Google Cloud موتور محاسباتی Agent (Agent Compute Engine) را معرفی کرده است؛ یک سرویس مدیریت‌شده برای میزبانی agentهای هوش مصنوعی، در کنار سرویس همراهی که به نحوه دریافت و حفظ بافت (context) توسط agentها می‌پردازد. SiliconANGLE این معرفی را گزارش کرده و Google Cloud نیز یک بررسی عمیق درباره Agent Compute Engine منتشر کرده که مدل میزبانی آن را توصیف می‌کند. یک پست جداگانه Knowledge Catalog را به‌عنوان غنی‌سازی بافت خودآموز برای agentها توصیف می‌کند.
هر دو محصول به‌عنوان سرویس‌های مدیریت‌شده و نه اجزای خودمیزبان (self-hosted) معرفی شده‌اند. این جایگاه بیش از آنچه در نگاه اول به نظر می‌رسد اهمیت دارد: میزبانی و غنی‌سازی بافت دقیقاً همان لایه‌هایی هستند که در آن‌ها state agent، دامنه retrieval و ماندگاری حافظه تعیین می‌شوند. وقتی این لایه‌ها در زیرساخت مدیریت‌شده جذب می‌شوند، پرسش طراحی از این‌که کدام مدل را فراخوانی کنیم به این‌که state و حافظه agent در واقع کجا زندگی می‌کنند، چه کسی می‌تواند آن‌ها را بررسی کند و چگونه بین اجراها جابه‌جا می‌شوند، تغییر می‌کند.
پوشش ارائه‌شده قیمت‌گذاری، دسترسی منطقه‌ای، محدودیت‌های نگهداری state یا سازوکار یادگیری Knowledge Catalog را مشخص نمی‌کند. همچنین روشن نیست که این دو سرویس چگونه با پشته‌های موجود retrieval و orchestration تعامل می‌کنند یا چه مسیرهای خروجی برای حافظه agent وجود دارد. این‌ها همان جزئیاتی هستند که تعیین می‌کنند یک runtime مدیریت‌شده یک تسهیل است یا یک محدودیت، و ارزش دارد پیش از آن‌که تصمیم‌های معماری به یکی از این دو سرویس گره بخورد، تأیید شوند.
برای تیم‌هایی که سیستم‌های چند-agent می‌سازند، پیامد عملی این است که توپولوژی حافظه به یک مصنوع طراحی صریح تبدیل می‌شود، نه جزئیات پیاده‌سازی مدفون در کد برنامه.