エージェントメモリ

エージェントメモリ（Agent Memory）とは、AIエージェントが単一の会話セッションを超えて情報・経験・知識を保持し、長期的に一貫性のある行動や学習を実現するための記憶機構です。人間の記憶システムを参考に設計されており、エージェントが「覚えている」ことで初めて実用的な自律エージェントが実現します。

エージェントメモリが重要な理由は、LLMは本来状態を持たない（ステートレス）モデルであり、context-windowを超えた情報は失われてしまうためです。長期プロジェクトの継続、ユーザーの好みの記憶、過去の失敗からの学習などを実現するには、明示的なメモリ機構が不可欠です。

主なメモリ種別として、①短期メモリ（コンテキストウィンドウ内の会話履歴）、②エピソードメモリ（過去の具体的な出来事の記憶、vector-dbに保存）、③セマンティックメモリ（一般知識・ファクトの記憶）、④手続き記憶（タスク遂行の手順・スキル）があります。実装では、重要な情報をvector-dbに保存してRAGで検索・参照するパターン、会話要約を定期的に保存するパターンが一般的です。Park et al. (2023)の「Generative Agents」論文ではシミュレーション環境でエージェントが記憶・反省・計画を組み合わせて社会的行動を実現しました。