エージェントにおけるメモリ

メモリを保存することは物語の半分に過ぎません。重要なのは、エージェントがそれを使用することです。つまり、回答する前に適切なコンテキストを思い出し、学習した耐久性のある事実を書き戻すことです。協力するメカニズムは2つあります。

1. エージェントがリコールできるようにサービスをアタッチする。
2. エージェントが意図的に検索およびキュレーションできるようにツールを与える。

1. エージェントにメモリをアタッチする

MemoryServiceは、エージェントが使用するadk_core::Memoryインターフェースに、MemoryServiceAdapterを介してブリッジされ、(app, user, project?)にスコープされます。それをRunnerにアタッチすると、エージェントのsearch_memoryがバックエンドに流れます。

use adk_memory::{InMemoryMemoryService, MemoryServiceAdapter};
use std::sync::Arc;

let service = Arc::new(InMemoryMemoryService::new());
let memory: Arc<dyn adk_core::Memory> =
    Arc::new(MemoryServiceAdapter::new(service.clone(), "support", "alice"));

let runner = Runner::builder()
    .agent(agent)
    .session_service(sessions)
    .memory_service(memory)        // ← the agent can now recall
    .build()?;

これが整っていれば、エージェントはターン中にsearch_memory(query)を呼び出すことができますが、いつ呼び出すかは、リコールをどのように配線するかにかかっています。それがツールの目的です。

2. メモリツール (セマンティックストア)

adk-tool (feature memory-tools) は、リコールをエージェントの振る舞いに変える2つのツールを提供します。

use adk_tool::memory::{LoadMemoryTool, PreloadMemoryTool};

let load = LoadMemoryTool::builder()
    .memory_service(service.clone())
    .max_results(5)
    .min_relevance_score(0.3)
    .build()?;

let preload = PreloadMemoryTool::builder()
    .memory_service(service.clone())
    .max_results(3)
    .build()?;

let agent = LlmAgentBuilder::new("assistant")
    .model(model)
    .tool(Arc::new(load))                                        // on-demand recall
    .before_model_callback(preload.into_before_model_callback()) // automatic recall
    .build()?;

preload は「常に基本を覚えておく」ために、load は「関連するときに調べる」ために使用します。完全なリファレンスについては、メモリツールを参照してください。

ナレッジグラフツール

バックエンドがGraphMemoryServiceの場合、adk-tool (feature graph-memory-tools) は、エージェントに2つのツールを提供し、それ自体でグラフを管理できるようにします。これにより、トランスクリプトをダンプする代わりに意図的に記憶します。

それらの説明はモデルを、安定した、再利用可能な事実（名前、好み、目標、関係）へと導き、雑談から遠ざけます。それらを個別に、またはツールセットとして登録します。

use adk_tool::memory::{RememberTool, RelateTool, GraphMemoryToolset};
use std::sync::Arc;

let kg = Arc::new(GraphMemoryService::new("sqlite://mem.db").await?);
kg.migrate().await?;

// individually…
let agent = LlmAgentBuilder::new("coach")
    .model(model)
    .tool(Arc::new(RememberTool::new(kg.clone())))
    .tool(Arc::new(RelateTool::new(kg.clone())))
    .build()?;

// …or as one toolset
let toolset = GraphMemoryToolset::new(kg.clone());

これを、セッション開始時に注入されるグラフの profile_card と組み合わせると、ユーザーが誰であるかを事前に読み取り、学習した内容を書き戻すエージェントが得られます — これがメモリをリアルに感じさせるループです。

リアルタイムセッション

同じ配線は、IntegratedRealtimeRunner を介して音声/マルチモーダルエージェントにも機能します — remember/relate はリアルタイムセッションに自動的にブリッジされ、MemoryService は接続時にコンテキストを注入し、ターンを保存します。リアルタイム → メモリ を参照してください。

完全なパターン

realtime_voice (ミアとのマインドフルネス) の例は、エンドツーエンドのリファレンスです。ファイルベースの GraphMemoryService はミアの長期記憶です。彼女のプロフィールカードはセッション開始時に注入されます。彼女は会話中に remember/relate を介して事実をキュレーションします。そして、ライブパネルが同じグラフを読み書きします。このページにあるすべての要素が連携して動作する様子を見るために、ぜひお読みください。

← メモリの概要 に戻る