みのるんさん @minorun365 から、『MastraによるAIエージェント開発・運用』（技術評論社）を献本いただきました。ありがとうございます！

日本IBMは、AIファーストBPOの提供拠点「AIエージェント・オペレーション・ハブ」を、IBM九州DXセンター（福岡県北九州市）内に新設。 AIエージェントの導入・開発・運用から業務実行までをBPOサービスの一環として支援、企業の間接業務でのAI活用と業務変革を推進します。 🔗

# AIエージェント開発の意思決定ポイント 🎯 **ポイント** 全部のタスクに最強モデルを使っていませんか？「Yes/Noの分類」にフラグシップモデルを使うのは、引っ越しにジャンボジェットを飛ばすようなものです。モデル階層化は、コストと品質のバランスを「定数」から「関数」に変える実践的な戦略です。 📋 **概要** モデル階層とは、タスクの種類や難易度に応じて小型・中型・大型のどのクラスのLLMを使うかを制御するダイヤルです。AIエージェントシステムでは、1回のセッション内に分類・抽出のような定型処理と、推論・計画のような高度な処理が混在します。すべてを大型モデルで処理すれば品質は安定しますが、月間コストが桁違いに膨張します。実運用では全リクエストの概ね60〜80%が小型・中型モデルで十分処理でき、大型モデルが本当に必要なのは残りの20〜40%です。 🔍 **意思決定のポイント** このダイヤルは2つの駆動変数で決めます。 🔹 **コスト感度（cost_sensitivity）** — コスト感度が高いほど小型モデルへの振り分けを増やします。全リクエストを大型モデルで処理する場合と比べ、60%を小型（コスト1/10）、20%を中型（コスト1/3）、20%を大型で処理すると、コストは概ね30%程度まで削減できます。 🔹 **リクエスト価値（request_value）** — 価値の高いリクエストほどエスカレーション閾値を下げ、早めに上位モデルを使います。逆にコスト感度が高い場合は閾値を上げ、本当に必要な場合のみエスカレーションします。 まずはタスク種別による静的ルーティングから始めるのが実践的です。分類・タグ付け・抽出は小型、要約・翻訳は中型、推論・計画・コード生成は大型。そこに信頼度ベースのエスカレーション（構造化出力のパースエラー率、回答拒否率などで判定）を重ねます。 💡 **要点と詳細** 📊 モデル階層数は2〜3層が運用しやすいです。4層以上は管理コストが増大します。エスカレーション閾値は信頼度0.7〜0.85が目安で、リクエスト価値が高いほど下げます。 ルーター方式はまずルールベースで始めましょう。LLMをルーターに使うとルーティング自体にコストがかかり、小型モデル1回分に匹敵することもあります。リクエスト量が少ないうちは入力長やキーワードベースのルールで十分です。 障害時には逆方向のフォールバック（大型→中型→小型）も有効です。サーキットブレーカが開いた場合に軽量モデルに切り替えることで、品質は落ちてもサービスを継続できます。縮退レベルをレスポンスのメタデータに含め、クライアント側で品質低下の可能性を表示するのが望ましいです。 ⚖️ **トレードオフ** 📉 小型モデルに偏りすぎると — 複雑な推論タスクで「もっともらしいが間違っている」回答が増えます。計画の途中で矛盾が発生し実行フェーズで失敗、コード生成では構文は正しいが論理的に誤ったコードが生成されます。失敗コストが高いタスクでは、エラー修正コストが節約額を上回ることになります。 📈 大型モデルに偏りすぎると — 単純な分類タスクに100倍のコストをかけ、応答時間が数秒に膨張します。大型モデルのレート制限に達しやすくなり、全リクエストが429エラーの影響を受けるリスクもあります。月間コストの予算超過はサービスの継続性を脅かします。 🛠️ **ユースケース** 📞 **カスタマーサポート** — 質問分類・FAQ回答・感情分析は小型モデル（全体の約70%）、技術的な問題の診断は中型〜大型、返金ポリシー判断は大型モデル。分類結果に応じて適切な層にルーティングします。 📊 **データ分析パイプライン** — フォーマット変換は小型、数値統計はコード（LLM不要）、パターン分析・異常検知の解釈とエグゼクティブサマリは大型。パイプラインの大部分は小型モデルとコードで処理できます。 🔄 **障害時フォールバック** — 通常は大型モデルで推論し、プロバイダ障害時に中型→小型と段階的にダウングレード。全プロバイダ障害なら静的フォールバック。可用性と品質のバランスを動的に調整する構成です。 信頼度の定義は測定可能な指標に落としましょう。「なんとなく自信がない」では運用できません。モデル更新時はルーティング比率の再検証もお忘れなく。 #AIエージェント# #ソフトウェアアーキテクチャ#

# AIエージェント開発の意思決定ポイント 🎯 **ポイント** 全部のタスクに最強モデルを使っていませんか？「Yes/Noの分類」にフラグシップモデルを使うのは、引っ越しにジャンボジェットを飛ばすようなものです。モデル階層化は、コストと品質のバランスを「定数」から「関数」に変える実践的な戦略です。 📋 **概要** モデル階層とは、タスクの種類や難易度に応じて小型・中型・大型のどのクラスのLLMを使うかを制御するダイヤルです。AIエージェントシステムでは、1回のセッション内に分類・抽出のような定型処理と、推論・計画のような高度な処理が混在します。すべてを大型モデルで処理すれば品質は安定しますが、月間コストが桁違いに膨張します。実運用では全リクエストの概ね60〜80%が小型・中型モデルで十分処理でき、大型モデルが本当に必要なのは残りの20〜40%です。 🔍 **意思決定のポイント** このダイヤルは2つの駆動変数で決めます。 🔹 **コスト感度（cost_sensitivity）** — コスト感度が高いほど小型モデルへの振り分けを増やします。全リクエストを大型モデルで処理する場合と比べ、60%を小型（コスト1/10）、20%を中型（コスト1/3）、20%を大型で処理すると、コストは概ね30%程度まで削減できます。 🔹 **リクエスト価値（request_value）** — 価値の高いリクエストほどエスカレーション閾値を下げ、早めに上位モデルを使います。逆にコスト感度が高い場合は閾値を上げ、本当に必要な場合のみエスカレーションします。 まずはタスク種別による静的ルーティングから始めるのが実践的です。分類・タグ付け・抽出は小型、要約・翻訳は中型、推論・計画・コード生成は大型。そこに信頼度ベースのエスカレーション（構造化出力のパースエラー率、回答拒否率などで判定）を重ねます。 💡 **要点と詳細** 📊 モデル階層数は2〜3層が運用しやすいです。4層以上は管理コストが増大します。エスカレーション閾値は信頼度0.7〜0.85が目安で、リクエスト価値が高いほど下げます。 ルーター方式はまずルールベースで始めましょう。LLMをルーターに使うとルーティング自体にコストがかかり、小型モデル1回分に匹敵することもあります。リクエスト量が少ないうちは入力長やキーワードベースのルールで十分です。 障害時には逆方向のフォールバック（大型→中型→小型）も有効です。サーキットブレーカが開いた場合に軽量モデルに切り替えることで、品質は落ちてもサービスを継続できます。縮退レベルをレスポンスのメタデータに含め、クライアント側で品質低下の可能性を表示するのが望ましいです。 ⚖️ **トレードオフ** 📉 小型モデルに偏りすぎると — 複雑な推論タスクで「もっともらしいが間違っている」回答が増えます。計画の途中で矛盾が発生し実行フェーズで失敗、コード生成では構文は正しいが論理的に誤ったコードが生成されます。失敗コストが高いタスクでは、エラー修正コストが節約額を上回ることになります。 📈 大型モデルに偏りすぎると — 単純な分類タスクに100倍のコストをかけ、応答時間が数秒に膨張します。大型モデルのレート制限に達しやすくなり、全リクエストが429エラーの影響を受けるリスクもあります。月間コストの予算超過はサービスの継続性を脅かします。 🛠️ **ユースケース** 📞 **カスタマーサポート** — 質問分類・FAQ回答・感情分析は小型モデル（全体の約70%）、技術的な問題の診断は中型〜大型、返金ポリシー判断は大型モデル。分類結果に応じて適切な層にルーティングします。 📊 **データ分析パイプライン** — フォーマット変換は小型、数値統計はコード（LLM不要）、パターン分析・異常検知の解釈とエグゼクティブサマリは大型。パイプラインの大部分は小型モデルとコードで処理できます。 🔄 **障害時フォールバック** — 通常は大型モデルで推論し、プロバイダ障害時に中型→小型と段階的にダウングレード。全プロバイダ障害なら静的フォールバック。可用性と品質のバランスを動的に調整する構成です。 信頼度の定義は測定可能な指標に落としましょう。「なんとなく自信がない」では運用できません。モデル更新時はルーティング比率の再検証もお忘れなく。 #AIエージェント# #ソフトウェアアーキテクチャ#

# AIエージェント開発の意思決定ポイント # トレース・サンプリング率｜Trace Sampling Rate 🎯 ポイント エージェントのトレース、全量記録していますか？それとも全く記録していませんか？ 「全量か無か」ではなく「何を全量にするか」が正しい問いです。AIエージェントの1リクエストは数千〜数万トークンのトレースデータを生成します。全量記録すると観測コストが爆発し、記録しなければ障害時に原因究明が不可能。条件付きサンプリングがこのジレンマを解決します。 📋 概要 トレース・サンプリング率は、エージェントの実行トレース（各LLM呼び出し、ツール実行、意思決定のステップごとの記録）をどの割合で収集・保存するかを制御するパラメータです。100%ならすべてのリクエストのトレースを記録し、1%なら100リクエストに1件だけ記録します。 AIエージェントのトレースは従来のWebサービスのログとは質的に異なります。プロンプト全文、出力全文、ツール引数・戻り値、中間的な推論ステップなどを含めると、1リクエストで数十KB〜数百KBのデータが生成されます。さらにLLMの出力は確率的なため、「同じ入力を再投入すれば再現できる」という前提が成り立ちません。 🔍 意思決定のポイント サンプリング率はaccountability（説明責任）とcost_sensitivity（コスト感度）のバランスで決まりますが、最も重要なのは条件付きサンプリングの設計です 🎯 一律の確率ではなく、リクエストの属性に応じて率を変えます。 判定基準の優先順位: 1. エラー/例外が発生したリクエスト → 100%記録（必須） 2. HITL（人間介在）が発生したリクエスト → 100%記録 3. 高リスク操作（副作用あり、不可逆）を含むリクエスト → 100%記録 4. レイテンシがP95を超えたリクエスト → 100%記録 5. コストが閾値を超えたリクエスト → 100%記録 6. 成功したリクエスト → 標本率で記録（1〜10%） 💡 要点と詳細 目安値 📊 - エラー/例外発生 → 100%。再現性のない障害のデバッグに不可欠 - HITL発生（人間承認/エスカレーション） → 100%。承認判断の妥当性を事後検証 - 高リスク操作（送金、データ削除等） → 100%。不可逆操作の監査に必須 - レイテンシP95超過 → 100%。性能劣化の根本原因分析に必要 - 成功かつ低リスク → 1〜10%。品質の統計的モニタリングに十分 - 開発・ステージング環境 → 100%。コストが問題にならない範囲で全量記録 トレースの粒度をサンプリング率とは別に制御するのも重要です 📦 全量記録するリクエストでも、プロンプト全文はコールド層に、メタデータ（モデル名、トークン数、レイテンシ、ステータス）はホット層に分離します。 ⚖️ トレードオフ サンプリング率が低すぎると、障害の再現が不可能になります 🔍 LLMの出力は確率的なため、同じプロンプトを再投入しても同じエラーが再現するとは限りません。品質劣化の見逃し、監査要件の不達成、コスト異常の遅延検知も深刻なリスクです。 サンプリング率が高すぎると、観測コストが本番のLLM呼び出しコストに匹敵するか上回ることがあります 💸 パフォーマンスへの影響、PII（個人情報）の拡散リスク、大量データ中の信号がノイズに埋もれる問題も発生します。 サンプリング率は運用開始後に段階的に下げてください。最初は高い率（50〜100%）で始め、安定性を確認してから成功リクエストの率を徐々に下げます。 🛠️ ユースケース サンプリング判定はリクエストの終了時に行うことも検討してください 🔄 head-based sampling（開始時に決定）は実装が簡単ですが、エラーが発生するかどうかは事前に分かりません。tail-based sampling（完了後に決定）なら結果に基づいて判定できます。ただし中間データを一時的にバッファする必要があります。 correlation ID（trace ID）の伝播を確実にしてください 🔗 マルチステップのエージェント実行では、最初のリクエストから最後のツール呼び出しまで一貫したtrace IDが紐づいていないと、部分的なトレースしか得られません。非同期処理やキューを介する場合にIDが途切れやすいので要注意です。 ホット/コールド分離と組み合わせるのが効率的です。サンプリングされたトレースはコールド層に全文を、それ以外はホット層にメタデータのみを記録する構成が実用的です。 #AIエージェント# #ソフトウェアアーキテクチャ#

# AIエージェント開発の意思決定ポイント # タイムアウト｜Timeout 🎯 ポイント 「全部30秒」のタイムアウト、まだ使っていませんか？ AIエージェントでは、ツール呼び出しは数秒、LLM推論は数十秒、セッション全体は数十分。レイテンシ特性が全く異なる操作が組み合わさるため、一律のタイムアウトでは機能しません。層ごとに分けるのが第一歩です。 📋 概要 タイムアウトは、エージェントが特定の操作の完了を待つ最大時間を制御するダイヤルです。従来のWebサービスではHTTPリクエストに30秒程度を設ければ済みましたが、AIエージェントでは1リクエストが長く、レイテンシのばらつきが大きく、プロバイダの可用性も不安定です。 タイムアウトが短すぎると一時的な遅延で正常な処理を殺し、長すぎると障害を隠蔽してリソースを無駄に占有します。操作クラスごとにタイムアウトを分け、さらに観測データに基づいて動的に調整する仕組みが理想です。 🔍 意思決定のポイント タイムアウトの値はlatency_budget（ユーザーや下流システムがどれだけ待てるか）を最も強く反映します。少なくとも3層に分けて設定するのが基本です 📐 1. ツール呼び出し層 — 外部API・DB・ファイル操作。ツール種別ごとにさらに細分化も 2. LLM推論層 — 入力トークン数とモデル負荷で大きく変動。小型/大型モデルで応答時間が10倍異なることも 3. セッション全体層 — 「ユーザーがこのタスクに何分待てるか」から逆算 各操作のP99（99パーセンタイル）を観測し、安全係数1.5〜2.0倍を掛けた値が出発点です。P99がまだない立ち上げ初期は目安値から始め、1〜2週間の運用データで切り替えます。 💡 要点と詳細 目安値 📊 - ツール呼び出し（一般） → 10〜30秒。DBクエリは5秒でも長い場合あり - LLM推論（全体） → 60〜120秒。長文生成タスクは上限引き上げ - LLM推論（トークン間） → 5〜15秒。ストリーミング時のプロバイダ障害早期検出に有効 - LLM推論（TTFT） → 15〜30秒。入力が長いほど延びる - セッション全体 → 数分〜数十分。対話型は短く、調査・分析型は長く ストリーミングを使う場合は、全体タイムアウトよりトークン間タイムアウトの方が本質的な監視指標です 🔍 正常な推論では数百ミリ秒〜数秒間隔でトークンが返るため、15秒の無応答はプロバイダ側の異常を強く示唆します。 ⚖️ トレードオフ タイムアウトが短すぎると、複雑な推論タスクでLLMが高品質な回答を生成している途中で処理が中断されます ⏱️ Chain of Thoughtが深くなる正当なケースや、大量コンテキストの入力処理中にタイムアウトすることも。ピーク時のプロバイダ遅延で断続的に失敗し、リトライの連鎖が始まります。 タイムアウトが長すぎると、プロバイダが応答しないまま数分間スレッドが占有され、他のリクエストが詰まります 🚫 ハングしたツール呼び出しが放置され、ユーザーは「いつ終わるか分からない」最も苦痛な状態に。障害の検出も遅れます。 タイムアウト値の変更はリトライ戦略に直結します。短くすれば発火頻度が上がり、リトライが増えます。リトライ予算やセッション全体の予算と一体で調整する必要があります。 🛠️ ユースケース 対話型チャットアシスタント 💬 ユーザーが数秒以内の応答を期待。ツール3〜5秒、LLM推論15〜30秒（ストリーミングで即座にトークンを返し始める）、セッション全体60〜120秒。体感レイテンシの短縮にストリーミングが効果的です。 調査・分析エージェント 🔬 数分の処理が許容される。ツール10〜60秒、LLM推論60〜180秒、セッション全体5〜30分。タイムアウトよりコスト・ステップ数の予算が主要な制約に。 自動コードレビューエージェント 💻 大きな差分では入力トークンが数万に達し、TTFTが延びる。入力トークン数に応じてTTFTタイムアウトを動的に調整する仕組みが有効です。 タイムアウトとキャンセルは異なります ⚠️ タイムアウトはクライアント側で待つのを止めるだけで、プロバイダ側の処理は続行されている可能性があります。課金はプロバイダ側の処理量に基づくため、キャンセルリクエストも送信することを推奨します。 #AIエージェント# #ソフトウェアアーキテクチャ#

# AIエージェント開発の意思決定ポイント ## キャッシュ類似度閾値 — セマンティックキャッシュの「ヒット判定」をどこに置くか 🎯 ポイント LLMエージェントのセマンティックキャッシュ、「閾値0.95にしておけばいいでしょ」と思っていませんか？ その閾値ひとつで、コスト半減にも、誤回答の量産にもなり得ます。領域ごとに閾値を変えないキャッシュは、時限爆弾です。 📋 概要 セマンティックキャッシュの類似度閾値は、「過去のクエリと新しいクエリがどれだけ似ていればキャッシュヒットとみなすか」を決めるパラメータです。埋め込みベクトルのコサイン類似度で測定し、閾値以上なら過去の応答を再利用します。LLM呼び出しは1回あたりのコストが高いため、同じ意図のクエリを毎回処理するのは無駄です。しかし完全一致では表記揺れに対応できず、ヒット率が極端に低くなります。セマンティックキャッシュはこの問題を解決しますが、閾値の設定を誤ると「異なる意図のクエリに古い応答を返す」という誤回答の再利用が発生します。 🔍 意思決定のポイント この閾値は主に2つの力のバランスで決まります。 ⚡ **失敗コスト（failure_cost）** — 誤った応答の再利用がどれだけ深刻か。医療・法務・金融のように誤回答が致命的な領域では、閾値を0.97以上に引き上げるか、そもそもキャッシュ禁止区域（No-Cache Zone）に設定します。 💰 **コスト感度（cost_sensitivity）** — LLM呼び出しコストの削減圧力がどれだけ強いか。コスト削減の圧力が強い場合でも、安全な領域の閾値だけを緩め、リスクの高い領域は厳格に保つ非対称戦略を取ります。 さらに、入力の信頼度が低い環境ではキャッシュポイズニングのリスクもあります。悪意あるクエリに対する応答がキャッシュされ、類似の正当なクエリに返されるという攻撃です。 💡 要点と詳細 閾値の設定は「全クエリに単一の値」ではなく、領域ごとに変えるのが鉄則です。 📊 目安値（コサイン類似度、出発点）: - 🟢 低リスクFAQ: 0.92〜0.94 — ヒット率重視、誤ヒットの影響が小さい - 🟡 中リスク業務（社内ヘルプデスク等）: 0.94〜0.96 — 精度と効率のバランス - 🔴 高リスク領域（医療・法務・金融）: 0.97以上、またはNo-Cache — 誤回答コストが極めて高い - ⛔ リアルタイムデータ依存（在庫・価格）: No-Cache推奨 — TTLを短くしてもタイミング問題が残る - 🔒 個人情報依存: No-Cache推奨 — 埋め込みベースのマッチングではユーザー分離が不完全 重要なのは、埋め込みモデルの選択が閾値の意味を変えるということです。同じコサイン類似度0.95でも、モデルによって意味的な粒度が異なります。モデルを変更したら閾値の再評価は必須です。 ⚖️ トレードオフ **閾値が高すぎる（ほぼヒットしない）場合:** - キャッシュ基盤のコストだけが追加され、LLMコストは削減されない - キャッシュ検索のオーバーヘッドで、キャッシュなしより遅くなる - ベクトルDBの運用コストに見合う効果が得られない **閾値が低すぎる（何にでもヒットする）場合:** - 「Pythonのリスト操作」と「Pythonの辞書操作」のように意図が異なるクエリに誤ヒット - ユーザーAの応答がユーザーBに返される可能性 - 陳腐化した情報（在庫・価格）が長期間再利用される - 時々正確で時々的外れな応答が返り、エージェント全体の信頼が損なわれる 🛠️ ユースケース 💬 **カスタマーサポートFAQ** — 「返品ポリシーは？」「返品の手順を教えて」のような表記揺れが多い質問群。閾値0.93前後で高いヒット率を実現しつつ、注文固有の質問はNo-Cache Zoneに分離します。 🏥 **医療情報アシスタント** — 症状や薬の情報を扱うため、誤回答のコストが極めて高い。閾値0.97以上に設定するか、キャッシュヒット後に軽量モデルで「この応答は現在のクエリに適切か」を再検証するハイブリッドアプローチを採用します。 📦 **ECサイトの在庫・価格問い合わせ** — リアルタイムデータに依存するため、No-Cache推奨。商品説明のような静的情報のみキャッシュ対象にし、価格・在庫は常に最新データを返します。 🔑 実践のコツ: ヒット率だけでなく誤ヒット率も継続的に計測してください。誤ヒットは「ユーザーが指摘しない限り気づかない」沈黙の品質劣化です。定期的にサンプル監査を行い、キャッシュヒットした応答の妥当性を検証する仕組みを入れましょう。 #AIエージェント# #ソフトウェアアーキテクチャ#

# AIエージェント開発の意思決定ポイント 🎯 **ポイント** AIエージェントに「何でも覚えさせる」のは本当に良いことでしょうか？メモリ書込の積極度は、エージェントの賢さと安全性を左右する最も繊細なダイヤルの一つです。書き込みすぎればメモリ汚染、書き込まなさすぎれば学習しないエージェント。この絶妙なバランスをどう取るか、実務の視点で掘り下げます。 📋 **概要** メモリ書込の積極度とは、エージェントが対話やタスク遂行の過程で得た情報を長期メモリにどれだけ積極的に保存するかを制御するパラメータです。データベースへのINSERTと同じ重みで考えるべき、準不可逆的な操作です。LLMが生成した推測やユーザーの曖昧な発言を安易に書き込むと、以後のすべてのセッションで「過去に記録された事実」として参照され、誤りが自己強化するループ、すなわちメモリ汚染に陥ります。 🔍 **意思決定のポイント** この設定は主に2つの変数で決まります。 🔹 **入力の信頼度（input_trust）** — エンドユーザーの自由入力が主なソースなら、インジェクションや誤情報のリスクが高いため書込ゲートの閾値を上げます。管理者が入力を管理している環境なら、ある程度積極的に書き込めます。 🔹 **失敗コスト（failure_cost）** — 医療・法務・金融では、誤った事実の永続化が深刻な結果を招きます。社内チャットボットなら、多少の誤記憶は修正すれば済みます。失敗コストが高いほど書込を抑制するのが鉄則です。 🔹 **説明責任（accountability）** — 「なぜこの情報をメモリに保存したか」を後から説明できる必要がある場合、出典と確信度を記録する設計が必須になります。 💡 **要点と詳細** 書込の判定基準は3段階で考えるのが実践的です。 ✅ **自動書込可** — ユーザーが直接的かつ明示的に述べた事実（「私の名前は山田です」「Pythonを使っています」） ⚠️ **確認後に書込** — ユーザーの発言から推測される情報（「Python好みのようですね」→ユーザーに確認してから保存） 🚫 **書込禁止** — LLMが生成した推測、外部ソースからの未検証情報、一時的な文脈 メモリエントリには確信度（confidence）タグを付与し、検索時に確信度の低いエントリはランキングを下げるのが効果的です。これにより書込を完全に禁止しなくてもメモリ汚染の影響を限定できます。重複検出も書込パイプラインに必ず組み込みましょう。コサイン類似度0.90〜0.95で既存エントリとの重複をチェックし、同一エンティティの同一属性は最新値で上書きするのが原則です。 ⚖️ **トレードオフ** 📉 書込が消極的すぎると — エージェントが学習しません。ユーザーが繰り返し伝えた好みを記憶せず毎回デフォルトに戻り、「また同じことを聞かれた」という不満を生みます。パーソナライゼーションの欠如は、長期的な関係構築が必要なユースケースで致命的です。 📈 書込が積極的すぎると — ハルシネーションの永続化が最大のリスクです。「おそらくAさんは東京在住でしょう」という推測が「Aさんは東京在住」として保存され、以後のセッションで確定事実として扱われます。さらに深刻なのがプロンプトインジェクションの持続化で、通常は1セッション限りの攻撃がメモリに永続化されると「持続型インジェクション」になります。 🛠️ **ユースケース** 🏥 **医療・法務・金融** — 失敗コストが極めて高い領域。書込は最小限に抑え、明示的に確認された事実のみを記録。出典と確信度の追跡は必須。 💬 **カスタマーサポート** — ユーザーの好みや過去の問い合わせ履歴を蓄積する必要があるが、自由入力のリスクも高い。反復確認された情報（2回以上の一致）のみ自動永続化し、暗黙的な好みは隔離期間を設けてから昇格させる設計が有効。 🏢 **社内ナレッジボット** — 組織の暗黙知（「このAPIはこのパラメータを渡すと壊れる」）を蓄積したい。管理者入力が主なら比較的積極的に書き込めるが、定期的な「メモリの棚卸し」でユーザーに保存情報を提示して確認を得る運用を組み込むと品質が保たれます。 書込ログの監査可能性も忘れずに。いつ・何が・どのソースから書き込まれたかを追跡できれば、メモリ汚染が発覚した場合に原因特定と修正が可能になります。 #AIエージェント# #ソフトウェアアーキテクチャ#

🧬 エージェントが自分自身を「安全に」進化させるには、プロトコルそのものを作り直す必要がある——MCPやA2Aに足りないピースを埋める自己進化プロトコルが登場しました。 タイトル: Autogenesis: A Self-Evolving Agent Protocol URL: 🧬 概要 Autogenesis Protocol（AGP）は、LLMエージェントが実行中に自分のプロンプト・ツール・方策などを動的に改善できるようにする自己進化プロトコルです。中心思想は「何が進化するか」と「どう進化するか」を分離することです。 ❓ 解決する課題 既存プロトコル（Anthropic MCP、Google A2A）は接続や呼び出しは標準化しますが、進化に不可欠な要素が欠けています。 ・リソースがエージェントのコードと密結合している ・進化ステップのバージョン管理やロールバックが無い ・場当たり的な修正で、厳密な制御ループを成す標準オペレータが無い 💡 方法論と提案手法 AGPは2層構造です。 ・RSPL：プロンプト・エージェント・ツール・環境・メモリの5種を、状態・ライフサイクル・バージョン管理されたインターフェースを持つ「登録リソース」として扱う ・SEPL：進化を型付きの合成可能オペレータで形式化し、すべての変更をRSPL経由でバージョン管理・可逆にする この上に構築したAGSは、Agent Bus上でサブエージェントを並行実行し、失敗の兆候があればReflect→Select→Improve→Evaluate→Commitのループで自己改善します。 🎯 ユースケース 長期計画や多様なツール利用を要するエージェント開発に有効です。改善の系譜が残りロールバックできるため、壊れやすいグルーコードを避けつつ安全に自己進化を運用できます。 📊 実験結果 ・科学・数学：弱いモデルほど効果大。gpt-4oはAIME25で+100%、gpt-4.1はAIME24で+71.38%。一方で飽和した強モデルは天井効果で伸び小 ・GAIA：Test 79.07%→89.04%（+12.61%）。難易度Lv3で+33.34%と難問ほど効果大 ・コード生成：C++は合格79→99、TLEエラー9→0、実行効率+46.4%。プロンプトと出力の同時進化が最良でした #AIエージェント# #自己進化#

🟧 Expo - Developer Gemini Enterprise Agent Ready / GEAR（EX41） AI エージェントを開発、運用できる人材の育成を支援する、無料のメンバーシップ プログラム「GEAR」。新規登録された方には、Google Cloud のグッズをプレゼントしています。 #GoogleCloudNext🗼#