テンセント、AIエージェント向け共有メモリ「Team Memory」をベータ公開

中国IT大手テンセントは、複数のAIエージェントが同一の記憶・文脈を共有できるオープンソースシステム「Team Memory」のベータ版を公開した。これはエージェントが単独で情報を保持するのではなく、チーム全体で共通の「記憶ハブ」を参照できる仕組みで、今週GitHubのTypeScriptトレンド1位を記録したという。

このプロジェクトの出発点は、AIエージェントが長い会話セッションの中でコンテキスト（文脈情報）を失ってしまうという問題だった。テンセントのチームは約6か月をかけてこの課題に取り組み、その過程で生まれたのが前身となる「Agent Memory」だ。その中核となる「ペルソナ層」は、ユーザーの特性や作業スタイルを会話の積み重ねから蒸留して安定したプロフィールとして保持する機能で、これを追加したことで、テンセント独自のベンチマーク上における精度が48%から76%へと向上した（相対改善率で約59%）。Team Memoryはこのアプローチをチーム全体へと広げたものに位置づけられる。

Team Memoryが管理するのは4種類の共有資産だ。まず「チャットメモリ」は、ユーザーの好みや決定事項を会話履歴から長期的なペルソナとして凝縮して保持する。次に「スキル」は、完了した作業から手順を抽出し、バージョン管理と審査を経てから共有される仕組みだ。「LLM-Wiki」はドキュメントや仕様書を構造化されたページに変換し、「コードグラフ」はコードベース内の関係性をインデックス化して変更の影響範囲を事前に確認できるようにする。各エージェントにはこれら全てが渡されるのではなく、役割に応じた資産セット（「エージェントローアウト」）だけが割り当てられる設計だ。

テンセントのドキュメントでは、一般的なRAG（検索拡張生成）との違いをこう説明している。「RAGは『何が見つかるか』に答える。Team Memoryはさらに『誰が使えるか』『どのバージョンが有効か』『どのエージェントに渡すべきか』にも答える」。アクセス制御層を通じて読み取り権限が管理され、エージェントが参照できる情報の範囲を制御できる。

この取り組みが注目される背景には、AIエージェントへの信頼性に関する課題がある。今年6月にVentureBeatが実施した調査では、企業の57%が「エージェントの誤った回答を、文脈情報の欠落や不整合にさかのぼって特定した経験がある」と回答した。単一エージェントの記憶量を増やすだけでは、複数のエージェントが協調して動くチーム環境での問題には対処しきれないという現実が浮かびあがっている。

一方で、現時点では共有された記憶の中に誤った情報が含まれていた場合のガバナンス——つまり誰がいつ訂正するか、どのように検証するかという仕組み——はまだ整備されていない点が課題として残る。単一エージェントが誤った文脈を持つ場合と異なり、チーム全体で共有された誤情報はより広範な影響をもたらす可能性があるという見方もできる。Team Memoryはオープンソースとして公開されており、今後のコミュニティや企業による活用の中で、こうしたガバナンス面の整備がどう進むかが注目点の一つとなりそうだ。