エージェントのメモリ

Memoryにより、AI エージェントは会話の以前の情報や、以前の会話の情報を記憶できます。Memory により、エージェントはコンテキストを認識した応答を提供し、時間の経過とともにパーソナライズされたエクスペリエンスを構築できます。

エージェントに次のことをさせたい場合に、エージェントメモリを使用します：

• ユーザー設定、過去の決定、またはセッション間の累積されたコンテキストを記憶します。
• 複数のエージェントとプロジェクト間で知識と設定を共有します。
• 正確性と効率を時間とともに向上させる。

メモリオプションを選択

Databricksには、エージェントメモリへの2つのアプローチがあります。

• • マネージドエージェントメモリ（ベータ版）
  • Databricksは、Unity Catalogガバナンスによって保護されたメモリインフラストラクチャを管理します。ユーザーごと、セッション間のメモリを必要とするあらゆるフレームワークで構築されたエージェントをサポートします。
• • セルフマネージド型エージェントメモリ (Lakebase)
  • Lakebase を使用して、基盤となるメモリストアを管理します。LangGraph または OpenAI Agents SDK で構築されたカスタムエージェントをサポートしており、短期および長期の会話状態への直接的な SQL アクセスを必要とします。

エージェントのメモリのスケーリング

メモリにはさまざまな形態があります。 エピソード 記憶は、会話Logsやユーザーフィードバックなど、生の状態のインタラクションを捉え、一方、 意味 記憶はこれらのインタラクションを再利用可能な事実とルールに抽出します。メモリを個々のユーザーにスコープすることも、またはチーム全体で組織の知識として共有することもできます。

エージェントがこのコンテキストをさらに蓄積すると、その精度と効率が向上します。Databricks リサーチはこのパターンをメモリ スケーリングと呼んでいます。これらの調査結果については、Databricks リサーチの「AI エージェントのメモリ スケーリング」を参照してください。