XNews

エージェントAIシステム — エージェントアーキテクチャ、スキル、コンテキスト管理

エージェントAIシステム — エージェントアーキテクチャ、スキル、コンテキスト管理

収集された投稿は、エージェントファーストの製品戦略とツールについて説明しています。Manusは、基盤モデルのトレーニングを回避し、マルチモデルオーケストレーションを使用し、ユーザープライバシーを保護するクラウドベースの「デジタル従業員」(クラウドブラウザ)を構築しました。また、コンピュート制限により制御された招待制のローンチを行っています(20028)。研究によると、構造化されたアンカリングサマリー(ファクトリーメソッド)は、長時間稼働するエージェントに対して積極的な圧縮を上回る性能を示します。プローブベースの評価(リコール、アーティファクト、継続、決定)は、タスクの継続性をより良く測定します(18687)。Opennoteのインデックスは、PostgresとCloudflareエッジを使用してミリ秒単位の動的取得を実現し、P99は約209msでハイブリッド検索を行います。取り込みパイプラインは、チャンクの重複を排除し、増分埋め込みを行います(13530)。Claudeのスキルは、SKILL.mdを用いたプロンプト駆動のスキルフォルダーであり、動的発見と事前承認されたツールを活用して、安全でホットアップデート可能なドメイン専門家をコード実行なしで実現します(13316)。Anthropicは、トークン使用量を削減し、ツールセットをスケールするための高度なツール使用を導入しました:ツール検索、プログラム呼び出し、および例を提供しています(13534)。

Key insights

Manusはクラウドベースの一般エージェントを選択し、基盤モデルのトレーニングを回避

Manusの創業者は、ローカルのAIブラウザプロトタイプから、エージェントが永続的なサンドボックス化されたVMで実行されるクラウドホスト型の「空中ブラウザ」モデルに移行しました。彼らは、製品の反復ロックインを防ぐために、社内で基盤モデルのトレーニングを意図的に避け、異なるタスクに対して最適なモデル(Anthropic、OpenAI、Gemini)をオーケストレーションしています。Manusは、エージェントの使用をコンピュート制約のある「エージェント時間」という指標として扱い、招待システムを通じて早期に制限を設け、即時のクラウド過負荷を避け、プロシューマー顧客を優先しています。

構造化されたアンカリングサマリーは最大圧縮よりもタスクの継続性をより良く保つ

三つの圧縮戦略(ファクトリーアンカリング反復要約、OpenAI /responses/compact、Anthropic構造化サマリー)を比較した評価では、ファクトリーの持続的な構造化サマリーが意図、ファイル編集、決定、次のステップをより正確に維持していることがわかりました。この研究は、GPT-5.2のジャッジを用いたプローブベースの評価(リコール、アーティファクト、継続、決定)を使用し、ファクトリーが精度とコンテキスト認識において最高のスコアを獲得しましたが、原始的な圧縮率は低いものでした。

インデックス:Postgresとエッジランタイムを使用したエージェント向けのミリ秒単位の動的取得スタック

Opennoteのインデックスは、個人の知識のエージェント消費に最適化されています。Postgres(pgvector、pg_trgm、tsvector)を使用してハイブリッドフィルタリングとベクトル検索を行い、Cloudflare Workers/Hyperdriveを利用してグローバルに分散されたランタイムを提供し、変更されたチャンクのみを再埋め込みするチャンクハッシュ取り込みと、三層キャッシュ(正確、意味的、逆インデックス無効化)を実装しています。結果:P99は約209msで、ChromaDBに対して競争力のあるリコールメトリクスを示し、動的なマルチテナントフィルタリングをサポートしています。

Claudeのスキルは安全でプロンプト駆動のホットアップデート可能なドメイン専門家を実現

Claudeのスキルは、SKILL.mdを中心にしたフォルダー型のアーティファクトで、YAMLメタデータ(名前、許可されたツール、モデル)とMarkdown指示を含みます。スキルメタツールは、利用可能なスキルを動的に発見し、SKILL.mdの内容を高優先度のシステムプロンプトとして会話に注入します。スキルは、限られた外部ツールを事前承認し、特定のモデルを強制することができます。この設計により、安全性(任意のコード実行なし)と再起動なしの即時ホットアップデートが提供されます。

Anthropicの高度なツール使用は大規模ツールセットのトークンコストを削減

Anthropicは、未使用のツール定義の読み込みを遅延させるためのツール検索メタツール、プログラム的なツール呼び出し(マルチツールワークフローをオーケストレーションするためのサンドボックス化されたコードを生成)、およびパラメータ形式を明確にするためのツール使用例という三つの技術を導入しました。これにより、トークン消費が劇的に削減され(例:テストで85%のトークン節約)、数百から数千のツール定義を扱うエージェントのツール選択精度が向上します。

実用的なエージェント設計にはマルチモデルオーケストレーションと慎重なリソース管理が必要

投稿全体にわたる繰り返されるデザインパターンは、意図を専門のモデルやツールにルーティングし、継続性のために構造化された永続的なサマリーを保存し、キュレーションされたモデル選択と遅延ツール読み込みを通じてリソース使用を制御する「薄いオーケストレーター」エージェントです。エンジニアリングのトレードオフには、トークンコスト、レイテンシ、プライバシー(センシティブなタスクのためのローカルモデル)、および長時間稼働するワークフローの圧縮コンテキストを検証するためのプロービングベースの評価の必要性が含まれます。

Source posts