# Jak zachovat kontext při střídání AI agentů: 677 tokenů místo 93 tisíc

Zdroj: https://warpy.cz/blog/jak-zachovat-kontext-pri-stridani-ai-agentu-677-tokenu-misto-93-tisic

Publikováno: 2026-10-29T12:18:35.000Z  
Aktualizováno: 2026-10-29T12:18:35.000Z

Redakce: [Warpy AI lab](https://warpy.cz/o-nas).

Kontext se dá při předání práce mezi agenty vměstnat do stovek tokenů. V našich 40 reálných sessions měl plný přepis medián 93 346 tokenů, předávací záznam 677 tokenů. Co do záznamu patří, co je jen šum a kolik tokenů model skutečně přečte.

![Grafické znázornění předání kontextu mezi AI agenty: dlouhý přepis konverzace proti krátkému strukturovanému záznamu](https://warpy.cz/blog-media/3d0325ce-1cd0-4808-9e9b-7b5db2a3fad3.webp)

## Jak zachovat kontext při střídání AI agentů: 677 tokenů místo 93 tisíc

**Odpověď:** kontext se dá předat ve stovkách tokenů. Změřili jsme 40 reálných sessions našeho agenta. Plný přepis měl v mediánu 93 346 tokenů, strukturovaný předávací záznam 677 tokenů, tedy 0,73 procenta původní historie. Nový agent potřebuje vědět, co platí a co je další krok. Nepotřebuje číst, jak se k tomu došlo.

| Co se předává | Tokenů | Co v tom je |
| --- | --- | --- |
| Plný přepis jedné session (medián) | 93 346 | všechny zprávy včetně výstupů nástrojů |
| Z toho výstup nástrojů | 48,3 % | terminál, obsah souborů, JSON, chybové výpisy |
| Předávací záznam (medián) | 677 | stav, nálezy, chyby a poučení, další krok |
| Trvalá pravidla pro každý úkol | 1 256 | paměťový blok a profil zadavatele |
| Kontextové okno našeho modelu | 401 408 | strop, který se nedá obejít |

Token je kousek textu, obvykle zlomek slova. Kontext je všechno, co model vidí při jednom volání: instrukce, historii, výstupy nástrojů i výsledky hledání. Kontextové okno je strop, kolik tokenů model najednou unese. Session je jedna práce agenta od zadání po poslední zprávu. Čeština se na tokeny rozpadá hůř než angličtina, takže stejná věta stojí víc tokenů. Za každý token, který model dostane, se platí, ať už penězi za placené API, nebo výkonem u lokálního modelu. Pozornost modelu není nekonečná.

### Proč celý přepis nefunguje

Necelou polovinu tokenů v našich sessions tvořil výstup nástrojů, konkrétně 48,3 procenta. Jsou to výpisy terminálu, obsahy souborů a odpovědi ve formátu JSON. Pro člověka, který práci předává, je to nutný materiál. Pro agenta, který práci přebírá, je to většinou šum, protože všechny ty výpisy skončily jedním závěrem: soubor se změnil, test prošel, chyba byla v konfiguraci.

Druhý problém je pozornost. Anthropic ve svém článku o návrhu kontextu popisuje takzvaný rozpad kontextu (context rot): čím víc tokenů model dostane, tím hůř si přesně vybavuje, co je v nich. Kontext je podle nich omezený zdroj s klesajícími výnosy, ne skladiště. Když novému agentovi pošlete celý přepis, nedostane víc znalostí. Dostane víc textu, ve kterém se musí zorientovat.

Třetí problém je význam. Přepis neříká, které rozhodnutí platí. Neříká, že varianta A byla zamítnuta a proč. Neříká, že chyba, která se řešila ráno, byla ve skutečnosti chyba měření. To všechno musí někdo napsat. Když se to nenapíše, další agent to bude zkoumat znovu a často dojde k jinému závěru.

### Tři vrstvy, které musí být oddělené

**Instrukce projektu.** Stálá pravidla, která platí pro každý úkol: jak se spouští testy, jaký je styl kódu, kde leží dokumentace. V ekosystému se pro to ujal soubor AGENTS.md, který podle autorů specifikace používá přes šedesát tisíc open-source projektů. Claude Code čte vlastní soubor CLAUDE.md a umí pracovat i s AGENTS.md. Do této vrstvy nepatří stav práce, ten se mění každý den.

**Předávací záznam.** Jeden krátký dokument pro konkrétní předání: co je hotové, co ne, na jaké chyby se narazilo, co je další krok. Náš záznam má medián 677 tokenů a nejdelší 896 tokenů. Vejde se do jedné zprávy a dá se přečíst za půl minuty.

**Dlouhodobá paměť s vyhledáváním.** Všechno, co platí dlouho a nepatří do jednoho úkolu: rozhodnutí, poučení z chyb, pravidla klienta. Naše paměť má 14 097 záznamů, medián 68 tokenů na záznam, celkem 1 055 920 tokenů. To je 2,63krát víc, než se vejde do kontextového okna modelu. Proto se paměť neposílá celá, ale hledá se v ní. Přesně to dělá [persistentní paměť pro agenty](https://warpy.cz/sluzby/persistentni-pamet-agentu): agent dostane jen záznamy, které souvisí s jeho úkolem, a to přes MCP, otevřený protokol pro připojení nástrojů a dat k modelu.

Když ty tři vrstvy chybí, každé předání začíná znovu od nuly. Když existují, nový agent začne přečtením instrukcí projektu, záznamu o předání a hledáním v paměti. Samotný záznam a paměťový blok mají dohromady 1 933 tokenů, tedy dvě procenta přepisu.

### Jak jsme to měřili

Měření vzniklo 29. října 2026 na naší infrastruktuře, ne na cizích datech. Vzali jsme 40 posledních sessions našeho agenta z provozní databáze, každou alespoň s dvaceti zprávami. Většina z nich byly naplánované úlohy a všechny pocházely z jednoho dne. Přepis jsme spočítali tokenizerem o200k\_base z knihovny tiktoken, což je nástroj, který text štípe na tokeny a používá se u rodiny modelů GPT-4o. U každé zprávy jsme počítali obsah i volání nástrojů. Nejdelší přepis měl 229 690 tokenů, tedy víc než dvojnásobek mediánu. Tokenizer modelu, který u nás běží, se může mírně lišit, proto jsou absolutní čísla zaokrouhlená a důležitý je poměr.

Počet tokenů, které model skutečně přečetl, jsme nevypočítali, ale vzali jsme je z provozních záznamů: součet nových vstupních tokenů a tokenů načtených z mezipaměti, jak je hlásí API u každého volání. Předávací záznam je náš strukturovaný zápis z CogniLayeru. Paměťový blok je soubor s pravidly, který dostane každý agent na startu, dohromady 1 256 tokenů. Skript i naměřená data si držíme, takže měření jde zopakovat.

### Kolik tokenů stojí opakované posílání kontextu

Jedna session není jedno volání modelu. Každý krok posílá historii znovu, takže se stejné tokeny čtou mnohokrát. V našem vzorku přečetl model v mediánu 3 661 820 tokenů na jednu session, tedy 39krát víc, než kolik tokenů měl samotný přepis. Největší session měla 329 zpráv a model u ní přečetl 32 833 185 tokenů.

Mezipaměť provoz zlevňuje, ale problém neřeší. Prefix, tedy začátek kontextu, se musí shodovat, takže každá změna na začátku znamená nový výpočet. Krátký a stabilní začátek je proto výhoda i pro cenu. Kolik paměti zabere dlouhý kontext, ukazuje tabulka v článku [kolik paměti potřebuje lokální LLM](https://warpy.cz/blog/kolik-pameti-potrebuje-lokalni-llm-tabulka-ze-ktere-to-spocitate).

### Co patří do předávacího záznamu

Šest položek, každá v jedné až třech větách:

-   Cíl a stav: co se mělo udělat a kde se to zastavilo.
-   Hotové: co je opravdu hotové, s cestami k souborům nebo čísly úkolů.
-   Nefunkční: co nefunguje, jak se to projevuje a co už bylo vyzkoušené.
-   Rozhodnutí: co bylo zvolené a hlavně proč, včetně zamítnutých variant.
-   Další krok: jediná konkrétní akce, kterou má nový agent udělat první.
-   Meze: co se nesmí změnit, kam se nesahá, co je mimo zadání.

Co do záznamu nepatří: celé výpisy souborů, logy, přepis konverzace a zdvořilostní fráze. Když některá položka nejde ověřit, označí se jako domněnka. Záznam, který tvrdí něco neověřeného bez označení, je horší než prázdný záznam. Rozhodování podle kritérií jsme popsali v článku [RAG vs fine-tuning pro firemní dokumenty](https://warpy.cz/blog/rag-vs-fine-tuning-pro-firemni-dokumenty-rozhodovaci-tabulka).

### Kdy to neplatí

-   Když práce skončí v jednom kroku a předává se jen výsledek, stačí soubor.
-   Když je výstup vizuální: obrázek, graf, video. Textový záznam nepředá, jak má výsledek vypadat.
-   Když se předává uprostřed ladění, je lepší předat větev v gitu a soubory, ne shrnutí.
-   Když záleží na každé formulaci, třeba u právního textu, musí se záznam odkázat na konkrétní verzi dokumentu.
-   Naše čísla platí pro náš provoz a náš tokenizer. Jiný nástroj, jiný jazyk a jiný styl práce dají jiné hodnoty, poměr mezi přepisem a záznamem ale zůstává řádově stejný.

### Časté otázky

#### Nestačí delší kontext?

Nestačí. Medián našeho přepisu zabere 71 procent kontextového okna o velikosti 131 072 tokenů (takzvaného 128k), do takového okna se tedy vejde. Jenže podle Anthropicu klesá přesnost vybavování s rostoucím počtem tokenů, takže delší okno neznamená lepší paměť. Delší kontext pomůže u jednoho dlouhého úkolu, ne u předání mezi agenty.

#### Může stejnou paměť používat víc agentů?

Ano, to je hlavní důvod, proč paměť oddělovat od konverzace. Jeden projekt má jednu paměť a připojení agenti do ní sahají přes MCP. Když má každý agent vlastní paměť, vznikne pět verzí pravdy a nikdo neví, která platí.

#### Jak poznám, že je paměť zastaralá?

Každý záznam musí mít datum a zdroj. Když se rozhodnutí změní, starý záznam se označí za neplatný, nesmaže se. Smazaný záznam nejde vysvětlit a příště se stejná chyba zopakuje.

#### Kolik tokenů má mít předávací záznam?

Prakticky 500 až 1 000. Náš medián je 677 tokenů. Anthropic u svých pomocných agentů (subagentů) uvádí shrnutí často o 1 000 až 2 000 tokenech. Když záznam přeleze dva tisíce tokenů, většinou už opisuje práci místo jejího výsledku.

### Zdroje

-   [Anthropic: Effective context engineering for AI agents](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)
-   [Model Context Protocol: Architecture](https://modelcontextprotocol.io/docs/concepts/architecture)
-   [AGENTS.md: otevřený formát instrukcí pro agenty](https://agents.md/)
-   [Claude Code: How Claude remembers your project](https://code.claude.com/docs/en/memory)
-   [Naše laboratoř: měření modelu na DGX Spark](https://warpy.cz/lab/deepseek-v41-flash-tp3)

Zdroj podkladů: [https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)

## Související čtení

- [DeepSeek otevřel agenta pro celý tým. Tvrdým limitem už není model, ale lidská pozornost](https://warpy.cz/blog/deepseek-otevrel-agenta-pro-cely-tym-tvrdym-limitem-uz-neni-model-ale-lidska-pozornost): DeepSeek zveřejnil prototyp agenta, který drží souvislý kontext a pracuje na víc úkolech najednou. Jeho vlastní měření ukazuje, kde je dnes skutečné úzké místo: v pozornosti lidí, kteří ho obsluhují.

- [DeepSeek vylepšil svůj volně dostupný model. Na agentních testech už poráží GPT-5.6](https://warpy.cz/blog/deepseek-vylepsil-svuj-volne-dostupny-model-na-agentnich-testech-uz-porazi-gpt-5-6): DeepSeek zveřejnil vylepšenou verzi svého otevřeného modelu V4.1-Flash. Váhy si může stáhnout kdokoli zdarma a podle měření DeepSeeku model v agentních úlohách poráží i placené špičkové modely.

- [AI agenti si staví vlastní tréninkové arény. A pak z nich utíkají](https://warpy.cz/blog/ai-agenti-si-stavi-vlastni-treninkove-areny-a-pak-z-nich-utikaji): DeepSeek zveřejnil podrobný popis platformy, na které trénuje své agenty. Ukazuje, jak vypadá provoz milionů izolovaných prostředí denně a co agenti dělají, když se snaží najít zkratku k odměně.

## Od článku k vlastnímu řešení

- [AI agenti na míru pro firemní procesy](https://warpy.cz/sluzby/ai-agenti)

- [Lokální LLM: nasazení, fine-tuning a optimalizace](https://warpy.cz/sluzby/lokalni-llm)

- [Persistentní paměť pro AI agenty: CogniLayer](https://warpy.cz/sluzby/persistentni-pamet-agentu)

[Probrat váš projekt s Warpy](https://warpy.cz/kontakt)

[Další články](https://warpy.cz/blog/llms.txt)