ローカルなAIエージェントを実験しているときに私がよく直面する一つの問題は、ほとんどのシステムが基本的にステートレスであるということだ。
会話がリセットされると、エージェントが「学んだ」すべてのものが消えてしまう。つまり、エージェントは多くの場合、同じ嗜好、意思決定、または文脈を何度も再発見してしまう。
私はエージェントの永続的メモリのさまざまなアプローチを試してきた。人々が試しているいくつかの選択肢は次のとおりだ：
• 会話履歴を保存して、それを検索する
• 構造化された知識ストア
• エージェントが照会できる明示的な「長期メモリ」システム
最近私が試しているアプローチは、MCPを介してメモリシステムを公開し、エージェントが次のようなものを保存・取得できるようにすることだ：
• ユーザー嗜好
• プロジェクトの意思決定
• デバッグの洞察
• ワークフロー中に発見された有用な事実
これらを単なる「生の履歴」ではなく、「覚えておく価値のある事実」として扱うのが狙いだ。
このアイデアを探るために小さなプロトタイプを作成した：https://github.com/ptobey/local-memory-mcp
私が試してきた具体例の一つは、旅行嗜好を記憶して過去の会話に基づく旅のアイデアを生成することで、記憶拡張の実用的な利点を示している。
他の人がこの問題にどう取り組んでいるか興味がある。
過去の会話に対するベクトル検索よりも：
• 過去の会話のベクトル検索
• 構造化されたメモリシステム
• エージェントの明示的な長期メモリツール？
