AIエージェント

全部を覚えさせない方が、エージェントは強くなる——長く働くAIの『文脈管理』

2026/7/4

🤖 AIが下書き・人間が編集

要点： 長く働くエージェントは、会話とツール呼び出しの履歴がどんどん膨らむ。素直に考えれば「全部覚えている方が賢い」はずだ。だが2026年5〜6月に出た独立した2本の研究は、逆を示した——履歴を全部保持するより、刈り込んで要約する方が、タスクの完了率が上がる。ある実験では、全履歴を渡すと完了率71%だったのに対し、直近5つのツール呼び出しだけに刈り込むと79%、さらに要約を足すと91.6%まで上がり、しかもトークンと実行時間は約3分の1に減った¹。もう一本は、その「捨て方」はエージェントの地力に合わせて変えるべきだと示す²。鍵は記憶を貯めることではなく、捨て方を設計することにある。

全部持たせると、かえって弱る

1本目「Less Context, Better Agents」は、50課題の経費処理ベンチマークを GPT-5 で回し、文脈の持たせ方を比べた¹。結果は明快だった。

• 全履歴を保持：完了率 71.0%（約148万トークン・14.6時間）
• 直近5つのツール呼び出しに刈り込み：79.0%（約54万トークン・5.4時間）
• 刈り込み＋要約：91.6%（約55万トークン・5.8時間）

膨らんだ履歴は、賢さの足しになるどころか注意を散らす。古い中間結果や関係の薄いやり取りが文脈に居座ると、モデルはいま解くべき仕事から気を逸らされる。直近の重要な手順だけを残し、それより前は要約に畳む——これだけで、完了率は上がり、コストは3分の1近くまで下がった。「全部盛り」は、精度でもコストでも最善ではなかった。

「捨て方」はエージェントの強さで変える

ただし、刈り込みは強くやればいいという単純な話でもない。2本目「AdaCoM」は、外部の小さなLLMに文脈管理そのものを学習させ（強化学習で「何を残し何を畳むか」を訓練）、Web検索や調査タスクで性能を上げた²。

この研究が見つけた勘所が「忠実さと信頼性のトレードオフ」だ。地力の高いエージェントは、文脈を忠実に残すほど得をする。逆に地力の低いエージェントは、思い切って圧縮して、扱える範囲に文脈を収めた方が安定する²。つまり、最適な刈り込みの強さは一律ではなく、動かすモデルの強さに合わせて決めるものだ。

実務で何が変わるか

長時間動くエージェントを組む側なら、勘所は絞れる。

• 全履歴を丸ごと渡さない。 直近の重要な手順＋それ以前の要約、という形が、全部盛りより完了率で勝つことがある¹。まず「刈り込み＋要約」を基準線に置くとよい。
• 残す基準は「タスクの制約と進捗」。 何を捨てるか迷ったら、目標・制約・ここまでの進捗は残し、役目を終えた中間出力は畳む。AdaCoM が性能を上げた要も、この「制約と進捗を保ちつつ、古い内容を刈る」だった²。
• 圧縮の強さはモデルの地力に合わせる。 強いモデルは残しめ、弱いモデルは刈り込みめ²。一律の設定を全機種に流用しない。
• 副産物のコスト減は大きい。 トークンと時間が3分の1になるなら、長時間タスクの運用費と待ち時間に直接効く¹。

長く働くエージェントで効くのは、より多く覚えさせることではなく、忘れ方をうまく設計することだった。どちらも2026年前半のプレプリント（査読前）だが、別々のチームが「減らす方が強い」を独立に測った点で、単発の主張より確度が高い。

この記事はAIが下書きし、人間が編集・公開しています。