تُظهر الأنظمة متعددة الوكلاء المبنية على النماذج اللغوية الكبيرة (LLMs) إمكانات استثنائية في حل المشكلات التعاونية المعقدة، إلا أنها تواجه تحديات جوهرية ناتجة عن قيود نافذة السياق التي تؤثر على اتساق الذاكرة، والالتزام بالدور، وسلامة الإجراءات. ويقدم هذا البحث إطارًا جديدًا يُعرف بـ"الوكلاء ذوي الذاكرة الداخلية"، والذي يعالج هذه القيود من خلال ذاكرات منظمة مخصصة لكل وكيل، وتتطور داخليًا وفقًا لإخراج الوكيل. وبشكل خاص، يُحافظ نهجنا على نماذج ذاكرة مُتماشية مع الأدوار، مما يحافظ على وجهات النظر المتخصصة مع التركيز على المعلومات ذات الصلة بالمهمة. وتم تقييم منهجنا على مجموعة بيانات PDDL، مقارنةً بأفضل النماذج الحالية في مجال الذاكرة متعددة الوكلاء، حيث أظهرت النتائج تحسنًا بنسبة 38.6% مع أعلى كفاءة في استخدام الرموز (tokens). كما أُجري تقييم إضافي على مهمة تصميم نموذج بيانات معقد، حيث أظهرت نتائجنا أن النهج المُقترح يُنتج تصاميم ذات جودة أعلى عند مقارنة أداءه في خمسة معايير: القابلية للتوسع، الموثوقية، سهولة الاستخدام، الكفاءة التكلفة، ووضوح الوثائق، إلى جانب أدلة نوعية إضافية تُثبت التحسينات. تشير نتائجنا إلى أن معالجة قيود الذاكرة من خلال نُهج منظمة وداخلية يمكن أن يُحسّن من قدرات أنظمة الوكلاء متعددة النماذج اللغوية الكبيرة في المهام التخطيطية المنظمة.