Amazon Bedrock、AgentCore memoryのライフサイクル設計を提示 90日のTTLを初期値に
- Amazon BedrockのAgentCore memory向け設計です。
- 記憶をスコアリング、統合、削除します。
- 夜間ワークフローとAWS CDKスタックを示します。
AWS Machine Learning Blogは、Amazon Bedrock AgentCoreの機能であるAgentCore memory向けに、記憶のライフサイクル管理を設計する方法を示しました。長期稼働するAIエージェントが古い文脈を蓄積すると、応答品質の低下やコンプライアンス上のリスクにつながると説明しています。
記事では、エージェントの記憶をエピソード記憶、セマンティック記憶、手続き記憶に分類しています。エピソード記憶は会話の記録で、時間とともに関連性が下がるため、期限切れの優先対象にします。セマンティック記憶は対話から抽出した事実や好みで、より長く保持する候補です。手続き記憶はワークフローやツール利用パターンを扱います。
ライフサイクルポリシーでは、TTLに基づく期限切れ、関連性の減衰スコアリング、記憶の統合や削除を組み合わせます。記事の初期設定では、エピソード記憶のTTLを90日にしています。運用では、Summary記憶を30から60日、セマンティック記憶を6から12か月で期限切れにする設定例も示しています。
実装例は、AgentCore memory、AWS Step Functions、Amazon Bedrockを使い、夜間にライフサイクルワークフローを実行します。AWS CDKスタックと、エージェントの記憶を管理対象リソースとして扱うための枠組みも示しています。
つまり、AIエージェントが仕事の会話をため込みすぎないように、記憶を定期的に整理するための設計です。机に積み上がった書類を、夜のうちに仕分けするようなものです。
会話の記録は90日で捨て、相手の好みや事実といった長く役立つものは残します。古い情報を抱えたままだと、エージェントの答えがだんだんずれていきます。
機能追加の発表かと思えば、中身は「何を忘れさせるか」の話でした。忘れる側の設計が先に出てくるのは、なかなか珍しい構成です。
エピソード記憶は90日、要約は30から60日、意味的な記憶は6から12か月。この刻み方を見るかぎり、記憶をいつ消すかは現場のさじ加減ではなく、あらかじめ決めておく項目に変わっていきそうです。サポートやヘルプデスクのように何か月も動かし続ける用途なら、なおさらです。
捨てる仕組みまでが機能。
導入を検討している人なら、自社のエージェントが何か月分の会話を抱えているかを数えるところからだと思います。次は「AgentCore memory」自体にTTLでの自動削除が標準で載るかどうかを見たいです。
大量の対話データを数週間から数か月にわたり蓄積するカスタマーサポート、営業支援、ITヘルプデスクのエージェント運用者に関係します。
