank slate. O agente podia ser bom em seguir instruções, mas não acumulava aprendizado. Cada interação começava do zero, e qualquer melhoria no comportamento do agente dependia de ajustes manuais no prompt ou no código que o chamava.

A mudança é simples no conceito mas profunda na prática: a memória agora monta diretamente no sistema de arquivos do agente, usando as mesmas ferramentas de bash e execução de código que os agentes já utilizam. As memórias são arquivos — portáteis, exportáveis, gerenciáveis via API. Você pode abrir, ler, editar e apagar esses arquivos como qualquer outro. Não é uma black box. Não é um banco vetorial proprietário. São arquivos.

Como funciona a arquitetura de memória dos Managed Agents

A arquitetura escolhida pela Anthropic é elegante porque resolve vários problemas de uma vez. Como as memórias são arquivos em um sistema de arquivos comum, a portabilidade é nativa. Você pode copiar, versionar, fazer backup e migrar memórias entre ambientes sem depender de formatos proprietários.

Um dos pontos mais interessantes é o compartilhamento multi-agente. Um mesmo store de memória pode ser acessado por vários agentes com permissões escopadas — stores org-wide com acesso somente leitura, stores por usuário com leitura e escrita, tudo granular. Vários agentes podem trabalhar no mesmo store simultaneamente sem conflitos de overwrite. Na prática, isso significa que você pode ter um agente especializado em code review e outro em deploy compartilhando o mesmo contexto sem pisar um no outro.

Para times enterprise, há controles importantes: permissões escopadas, audit logs que registram qual agente e qual sessão produziu cada memória, rollback de versões e redação de conteúdo do histórico. As atualizações de memória aparecem como session events no Claude Console, dando visibilidade total para o desenvolvedor do que está sendo armazenado.

O que os números mostram: casos reais de uso

O anúncio traz números impressionantes de clientes que já estão usando a memória em produção. A Rakuten, por exemplo, reportou 97% menos erros de primeira execução com 27% de redução de custo e 34% de redução de latência — números que Yusuke Kaji, General Manager de AI for Business, atribui diretamente à capacidade dos agentes de destilar lições de cada sessão, reduzindo a necessidade de correção humana.

A Wisedocs, que atua com verificação de documentos, viu a velocidade de verificação melhorar em 30% depois que a memória entre sessões permitiu que os agentes identificassem e lembrassem de problemas comuns sem precisar reaprender a cada documento. A Ando, segundo Sara Du, fundadora, conseguiu parar de construir infraestrutura de memória própria e focar no produto — que é exatamente o valor que uma plataforma deveria entregar. E a Netflix, segundo o anúncio, está usando a memória para que agentes carreguem contexto multi-turn entre sessões, substituindo atualizações manuais de prompts e skills.

Por que isso importa para quem desenvolve com agentes

Na minha visão, essa mudança ataca três problemas que qualquer um que já colocou um agente em produção conhece bem.

(1) O custo de repetição. Sem memória, cada sessão paga o custo de reexplicar contexto. Com memória persistente, o agente acumula conhecimento sobre o projeto, as preferências do time, os padrões de código — e cada sessão subsequente começa mais inteligente. (2) A fragmentação de conhecimento. Em times com múltiplos agentes, cada um aprendia isoladamente. Agora um agente de QA pode se beneficiar do que um agente de dev aprendeu, porque ambos compartilham o mesmo store de memória com permissões adequadas. (3) A manutenção manual de contexto. Quem usa Claude Code em codebases grandes sabe que o harness — CLAUDE.md, hooks, skills — é tão importante quanto o modelo. A memória entre sessões complementa esse harness: em vez de só carregar instruções estáticas, o agente agora carrega aprendizado dinâmico acumulado.

A Anthropic também menciona que os modelos mais recentes — incluindo o Opus 4.7 — são melhores em usar memória baseada em sistema de arquivos, salvando memórias mais completas e organizadas e sendo mais criteriosos sobre o que merece ser lembrado. Isso sugere que a qualidade da memória vai melhorar conforme os modelos evoluem, sem exigir mudanças na sua aplicação.

Como começar a usar a memória hoje

A memória dos Claude Managed Agents está disponível em public beta através do Claude Console ou pela nova CLI que a Anthropic disponibilizou. A documentação completa está em platform.claude.com/docs/en/managed-agents/memory. Para quem já usa Managed Agents, a ativação deve ser simples — e a migração para usar memória não exige mudanças drásticas na arquitetura atual, já que a API de gerenciamento de memória segue os mesmos padrões do ecossistema Claude.

Na minha opinião, o movimento da Anthropic aqui é acertado em cheio. Em vez de criar mais uma abstração proprietária de memória (mais um banco vetorial, mais uma API de embeddings), eles escolheram o sistema de arquivos — que é a abstração mais universal e testada da computação. Memória como arquivo é portátil, observável, versionável. É o tipo de decisão técnica que parece óbvia depois que alguém toma, mas que exige disciplina para não inventar uma roda nova.

Conclusão

Memória sempre foi o calcanhar de Aquiles dos agentes de IA. A Anthropic não inventou um novo mecanismo de armazenagem — ela aplicou uma verdade fundamental da engenharia de software: a abstração certa para dados persistentes é o sistema de arquivos. Simples, elegante, e que permite que agentes aprendam, compartilhem e evoluam sem que você precise construir um banco de memórias do zero. Como disse Sara Du, da Ando: agora dá para parar de construir infraestrutura de memória e focar no que realmente importa — o produto.

Para quem quiser ler o anúncio original na íntegra, está tudo no blog oficial da Anthropic.