Google Cloud が常時メモリエージェント発表

多くの AI エージェントは記憶を保持できません。リクエストを処理して回答すると、文脈を捨ててしまいます。Google Cloud の生成 AI リポジトリには、この課題に直接取り組むサンプルが用意されています。それが「Always-On Memory Agent（常時稼働メモリエージェント）」です。これは、メモリを単なるデータではなく、継続的なプロセスとして扱うための参考実装です。

このプロジェクトの本質は、決して停止しない軽量なバックグラウンドエージェントにあります。一度きりの呼び出しではなく、24 時間 365 日、常時稼働する連続プロセスとして動作します。開発には Google ADK（Agent Development Kit）と Gemini 3.1 Flash-Lite が採用されています。特筆すべきは、ベクトルデータベースも埋め込み（embeddings）も使用しない点です。代わりに LLM が読み取り、思考し、構造化されたメモリを SQLite に書き込みます。このモデル選定は、継続的なバックグラウンド処理における低遅延と低コストを実現するためになされています。

仕組み：取り込み、統合、検索

アーキテクチャ上、オーケストレーターがすべてのリクエストを 3 つの専門サブエージェントのいずれかにルーティングします。各サブエージェントは、メモリストアの読み書きに特化した独自のツールを持っています。

まず IngestAgent が着信コンテンツを処理します。Gemini のマルチモーダル機能を活用して、要約、エンティティ、トピック、重要度スコアを抽出。この構造化されたレコードが「memories」テーブルに登録されます。

次に ConsolidateAgent がタイマーで稼働し、デフォルトでは 30 分ごとに実行されます。睡眠サイクルのように、未統合のメモリを見直し、相互間の関連性を発見します。そしてデータベースに合成された要約と、主要な洞察、関連付けを記録します。これにより、エージェントはプロンプトなしでアイドル状態でも新たな理解を構築していくのです。

最後に、QueryAgent が質問への回答を行います。蓄積されたすべてのメモリと統合された洞察を読み込み、それらを統合して回答を生成します。重要なのは、回答の根拠となったメモリの ID を明記することです。

対応する入力形式について

テキストだけでなく、IngestAgent は 5 つのカテゴリにわたる 27 のファイルタイプを受け付けます。対応するファイルを ./inbox フォルダにドラッグ＆ドロップするだけで、自動的に読み込まれます。

カテゴリと拡張子

• テキスト：.txt, .md, .json, .csv, .log, .xml, .yaml, .yml
• 画像：.png, .jpg, .jpeg, .gif, .webp, .bmp, .svg
• オーディオ：.mp3, .wav, .ogg, .flac, .m4a, .aac
• ビデオ：.mp4, .webm, .mov, .avi, .mkv
• ドキュメント：.pdf

RAG、要約、知識グラフとの比較

違いを明確にするため、3 つの一般的なメモリアプローチを対比します。それぞれが問題の一部を解決していますが、いずれにも課題が残されています。

このエージェントは、RAG と異なり、検索時だけでなくメモリを能動的に処理します。

ユースケースと具体例

実務的には、このパターンは永続的で進化し続ける文脈を必要とするあらゆるワークロードに適用可能です。具体例として 3 つ挙げましょう。

研究アシスタントが、1 週間にわたって PDF ファイル、会議の音声データ、スクリーンショットを取り込みます。その後、システムが自動的に「コスト目標」と「信頼性の問題」を関連付けます。

個人のナレッジベースは、ノート、記事、画像を継続的に吸収します。時間が経つと、統合機能によって、これまで明示的につなげていなかったテーマが浮かび上がってきます。

サポートエージェントは、過去のチケットを構造化されたメモリとして保存します。そして、新しい質問に対して、以前の事例への引用付きで回答を提供します。

始め方

設計が明確になれば、初期段階のエンジニアにとってセットアップは最小限で済みます。依存関係をインストールし、API キーを設定するだけでプロセスを開始できます。

pip install -r requirements.txt
export GOOGLE_API_KEY="your-gemini-api-key"
python agent.py

実行すると、エージェントは ./inbox フォルダを監視し、30 分ごとに統合処理を実行します。また、ポート 8888 で HTTP API を提供するため、HTTP を通じてデータを送信することも可能です。

# テキストの取り込み
curl -X POST http://localhost:8888/ingest \
  -H "Content-Type: application/json" \
  -d '{"text": "AI agents are the future", "source": "article"}'

# 質問の実行
curl "http://localhost:8888/query?q=what+do+you+know"

さらに、API には /status、/memories、/consolidate、/delete、/clear のエンドポイントも用意されています。オプションで Streamit ダッシュボードを利用すれば、取り込み、検索、閲覧、削除の操作を GUI で実行できます。CLI フラグでは、監視対象フォルダ、ポート番号、統合間隔を変更可能です。

python agent.py --watch ./docs --port 9000 --consolidate-every 15

キーポイント

ベクトルデータベースも埋め込み（embeddings）も不要。LLM が読み込んで思考し、構造化されたメモリを SQLite に直接書き込む仕組みです。

Google ADK と Gemini 3.1 Flash-Lite を活用した軽量なバックグラウンドプロセスとして、24 時間 365 日稼働します。

オーケストレーターの下に「取り込み（Ingest）」「統合（Consolidate）」「照会（Query）」の 3 つのサブエージェントが配置されています。

アイドル時に 30 分ごとに統合処理を実行。関連するメモリをリンクさせ、新たな知見を書き出します。

./inbox フォルダに放り込むだけで、テキスト、画像、音声、動画、PDF を含む 27 種類のファイル形式を取り込み可能です。

GitHub リポジトリや Hugging Face ページ、製品リリース、ウェビナーなどのプロモーションをご希望の場合は、ぜひパートナーシップのご相談を。