Meko: マルチエージェントのメモリと知識問題の解決

本番環境向けのエージェントAIアプリケーションを構築すると、厳しい現実が明らかになることが多い。エージェントが失敗するのは推論能力が不足しているからではなく、知っていることを効果的に共有できないからである。複数のエージェントが協働すると、統一されたメモリと知識層が欠如しているため、説明可能性が断片化し、運用コストが高くなり、すべてのエージェントが同じ教訓を再発見しなければならない「ゼロから始める」思考が生まれる。

従来、開発者はこの問題を解決しようと、データベースの寄せ集め—リレーショナルデータには PostgreSQL、セマンティック検索には Pgvector、メモリにはグラフデータベース、会話ログにはオブジェクトストア—を組み合わせてきた。このアプローチはデータサイロを生み、遅延を大幅に増加させる。Meko はエージェントネイティブなデータインフラストラクチャとして登場し、この複雑さを抽象化することで、開発者がインフラ管理ではなくシステム構築に集中できるようにする。

コア課題：エージェント間のミスアラインメント

マルチエージェントシステム失敗分類法（MAST）によると、マルチエージェントシステムの失敗の約 36.9% はエージェント間のミスアラインメントに起因する。これはエージェントが孤立して動作し、あるエージェントの学習した行動や知識の更新がシステム全体に伝播しない場合に起こる。

エージェント A からエージェント B へ作業が引き継がれる際、通常は選別された出力だけが転送され、根底にある推論、前提、途中の決定は失われる。Meko は意思決定プロセスの完全なコンテキストを保持することで、継承するエージェントが何が決定されたかだけでなく、なぜそれが決定されたかを理解できるようにする。

Meko アーキテクチャ：Datapack

Meko の中心にあるのは datapack で、単一の Model Context Protocol (MCP) エンドポイントを介してエージェントフレームワークとやり取りする。エージェントデータを汎用テーブルに無理に詰め込む代わりに、Meko は 4 つのネイティブデータ構造を活用する：

1. 集合メモリ

各エージェントに孤立したメモリを提供するフレームワークとは異なり、Meko は複合的なシステムを実装している。5 つの異なるメモリタイプをサポートする：

Working Memory: アクティブなタスクのための一時的な状態。
Episodic Memory: タスク履歴とインタラクションログ。
Semantic Memory: 永続的な事実とドメイン知識。
Procedural Memory: 学習されたワークフローとツール使用パターン。
Shared Memory: datapack 内のすべてのエージェント間の調整のための共通基盤。

エージェントが新しいことを学習すると、その情報は自動的にプライベートメモリから共有知識層へ昇格し、システム内の他のすべてのエージェントに利益をもたらす。

2. 統合知識

AI システムの知識は動的である。Meko は PDF、SQL テーブル、HTML、ライブデータフィードといった多様なソースを自動的に処理し、手動のパイプライン管理を必要とせずに埋め込みと要約を生成する。

これにより「ハイブリッドクエリ」が可能となり、エージェントはタスクにセマンティックに類似したデータを、特定の時間枠内で作成され、特定の ID が付与されたものとして、単一の PostgreSQL 文で取得できる。別々のデータベースへ 3 回の往復する必要はない。

3. 意思決定トレース

本番システムにおいて、信頼性と監査可能性は譲れない要件である。Meko は decision traces を取得し、初期プロンプト、エージェントの計画、ツール呼び出し、そして結果としての知識更新を含む思考の全チェーンを記録する。これは、EU AI 法などの規制遵守において特に重要であり、高リスク AI システムの意思決定記録を長期保存することが求められる場合がある。

4. 階層化会話

パフォーマンスとコストのバランスを取るため、Meko は会話履歴に対して 3 段階のストレージモデルを採用している：

Hot Storage: 最近の会話は YugabyteDB に保持され、ミリ秒レイテンシを実現する。
Warm Storage: 古い会話は自動的に S3 オブジェクトストレージへ階層化される。
Cold Storage: ある期間を過ぎると要約のみが保持されるが、完全な逐語的履歴は完全性のために保存される。

インフラストラクチャと統合

Meko は YugabyteDB 上に構築されており、水平スケーラビリティを持つ PostgreSQL 互換の分散データベースである。これにより、単一レイヤー内で SQL、NoSQL、ベクトル、時系列、グラフクエリをサポートできる。

MCP 標準に準拠しているため、Meko は Claude Code、Claude Desktop、Cursor といったツールとシームレスに統合できる。そのサーバーレスでマルチテナントなアーキテクチャはエージェントワークロードのバースト特性に特化して調整されており、アイドル状態のエージェントはほぼゼロリソースを消費し、アクティブなエージェントは即座にスケールする。

プロダクションパターンの概要

Meko はエンジニアリングチーム向けに 6 つの重要なパターンをサポートするよう設計されている：

Context-Preserved Handoffs: 推論が結果と共に引き継がれる。
Collective Learning: 教訓がワークフロー実行間で永続化される。
Auditable Trails: コンプライアンスとチューニングのための完全なトレーサビリティ。
Economic History: 会話ログの自動階層化。
Agent Resumability: 実行の一時停止と再開のための完全な状態永続化。
Portable Project Memory: チーム間で共有されるコーディング標準と規範。