【要約】エージェントに記憶を持たせる。Foundry Agent Service の Memory を試してみた（マネージド編） [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
AIエージェントの開発者は、セッションを跨いだユーザー体験の向上という課題に直面する。ユーザーが毎回同じ前提条件を説明する手間は、UXを著しく低下させる。具体的には以下の問題がある。
- ・セッション断絶による文脈の喪失。
- ・長期記憶の実装に伴うストレージ管理や抽出ロジック構築の工数増大。
- ・記憶内容の監査や削除要件への対応コスト。
// Approach
開発者は、Foundry Agent ServiceのマネージドなMemory機能を採用し、実装負荷を最小化する。エージェントにツールを付与するだけで、以下の仕組みを構築する。
- ・
memory_search_previewツールをエージェントに組み込む。 - ・
user_profile、chat_summary、proceduralの3種を使い分ける。 - ・
scopeパラメータを用いてユーザー単位のデータ分離を行う。 - ・
user_profile_detailsにより、記憶の制御を自然言語で行う。
// Result
検証の結果、エージェントはセッションを跨いでユーザーの好みを正確に想起できた。出張手配のPoCでは、以下の成果が得られた。
- ・座席の好みなどの情報を、別セッションでも自動的に反映。
- ・会話履歴の管理コードを記述せず、継続的な対話を実現。
- ・一方で、LLMの統合プロセスが正しいメモリを誤って上書きする挙動も確認された。
Senior Engineer Insight
> 開発体験は極めて高いが、実戦投入には「記憶の非決定性」への対策が必須だ。LLMが要約を行う以上、重要な業務データや確定値をMemoryに依存するのは危険である。また、scopeの上限や、統合プロセスによる上書きリスクを考慮し、重要な情報はアプリ側のDBで管理するハイブリッド構成を推奨する。