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。