構造化メモリがいかにしてAIエージェントの『Slay the Spire 2』攻略を助けるか

研究者たちは、肥大化したチャットログを洗練された5層の構造化メモリシステムに置き換えることで、従来のLLMエージェントを凌駕する新しいエージェント・アーキテクチャ「AgenticSTS」を開発しました。「増大し続けるトランスクリプト」モデルから脱却することで、このアプローチはトークンコストを大幅に削減しつつ、複数のプレイにわたってエージェントが複雑な戦略を学習することを可能にします。

増大し続けるチャットログの問題点

ReActやReflexionフレームワークを使用する現在のほとんどのLLMエージェントは、過去のすべての観察、ツール呼び出し、自己反省を連続したテキストログに追記することに依存しています。セッションが進むにつれて、このコンテキストウィンドウは拡大し続け、最終的にはオーバーフローするか、無関係な履歴データによってモデルの注意力が散漫になってしまいます。

複雑なデッキ構築型ローグライク『Slay the Spire 2』を用いたテストでは、この非効率性が顕著に現れました。従来の「増大し続けるトランスクリプト」パターンを利用するSTS2MCPやCharTyrといった競合モデルでは、単一のモデル呼び出しが約527,000トークンにまで膨れ上がりました。このアーキテクチャ上の欠陥は、膨大なレイテンシと天文学的なトークンコストを招き、競合モデルはAgenticSTSと同じスコアを達成するために66倍から90倍ものトークンを消費しています。

5層メモリ・ソリューション

AgenticSTSは、5つの整理された個別のメモリ・スロットから各意思決定プロンプトを再構築することで、コンテキストの膨張問題を解決します。これにより、ゲームの進行時間に関わらず、プロンプトは平均約5,000トークンという軽量な状態を維持できます。各レイヤーは以下のように構成されています：

  • L1 (Fixed Protocol): エージェントのコア指示。
  • L2 (State Schemas): 現在有効なアクションの定義。
  • L3 (Retrievable Rules): 必要に応じて取得される特定のゲームルール。
  • L4 (Episodic Memory): 長期的なコンテキストを提供するための、過去のランの要約。
  • L5 (Skill Library): 特定の状況パターンによってトリガーされる戦術的ルール。

このモジュール化により、研究者はどのコンポーネントがパフォーマンス向上を牽引しているかを正確に特定できます。例えば、L5のスキルライブラリを有効にするだけで、難易度A0レベルにおけるエージェントの勝率は、10ゲーム中3勝から6勝へと倍増しました。

学習による難易度のスケールアップ

構造化アプローチの真の力は、プレイ間学習（inter-run learning）にあります。標準的なエージェントが最低難易度レベルを超えて進歩するのに苦労する一方で、AgenticSTSはL4およびL5レイヤーを活用してゲームの難易度を駆け上がります。プレイ間で更新されるアクティブなメモリがなければ、エージェントはA2からA4のレベルで停滞してしまいます。しかし、セッション間で持続するメモリがあれば、はるかに困難なA6からA8のレベルに到達することに成功します。

興味深いことに、研究者たちはこのメモリがモデルに強く依存していることを発見しました。Gemini 3.1 Proによって生成されたメモリスタックをQwen 3.6-27Bに転送したところ、後者のスコアは84.5%上昇しましたが、Deepseek V4-Proのスコアは逆に18.1%低下しました。これは、構造化メモリが強力である一方で、その中に含まれる「知識」は、それを作成したモデルの推論パターンと深く結びついていることを示唆しています。

なぜこれがAI業界にとって重要なのか

AgenticSTSの成功は、エージェント設計における転換を告げています。自律型AIの未来は、より大きなコンテキストウィンドウにあるのではなく、よりスマートで構造化されたメモリ管理にあります。長期稼働するエージェントを構築する開発者にとって、このアーキテクチャは、複雑で多段階の推論を実行するモデルの能力を大幅に向上させつつ、運用コストとレイテンシを削減するための設計図を提供します。

主なポイント

  • 効率性の向上: AgenticSTSは一貫して5,000トークンのプロンプトを維持し、増大し続けるチャットログに依存するエージェントよりも最大90倍少ないトークンを使用します。
  • パフォーマンスの強化: 「スキルライブラリ」(L5)を活用することで、エージェントの勝率を倍増させ、プレイ間学習を通じてより高い難易度ティアへの進行を可能にします。
  • アーキテクチャの転換: 非構造化のトランスクリプトから多層メモリへと移行することで、注意力の散漫やモデルレイテンシの急増といった問題を解決します。