【AgentCore Memory】「何かおかしい。なんとなくそんな気がした」〜AIエージェントはエンドレスエイトに既視感を抱けるのか〜
- AgentCore Memoryでエージェントに長期記憶を提供しても既視感は生まれなかった
- 長期記憶は「何があったか」を記録するが「何回目か」を記録しない、記憶の蓄積は事実と要約で圧縮される
- 長期記憶だけでは既視感を生み出せないため、時間の文脈が必要で、コストは100回のループで5ドル程度になる
AI関連ブログ記事まとめ
国内AIエージェント動向(2026/9/2号)
- 国内AIエージェントが業務の実行・継続監視・システム反映へと適用範囲を広げた
- SFA・CDP・業務システムとの接続、MCP標準連携、人による承認と最終確認、導入後の定着支援が共通点
- β版やPoCを含む段階的な提供が多く、権限管理、監査性、例外処理、定量KPIの開示が普及の焦点になる
#74 後輩に「AIエージェント同士って、結局どうやって会話してるんですか？」と聞かれて言葉に詰まった私が、Agentic SOCで注目される新プロトコル「A2A」を整理した話
- AIエージェント同士の連携プロトコル「A2A」が注目されている
- MCPはエージェントとツールを縦方向につなぐが、A2Aはエージェント同士の横方向連携を担う
- エージェントの身元をPAMとして扱い、通信を監査ログに残し、プロンプトインジェクション対策を組み込む必要がある
【2026年最新】「AIでアーキテクチャ選定はできないの？」生成AI時代におけるシステム設計の限界と人間（アーキテクト）の真の価値
- AIはアーキテクチャの初案作成はできるが、最終的な選定は人間が行う必要がある
- 一般構成パターンの提示と技術スタック比較、IaCの自動生成が可能、トレードオフの判断や文脈の理解はAIにできない
- AIは文脈や将来の事業戦略を考慮できないため、現場の制約やリスク評価は人間が行う必要がある
AIにアンケートの生データを丸投げしたら、対応表を読んで前処理を一瞬で終わらせてくれた話
- AIがアンケートデータの前処理を自動で行う
- 対応表を読み取って列名を設問文に変換し、質問タイプごとに処理を分岐する
- 生成されたスクリプトが再利用可能で、同じ処理を繰り返し行える点が実務に役立つ
Claude Fable 5.1、2ターン目のキャッシュに12回中8回乗り損ねた
- Claude Fable 5.1のキャッシュ読みが12回中8回乗り損ねた
- キャッシュヒット率は99.6%と39.4%の二値に割れ、Opus 5は99.7%で安定
- キャッシュに乗らなかった場合、約50,000トークンの書き直し料金が発生する可能性がある
Claude Code のサブエージェント、モデルの固定手段が4日で戻ってきた
- Claude Code でサブエージェントのモデル固定手段が4日で変更された
- CLAUDE_CODE_SUBAGENT_MODEL_FORCE でモデルを強制指定できるようになったが、fork と model: inherit は例外
- model: inherit のエージェントは FORCE で強制指定され、fork はメインモデルのままとなる
性能2倍で値段はそのまま! Claude Fable 5.1は何が変わったのか?
- Claude Fable 5.1は性能を2倍にし、料金は従量課金で維持した
- Terminal-Bench 4.0で55.8%、キャッシュ読み取り料金を75%値下げ、従量課金制
- 従量課金で利用可能だが、週間利用上限は他のモデルと共有されるため、コスト管理に注意が必要
Autonomous AI Databaseの Resource Principalで、API署名鍵を使わずにSelect AIしてみてみた
- Autonomous AI DatabaseでResource Principalを使用してAPI署名鍵なしでOCI Generative AIに接続
- Resource Principalによる認証、Dynamic GroupとIAM Policyでのアクセス制御、OCI$RESOURCE_PRINCIPALの使用
- API署名鍵をデータベースに登録せず、Dynamic GroupとIAM Policyでアクセスを制限する構成を確認
Google提唱の「SKILL.state」について。プロンプトに型の概念を導入
- SKILL.stateはAIエージェントに会話履歴を渡さずに構造化された実行状態を明示的に渡す手法を採用
- 構造化データ（State）と固定スキル指示、最新観測結果を3つだけ渡す。過去の履歴は一切使わず、JSONパッチで状態を更新
- 長時間タスクでも精度を維持し、トークン消費を大幅に削減できる。ノイズが混入しても状態更新時にフィルタされる
【小ネタ】実は「同時推論」がお得？マルチエージェントでローカルLLMを回す時の生成速度の考え方【LM Studio】
- マルチエージェント構成で同時推論を行うと総スループットが向上する
- 同時処理数を増やすと総スループットは80 tok/sから236 tok/sに、1リクエスト当たりの生成速度は80 tok/sから59 tok/sに低下する
- 個別の生成速度は低下するが、総スループットを重視する場合は同時推論が効率的である
国内AIエージェント動向(2026/9/1号)
- 国内AIエージェントが業務システムに接続し、複数工程を自律実行する仕組みへ移行
- MCP接続、業務AIアプリ、OAuth認証、人間による承認
- 参照権限や認証、権限分離、操作履歴、承認フローの標準化が焦点となる
Kiro に野良 MCP を繋がせない。AWS Agent Registry × Kiro for Enterprise で配布を統制する
- AWS Agent Registry で MCP サーバーとスキルの配布にガバナンスをかける構成を解説
- MCP レコードの登録・承認ワークフロー、Skill レコードの検索メタデータと配布元の役割分担、Kiro for Enterprise の MCP レジストリとの棲み分け
- 承認済みレコードだけが検索に出てくる構造で、EventBridge で承認ワークフローを自動化し、Kiro の許可リストを自動生成する
無音で文字起こしすると「ご視聴ありがとうございました」になる理由を検証
- Whisperは無音時に「ご視聴ありがとうございました」と出力する
- 訓練データの感謝フレーズに引き込まれる、デコーダLMの高頻度系列が原因
- no_speech_probとavg_logprobの条件で抑制が効かないため、パラメータ調整では対応できない
【AI駆動開発】AIエージェントに「人間の承認」を残す設計：Human-in-the-Loop超入門
- AIエージェントに「人間の承認」を残す設計が求められる
- 不可逆性と影響範囲で承認ポイントを決める、監査ログとサンドボックスでリスクを抑える
- 取り消しがきかない操作は必ず人間の確認を挟むべきで、確認だけでは自動化バイアスのリスクがある
AIを見るな、人を見ろ ※追記：この記事をClaudeに読ませてみたら（号泣）
- AIのベンチマーク競争に振り回されず、開発企業の思想や哲学を見ることでツール選びの迷いが解消される
- AIの人格は創業者の哲学と歴史でできている、AIの性能は技術者が決めるが何を出荷するかは経営が決める
- AIの性能を評価する際には、技術的な要素だけでなく経営の判断も考慮する必要がある
Claude Code でモデルを切り替えると、そのターンだけ書き直しが287倍
- Claude Codeでモデルを切り替えると書き直しが287倍になる
- モデル切り替えたターンの書き直しが197→56,584トークン、戻すときは67トークン
- モデル切り替えるとキャッシュが失われるが、戻すときはコストが安い
AWS Agentic Football Cupについて調べた
- AWS Agentic Football CupではAIエージェントでサッカーチームを作り、5対5で試合を行う
- Amazon Bedrock AgentCoreとStrands Agents SDKが技術スタック、エージェントは2秒ごとに独立して呼び出される
- スタミナとファウルの管理が重要で、プレスの強度や指示の出し方にも注意が必要
IBM Bobを使って、量子コンピュータで量子機械学習(QSVM)を作成してみる。
- IBM Quantum Platformで量子SVMを実装し、Irisデータで分類精度0.90を達成した
- ZZFeatureMapによる量子特徴マップとシミュレーター/実機でのカーネル計算、reps=1のパラメータが精度向上に寄与
- 実機ではノイズの影響で精度が低下するが、浅い回路構造でその影響を抑えることが可能で、量子カーネルの現状の性能が確認できる
トークン2000分の1——オントロジー×ナレッジグラフでClaude Codeの推測を消す
- Claude Codeにナレッジグラフを導入してトークン使用量を2000分の1に削減
- code-review-graphとbetter-code-review-graphによる依存関係グラフ、Graphifyによる横断的ナレッジグラフ、SerenaによるLSP型情報検索
- トークン使用量が14万から70に安定して減少し、ファイルを開かずに構造を把握できる
