エージェントに記憶を与える コンテキスト管理の設計と実践 Works Human Intelligence 寺尾　拓 2025/06/20 本資料は自己紹介ページおよび会社ロゴをのぞき、 CC BY 4.0 ライセンスで利用可能です。 

なぜコンテキスト管理が大事か 

AIエージェントのコンテキストウィンドウ 0 システム プロンプト （10K-20K) 入力 （1K) ReACT （5-10K) ReACT （5-10K) ReACT （5-10K) ステップごとにコンテキストウィンドウを消費 コンテキストが増えすぎるとタスクが失敗しやすい。 ツール実行結果、ドキュメント 

100Kトークンの壁 多くのLLMモデルで100 Kトークン超から パフォーマンスが低下する。 ● システムプロンプトを忘れる ● 直近のタスクに囚われ、ゴールを見失う ● ノイズ情報を拾ってハルシネーション 出典 Fiction.live Fiction.liveBench June 10 2025 より作成 タスクが失敗しやすくなる 

APIコストの増大 モデル 入力 100K キャッシュ 100K 出力 100K Agent 10 Steps Agent 20 Steps OpenAI GPT-4.1/o3 $0.20 $0.05 $0.80 $0.46 $1.17 OpenAI o4-mini $0.11 $0.0275 $0.44 $0.25 $0.64 Google Gemini 2.5 Pro (≤ 200 K ctx) $0.125 $0.031 $1.00 $0.39 $0.93 Google Gemini 2.5 Flash $0.015 $0.00375 $0.06 $0.03 $0.09 Anthropic Claude 4 Sonnet $0.30 $0.03 $1.50 $0.66 $1.47 10 Steps シナリオ: In 100K, Out 20K, Cache 200K 20 Steps シナリオ: In 200K, Out 40K, Cache 900K エージェントのステップ数に対してAPIコストが2次的増加 出典：OpenAI, Google, Anthropic社のAPI価格表 (2025/06/12時点）より作成 

コンテキスト管理の設計 コンテキスト管理テクニックを学ぶことで エージェント開発者： エージェントの精度向上 エージェント利用者： タスク成功率アップ、コスト削減 

コンテキスト管理の設計 1. 中間を削除する 2. 記憶を圧縮する 3. 外部記憶に退避する 

手法１：中間を削除する 0 システム プロンプト （10K-20K) 入力 （1K) ReACT1 （5-10K) ReACT2 （5-10K) ReACT3 （5-10K) ReACT4 （5-10K) リミット 

手法１：中間を削除する 0 システム プロンプト （10K-20K) 入力 （1K) ReACT1 （5-10K) ReACT3 （5-10K) ReACT4 （5-10K) リミット 良い点：実装が簡単、キャッシュも効きやすい 悪い点：重要なステップを忘れると精度に影響 

コンテキスト管理の設計 1. 中間を削除する 2. 記憶を圧縮する 3. 外部記憶に退避する 

手法２：記憶を圧縮する 0 システム プロンプト （10K-20K) 入力 （1K) ReACT1 （5-10K) ReACT2 （5-10K) ReACT3 （5-10K) ReACT4 （5-10K) リミット ReACT1-4の要約 （10K) 「ここまでの流れを要約して」 

手法２：記憶を圧縮する 0 システム プロンプト （10K-20K) 入力 （1K) ReACT1-4の要約 （10K) リミット 良い点：精度が下がりにくい、ノイズが除去される 悪い点：要約の追加時間、正確な出典の明示が難しい 

コンテキスト管理の設計 1. 中間を削除する 2. 記憶を圧縮する 3. 外部記憶に退避する 

手法３：外部記憶に格納する 0 システム プロンプト （10K-20K) 入力 （1K) ReACT1 （5-10K) ReACT2 （5-10K) ReACT3 （5-10K) ReACT4 （5-10K) リミット 

手法３：外部記憶に格納する 0 システム プロンプト （10K-20K) 入力 （1K) ReACT1 （5-10K) ReACT2 （5-10K) ReACT3 （5-10K) ReACT4 （5-10K) リミット ID: Mem-1 要約: ドキュメント XXによると〇〇が わかりました。 ID: Mem-2 要約: △△について 検索しましたが、ヒッ トしません ID: Mem-3 要約: Pythonで分析を 行い、結果は□□でし た。 各ステップを要約を作成 

手法３：外部記憶に格納する 0 システム プロンプト （10K-20K) 入力 （1K) ReACT4 （5-10K) Mem-1 要約1 Mem-2 要約2 Mem-3 要約3 ReACT1 （5-10K) ReACT2 （5-10K) ReACT3 （5-10K) 外部記憶 外部記憶にステップを退避し、コンテキストには要約を残す 

手法３：外部記憶に格納する 0 システム プロンプト （10K-20K) 入力 （1K) ReACT4 （5-10K) Mem-1 要約1 Mem-2 要約2 Mem-3 要約3 ReACT1 （5-10K) ReACT2 （5-10K) ReACT3 （5-10K) 外部記憶 Tool call Recall[“Me m-2”] LLMが必要に応じて、外部記憶を思い出す 

手法３：外部記憶に格納する 0 システム プロンプト （10K-20K) 入力 （1K) ReACT4 （5-10K) Mem-1 要約1 Mem-2 要約2 Mem-3 要約3 ReACT1 （5-10K) ReACT2 （5-10K) ReACT3 （5-10K) 外部記憶 Tool call Recall[“Me m-2”] ReACT2 （5-10K) ツールが外部記憶を検索し、コンテキストに追加 

手法３：外部記憶に格納する 良い点： ● 精度が下がりにくい ● ノイズが除去される ● トレーサビリティが高い 悪い点： ● 実装が複雑 ● 「思い出す」ための追加推論コスト ● うまく使いこなすためのLLMチューニングが必要 

手法まとめ 中間削除 記憶圧縮 外部記憶 実装コスト ⭐ 🔶 ⚠ ノイズ除去 ⚠ ⭐ ⭐ ハルシネーション ⚠ 🔶 ⭐ 追加推論ステップ ⭐ 🔶 ⚠ ユースケース まずはここから始める 小規模なタスク 検索ノイズが多い場合 ステップ数が多い場合 

コンテキスト管理の実践 既存ツールがどのような実装か知る エージェント開発者：実装の参考に エージェント利用者：利用しているツールの特徴を把握 

コンテキスト管理の実践 1. LangGraph 2. OpenHands 3. Cline 

LangGraphでの実装 短期記憶 ● 中間削除：メッセージの編集（trim_messages）機能を利用 ● 記憶圧縮：要約ノード（SummarizationNode）として利用可能 長期記憶 ● ベクトルストアに格納し、適宜検索する仕組み（外部記憶） ● 何を残すか、どうやって思い出すかはエージェント開発者がプログラム 出典：Manage memory LangGraphの公式ドキュメントより 

OpenHandsでの実装 ● Context Condensationと呼ばれる独自技術を採用 ● 様々なCondenserが実装されており、設定ファイルで差し替え可能 ○ 中間削除系 ■ Recent Events Condenser ■ Amortized Forgetting Condenser ○ 取捨選択系 ■ Observation Masking Condenser ● ツール呼び出しの結果のみ最近 N件以前をマスク ■ LLM Attention Condenser ○ 記憶圧縮系 ■ LLM Summarizing Condenser 出典：OpenHandsのソースコードより 

Clineでの実装 短期記憶 ● シンプルな中間削除アルゴリズム 長期記憶 ● Cline側での機能としては持たず、システムプロンプトで対応 ● MemoryBankなどの形式でMarkdown形式でファイルとして保存 出典 ：Clineのソースコード 、 Clineの公式ドキュメントより 

まとめ 

まとめ コンテキスト管理はなぜ必要か？ ● トークン数を節約し、APIコストを削減 ● ノイズ情報を除去し、エージェントの精度を上げる どのような手法があるか？ ● 大きく分けると中間削除、記憶圧縮、外部記憶の三種類 ● 様々なバリエーションがあり、銀の弾丸はない。 

エージェント開発者： まずは中間削除方式から始めて、 実行トレースを分析し、 適切な手法を選ぼう！ エージェント利用者： 利用しているエージェントの コンテキスト管理方法を把握し、 利用方法を工夫しよう！ 

ありがとうございました！ ■免責事項および権利帰属について 本資料は株式会社Works Human Intelligenceの著作物です。 本資料は自己紹介ページおよび会社ロゴをのぞき、 CC BY 4.0 ライセンスで利用可能です。 会社名、製品名はそれぞれ各社の商標又は登録商標です。 本文中および図中に ®マークは表記しておりません。