Um plugin chamado Caveman pode reduzir os custos de tokens de agentes de IA em 75% ao eliminar comunicações redundantes e otimizar o espaço de contexto. Ele ensina os agentes a serem comunicadores eficientes, focando na informação essencial para desenvolvedores.
Este artigo propõe que o desalinhamento entre usuários e agentes de codificação de IA é um problema de UI, não de modelo, sugerindo que os agentes devem emitir HTML em vez de Markdown. Apresenta o uso de capturas de tela para compressão de contexto, inspirado no DeepSeek-OCR, para permitir o uso de HTML em todas as etapas do plano sem aumentar os custos de tokens.
Um experimento revelou que um agente de IA consumiu 26.000 tokens e desperdiçou US$ 0,40-0,60 ao realizar a mesma tarefa de busca no navegador 10 vezes. O agente falhou em aprender com as sessões anteriores, tratando cada execução como uma nova fase de exploração e demonstrando ineficiência em operações repetitivas.
Este artigo explora a paralelização de agentes de IA, identificando quais abordagens são eficazes e quais resultam em alto consumo de tokens. Ele investiga as razões por trás desses resultados, visando otimizar a eficiência e o custo.
O artigo apresenta o PAX Protocol, um formato de comunicação estruturado e comprimido desenvolvido para sistemas de múltiplos agentes de IA. Seu objetivo é reduzir os custos de tokens em aproximadamente 70% e manter o contexto entre 13 agentes que precisam se comunicar constantemente, substituindo a dispendiosa prosa em inglês.
Esta API otimiza prompts de IA, analisando-os para eficiência de tokens, clareza e eficácia, retornando versões melhoradas com economia de tokens. Ela oferece diferentes endpoints para otimização, análise e estimativa de tokens, com planos de uso gratuitos e pagos.