エージェントメモリ
エージェントメモリ(agent memory)とは、ユーザーに関する事実や過去の作業など、1 つのコンテキストウィンドウを超えて AI エージェントが情報を保持するための技術の総称です。情報をモデルの外に保存し、必要なときに読み込み直します。
別名: long-term memory, memory layer
執筆 Divya Sharma · 2026年11月15日確認 · レビューの方法
言語モデルは呼び出しの間で記憶を持ちません。現在のタスクについて知っていることは、すべてコンテキストウィンドウに入っていなければならず、そのウィンドウには限りがあります。エージェントメモリは、情報を別の場所に保存することでこの制約を回避します。
メモリの種類
- 短期メモリは、現在のセッションの会話とツールの結果です。 - 長期メモリはセッションをまたいで残ります。ユーザーの好み、学んだ事実、過去の作業の要約などです。
たとえば LangGraph は、短期のスレッド状態と、セッションをまたぐ長期のメモリを分けています。
仕組み
エージェント、またはその周りのコードが、何を書き留めるかを決めます。ファイルへのメモ、データベースの行、ベクトルデータベースの埋め込みなどです。あとで関連する記憶を取り出してプロンプトに戻します。検索拡張生成とよく似た方法です。MemGPT の論文はこれを、高速なメモリと低速なメモリの間でデータを移すオペレーティングシステムになぞらえ、モデルが自らのメモリ階層を管理する形で説明しました。
例
コーディングエージェントが各セッションの終わりにプロジェクトのメモファイルを書き、次のセッションの始めにそれを読みます。こうすれば、毎回ビルドコマンドを覚え直さずに済みます。
限界
メモリは古くなったり、内容が矛盾したりすることがあります。また、信頼できない情報源から保存したテキストが、後のセッションに指示を持ち込むおそれがあります。Mem0 や Letta などのツールは管理されたメモリ層を提供しています。比較はエージェントメモリのガイドにあります。
関連用語
- コンテキストエンジニアリング
- コンテキストエンジニアリング(context engineering)とは、タスクの間に言語モデルのコンテキストウィンドウに入るすべてのもの、つまり指示、取得した文書、ツールの定義、ツールの結果、会話の履歴を選び、管理する取り組みです。
- ベクトルデータベース
- ベクトルデータベース(vector database)とは、埋め込みを元のレコードとともに保存し、クエリのベクトルに最も近い保存済みのベクトルを見つけるデータベースです。数百万の項目にわたって検索を高速に保つため、通常は近似インデックスを使います。
- コンテキストウィンドウ
- コンテキストウィンドウ(context window)とは、言語モデルが一度に考慮できるテキストの最大量で、トークン数で数えます。システムプロンプト、会話、文書、ツールの結果、モデルが書く応答が含まれます。
- コンテキスト圧縮
- コンテキスト圧縮(context compaction)とは、コンテキストウィンドウの上限に近づいた会話をエージェントが要約し、その要約から始まる新しいウィンドウで作業を続ける手順です。これにより長いタスクを継続できます。
- 検索拡張生成(RAG)
- 検索拡張生成(retrieval-augmented generation、RAG)とは、システムがまず文書の集まりから質問に関連する文章を検索し、そ の文章を言語モデルに渡して、それに基づいて回答させるパターンです。