【要約】Agent Memory Toolkit で Cosmos DB にエージェントの記憶を持たせる（セルフマネージド編） [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
開発者が業務用AIエージェントを導入する際、記憶の透明性と制御性の欠如という課題に直面する。マネージドな記憶管理サービスでは、以下の問題が発生する。
- ・記憶の内容を直接確認できず、監査や説明責任を果たせない。
- ・個人データの削除要求に対し、削除の証跡を残すことが困難。
- ・記憶の品質が悪化した際、抽出ロジックの微調整ができない。
- ・データの保持期間を種類ごとに細かく制御できない。
// Approach
開発者は Agent Memory Toolkit を用い、Cosmos DB を基盤としたセルフマネージドな記憶管理を実現する。具体的な手法は以下の通り。
- ・Cosmos DB for NoSQL を活用し、ベクトル検索とフルテキスト検索を統合する。
- ・会話から事実や要約を抽出する「蒸留パイプライン」を構築する。
- ・Prompty テンプレートを差し替え、抽出ロジックを業務要件に最適化する。
- ・階層パーティションキー（user_id, thread_id）により、ユーザーごとのデータ分離と削除を実現する。
// Result
本手法により、コンプライアンスが重視される業務において、エージェントの記憶を完全に制御可能とした。具体的な成果は以下の通り。
- ・Cosmos DB のドキュメント参照により、記憶の根拠（プロンプト版数等）を即座に提示できる。
- ・TTL 設定により、生ログは30日、抽出した事実は無期限といった柔軟な管理を実現した。
- ・Agent Framework への組み込みを、context_providers への注入のみで完結させた。
Senior Engineer Insight
> 本手法は、単なる「記憶の実装」ではなく「記憶のガバナンス」に焦点を当てている点が極めて実践的だ。金融や医療など、監査が必須となるエンタープライズ領域では、マネージドの利便性よりも、この「中身が見える」という透明性が決定的な選定基準になる。ただし、インフラ設計（RU、インデックス、階層パーティション）の責任が開発側に移るため、Cosmos DB の深い知識が求められる。また、日本語のフルテキスト検索精度には課題があり、ベクトル検索を主軸に据える設計判断が不可欠だ。