エージェント メモリ

メモリを使用すると、エージェントは、会話の前または以前の会話からの情報を記憶できます。 メモリを使用すると、エージェントはコンテキストに対応した応答を提供し、時間の経過と共にパーソナライズされたエクスペリエンスを構築します。

エージェント メモリ ループの図

エージェントで次の機能を使用する場合は、エージェント メモリを使用します。

  • セッション間でユーザー設定、過去の決定、または蓄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好みを共有します。
  • 時間の経過に伴う精度と効率の向上。

メモリ オプションを選択する

Azure Databricksには、エージェント メモリに対する 2 つの方法があります。

メモリ オプション 最適な用途
マネージド エージェント メモリ (ベータ) Databricks は、Unity カタログ ガバナンスで保護されたメモリ インフラストラクチャを管理します。 ユーザーごとのクロスセッション メモリを必要とする任意の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 エージェント メモリ (Lakebase) 基になるメモリ ストアは、Lakebase を使用して管理します。 短期および長期の会話状態への直接 SQL アクセスが必要な LangGraph または OpenAI Agents SDK を使用して構築されたカスタム エージェントをサポートします。

エージェント向けのメモリスケーリング

メモリはさまざまな形式で提供されます。 エピソデス メモリは、会話ログやユーザー フィードバックなどの生の相互作用をキャプチャしますが、 セマンティック メモリはそれらの相互作用を再利用可能なファクトとルールに蒸留します。 また、個々のユーザーにメモリのスコープを設定したり、チーム全体で組織の知識として共有したりすることもできます。

エージェントがこのコンテキストの多くを蓄積すると、その精度と効率が向上します。 Databricks の研究では、このパターンメモリスケーリングを呼び出します。 これらの結果については、Databricks の調査 からの AI エージェントのメモリ スケーリング に関する説明を参照してください。