Engineering · アーキテクチャ

エージェントの4層記憶と『夢見』が変える長期タスク設計 — Anthropicのメモリ研究2026-11

Anthropicは2026年11月6日、エージェントのメモリを4層(トランスクリプト・ノート・表現/Wiki・注入コンテキスト)として整理し、セッション終了後にオフラインで記憶を再編する『Dreaming』を導入した研究を公開しました。Opus 5.5のCL-BenchスコアはDreaming込みのメモリ有りで0.655→0.838に向上(Anthropic Engineering、2026-11-06)。agens はセッション間の永続メモリとタスク単位の監査を組み合わせて、この設計を業務で安全に活かします。

要点

  • ✓エージェントメモリは4層:トランスクリプト(生ログ)→ ノート(書き留め)→ 表現/Wiki(知識体系)→ 注入コンテキスト(毎セッション注入)(Anthropic Engineering、2026-11-06)
  • ✓Dreaming(夢見)はセッション間のオフライン整理パス。誤ったノートを訂正・Wikiを構築・注入コンテキストを刈り込む。Mt. Moon探索では、Dreamingありだけが突破成功(同)
  • ✓CL-Bench平均スコア:Opus 5.5が0.655(メモリなし)→0.838(Dreaming込み)、Sonnet 5.5が0.644→0.833(Anthropic Engineering、2026-11-06)
  • ✓Stainless文書Wiki(約35万ファイル):Wikiのみで128回のDreaming後に正解率13%→48%。WikiとSearch組み合わせで61%、Search単独53%より+8pt(同)
  • ✓過度な保存ルールは逆効果。『失敗のみ記録』の制約でOpus 5のスコアが−0.234低下(同)——メモリが何を保存するかはAI自身が判断できる余地を残すことが重要

長期タスクの壁:なぜメモリの設計が変わるのか

エージェントがセッションをまたいで仕事をするとき、コンテキストウィンドウという作業記憶はリセットされます。次のセッションで「あの顧客は○○を優先する」「前回この手順は失敗した」という文脈を持ち越せるかどうか——これがエージェントの長期的な有用性を決定的に左右します。

Anthropicは2026年11月6日、エンジニアリングブログでこの問題に正面から向き合い、エージェントメモリを4層の構造として整理し、セッション間のオフライン整理プロセス『Dreaming(夢見)』を導入した研究を公開しました(Lance Martin著「The components of agent memory」Anthropic Engineering、2026-11-06)。

結果は明快でした。Opus 5.5のCL-Bench(データベース操作タスク)スコアは、メモリなし0.655からDreaming込みのメモリあり0.838に向上。Sonnet 5.5も0.644→0.833(いずれも同研究)。メモリをどう設計するかは、モデルの能力と同じくらい成果に効くという実証です。

上に行くほど小さく、下がDreamingの材料になる

Dreaming(夢見)オフライン整理注入コンテキスト毎セッション最初に読み込まれる要点表現(Wiki)ノートをリンクで結ぶ知識体系ページ群メモリノートセッション中にClaudeが書き留めるルール・発見トランスクリプト全操作・ツール呼び出しの生ログコンパクトに保つほど従順度が上がる(Claude Code: MEMORY.md 先頭200行/25KBのみ)Dreamingがセッション間で構築・更新するStainless wiki: 128回後に13%→48%に改善過度な保存ルールは逆効果になる「失敗のみ記録」でOpus 5の得点が−0.234低下Dreamingの証拠源。照合・検証に使われるCL-Bench: Opus 5.5が0.655→0.838に向上整理・更新出典: Anthropic Engineering「The components of agent memory」2026-11-06
4層のメモリ構造(Anthropic Engineering、2026-11-06)。底のトランスクリプト(生ログ)からノート・Wiki・注入コンテキストへ向かうほどコンパクトになる。DreamingはトランスクリプトとノートをもとにWikiを構築し、注入コンテキストに昇格させる整理パスを担う。

4つの層:それぞれが果たす役割

Anthropicが整理した4層を順に見ます(Anthropic Engineering、2026-11-06)。

  • トランスクリプト:エージェントの全操作・ツール呼び出し・観察の生ログ。Dreamingが照合・検証する証拠源。エージェントが書き込んだメモリが正しいかどうかを、あとから照合できる。
  • メモリノート:セッション中にClaudeが書き留めるルール・発見・警告。重要なのは「何を保存するかはAIが判断する」という設計であり、過度な制約をかけると逆効果になる(後述)。
  • 表現(Representations / Wiki):ノートをリンクで結ぶ知識体系ページ群。DreamingがセッションをまたいでWikiを構築・更新する。Stainless文書Wiki実験では128回のDreaming後に正解率が13%→48%に改善(同)。
  • 注入コンテキスト:毎セッション最初に読み込まれる要点。長いほど従順度が下がる——Claude Codeではauto-memoryのMEMORY.mdの先頭200行または25KBのみを読み込む(同)。

この4層の重要な設計思想は、「上の層ほどコンパクトであること」です。全ての記憶を注入コンテキストに詰め込むのでなく、Dreamingで取捨選択した要点だけを注入に昇格させることで、コンテキスト汚染を防ぎます。

Dreamingが記憶を整理する——Mt. Moon実験が示す差

セッション終了後 — オフライン処理トランスクリプト操作の生ログDreaming誤ったノートを修正Wikiを構築・更新重複を除去・リンクを追加ノート修正・統合誤記訂正・重複除去・リンク付けWiki 更新新ページ追加・既存ページ修正注入コンテキスト整理要点を昇格・古い内容を整理実験: Mt. Moon 探索Dreaming あり → 1,935手でクリアDreaming なし → 突破失敗出典: Anthropic Engineering「The components of agent memory」2026-11-06
Dreamingはセッション終了後のオフライン処理(Anthropic Engineering、2026-11-06)。トランスクリプトを入力として誤ったノートを修正し、WikiページをまとめてリンクしてWikiを更新し、注入コンテキストを刈り込む。Pokémonゲームのマップ探索実験では、Dreamingありだけが山を越えることに成功した。

Dreaming:ヒポカンパスの再生に倣うオフライン整理

Dreamingは、エージェントがアイドル状態のとき(セッションとセッションの間)に走るオフライン処理です。Anthropicは海馬(ヒポカンパス)の睡眠中リプレイに類比してこの名称を使っています(同研究。関連研究としてLettaとUC Berkeleyの『sleep-time compute』も言及)。

具体的にDreamingが行うこと:

  • 誤ったノートの修正(セッション中に書いた情報が後のトランスクリプトと矛盾する場合)
  • 重複ノートの統合とリンク付け
  • Wiki新ページの作成および既存ページへの追記
  • 重要なノートの注入コンテキストへの昇格と古い内容の整理

Pokémonゲームのマップ探索実験が最もわかりやすい実証例です。Mt. Moonという地下迷路の通過を課題として、Dreaming込みのメモリあり・生のメモリのみ・メモリなしの3条件で比較しました。Dreaming込みだけが1,935手でCerulean Cityへの到達に成功し、他の2条件は突破できませんでした(Anthropic Engineering、2026-11-06)。

Pokémon Redの別実験でも興味深い結果が出ています。Sonnet 3.7は413件ものメモリファイルを作成して1バッジ獲得にとどまったのに対し、Fable 5は9件のノートファイル(global.mdを含む計10件)で4バッジを獲得。ファイル数が多いほど良いとは限らず、質と整理が鍵だという示唆です(同)。

過度な保存ルールは逆効果——「失敗のみ記録」の罠

この研究で特に実践的に重要な発見は、メモリの保存方針を過度に制約することが逆効果になる、という点です。

Anthropicが「失敗のみ記録せよ(record only failures)」という明示的なルールを与えた実験では、Opus 5のCL-Benchスコアが−0.234、Opus 4.7が−0.150低下しました(同)。成功したアプローチを記録しないことで、次のセッションで同じ成功を再現できなくなるためです。

(B)この結果が示す設計原則は「何を保存するかの判断はできるだけエージェント自身に任せる」です。人間が事前に定義した厳格なルールより、エージェントが文脈に応じて書き留める内容を選ぶ柔軟性の方が、長期的な成果を上げやすい。これはエージェント設計の一般論として重要なトレードオフです——制御を強めると安全性は上がるが性能が下がることがある。

Harvey LAB合併のマルチ文書Q&Aでは、Wikiあり87% vs Search単独73%(同)。Stainless文書全体では、WikiとSearchを組み合わせると61%でSearch単独53%より+8pt、かつ1問あたり約20,000トークンを節約できました(同)。

(A) agens の設計 / (C) 今後の方向性

(A) agensは永続メモリをサンドボックス内のフォルダとして管理し、セッション間の文脈を引き継ぎます。メモリへの書き込みごとに監査ログを生成し、タスク単位の巻き戻しで特定時点の状態に戻せます。複数エージェント間のメモリ共有と、RBAC(役割ベースのアクセス制御)による名前空間ごとの書き込み権限管理を実装しています。(C) Anthropicが実証した4層フレームワークとDreamingパターン(特にWiki構築・注入コンテキスト自動整理)は、長期タスクのメモリ設計において有力な方向性です。セッション間のオフライン整理をワークフローとして組み込む設計は、agensのSkills/Workflowsと組み合わせることで実装できます。

🛡 一次資料と注記

本記事の数値(CL-Bench 0.655→0.838、Stainless wiki 13%→48%→61%、Harvey 87% vs 73%、Mt. Moon 1,935手、Pokémon Red 413件/10件ファイル、「失敗のみ記録」規則での−0.234/−0.150)は、すべてAnthropicエンジニアリング「The components of agent memory」(Lance Martin著、2026-11-06、https://www.anthropic.com/engineering/components-of-agent-memory)に帰属します。agens実績値は含みません。同記事の関連研究として言及されているLetta・UC Berkeley「sleep-time compute」は一次参照先として存在を確認しています。

よくある質問

エージェントのメモリ4層とは何ですか?
Anthropic Engineering(2026-11-06)が整理した4層は、①トランスクリプト(全操作の生ログ)②メモリノート(セッション中に書き留めるルール・発見)③表現/Wiki(ノートをリンクで結ぶ知識体系)④注入コンテキスト(毎セッション最初に読み込まれる要点)です。上の層ほどコンパクトで、DreamingがトランスクリプトとノートをもとにWikiを構築・整理して注入コンテキストに昇格させます。
Dreaming(夢見)とは何ですか?
Dreamingは、エージェントがアイドル状態のとき(セッション間)に走るオフライン記憶整理パスです。ヒポカンパスの睡眠中リプレイに類比してAnthropicが命名しました(2026-11-06)。誤ったノートを修正し、Wikiページを構築・更新し、注入コンテキストを刈り込みます。Pokémonゲームの探索実験では、Dreamingありだけが迷路の突破に成功しました(同)。
メモリを加えるとどれくらい性能が上がりますか?
Anthropicの研究(2026-11-06)によるCL-Bench(データベース操作タスク)では、Opus 5.5が0.655(メモリなし)→0.838(Dreaming込み)、Sonnet 5.5が0.644→0.833に向上しました。Stainless文書Q&AでもWiki+Search組み合わせが61%でSearch単独53%より+8ptでした。ただしこれらはAnthropicの特定タスクの測定値であり、agens実績値ではありません。
なぜ『失敗のみ記録』のルールが逆効果になるのですか?
成功したアプローチを記録しないことで、次のセッションで同じ成功を再現できなくなるためです。Anthropicの実験では、このルールでOpus 5のCL-Benchスコアが−0.234低下しました(2026-11-06)。メモリへの保存内容の判断はできるだけエージェント自身に任せる方が長期的な成果が上がりやすいことを示しています。
agensでこのメモリ設計をどう活かせますか?
(A) agensは永続メモリをサンドボックス内のフォルダとして管理し、書き込みごとに監査ログを生成します。タスク単位の巻き戻しで特定時点のメモリ状態に戻せます。(C) Anthropicが実証したWiki構築やDreamingパターンをセッション間ワークフローとして組み込む設計は、agensのSkills/Workflowsと組み合わせることで実現できます。

最終更新: 2026-11-16