O estouro de memória dos agentes: falhas no CrewAI e LangChain desafiam servidores em produção
O avanço acelerado dos agentes de inteligência artificial autônomos esbarrou em um problema prático de engenharia que tem tirado o sono de equipes de TI em todo o mundo. Desenvolvedores que utilizam frameworks populares como o CrewAI e o LangChain começaram a reportar falhas críticas de estouro de memória física em servidores de produção. O comportamento inadequado ocorre quando as rotinas de tomada de decisão e reflexão entram em execução de longa duração, gerando vazamento de recursos na memória heap do Node.js e no consumo de processos em segundo plano no Python.
Os incidentes ganharam atenção após uma série de discussões públicas abertas em repositórios do GitHub detalhando como a gestão de estados de execução acumula dados indevidamente.
No CrewAI, por exemplo, o problema está diretamente associado ao gerenciamento de concorrência e tarefas paralelas. Quando um agente excede o tempo limite de resposta configurado, o executor de threads do framework falha em encerrar os processos filhos de forma adequada. Isso gera dezenas de threads órfãs que continuam ativas no sistema operacional, consumindo CPU e alocando memória para conexões que já foram descartadas pela aplicação principal.
"Tivemos que desativar temporariamente o uso de loops de reflexão complexos no nosso sistema de triagem porque o consumo de RAM subia de forma descontrolada a cada ciclo de timeout do agente", relatou um engenheiro de software em uma issue aberta no repositório do CrewAI. A falha forçou o time a reverter a arquitetura para chamadas lineares tradicionais mais simples.
A situação se repete de forma semelhante no ecossistema do LangChain, especialmente em seu módulo de monitoramento LangSmith. O rastreamento detalhado de chamadas retém objetos de histórico de execução que não são liberados para o coletor de lixo do JavaScript. A dependência excessiva de logs detalhados cria referências circulares nas estruturas de dados que mantêm a sessão ativa por tempo indeterminado.
O impacto dessas falhas de software é agravado quando as empresas tentam implantar agentes em datacenters de alto desempenho projetados para conexões rápidas. As companhias investem em soluções de infraestrutura para eliminar gargalos físicos, a exemplo de TSMC e Broadcom na , mas o desperdício de memória nas camadas de lógica de software acaba por limitar os ganhos reais de velocidade da máquina.
