Acontext: エージェントの学習内容を編集可能な Markdown ファイルとして保存する透明なスキルメモリ層

解決する課題

Acontext は AI エージェント向けの透明で人間が読めるメモリ層を提供します。学習内容が複雑な埋め込みやプロプライエタリなデータベースに隠れている「不透明」なエージェントメモリの問題を、エージェントのスキルや知識をシンプルな Markdown ファイルとして保存し、異なる LLM やフレームワーク間で読み取り、編集、共有できるようにすることで解決します。

仕組み

Acontext は蒸留とリコールのサイクルで動作します:

1. 保存（学習）: システムはセッションメッセージを監視します。タスクが完了または失敗したとき、LLM 主導の蒸留プロセスが実行トレースを分析し、うまくいった点と失敗した点を特定します。その後「Skill Agent」がユーザー定義のスキーマに基づいてこれらの学習内容を Markdown ファイルに書き込みます。
2. リコール（利用）: セマンティック検索（top‑k）を使う代わりに、エージェントは特定のツール（get_skill と get_skill_file）を用いて必要な知識を明示的に取得します。これによりエージェントは取得すべき情報を自ら判断でき、段階的開示のプロセスが実現します。

対象ユーザー

エージェントがミスから学び、成功した戦略を再利用できるようにしたい開発者向けです。特定のベンダー、データベース、フレームワーク（例: LangGraph、Claude、Vercel AI SDK）にロックインされることなく利用できます。

ハイライト

• 人間が読めるメモリ: すべての記憶が Markdown ファイルとして保存されるため、デバッグや Git によるバージョン管理、内容の検査が容易です。
• フレームワーク非依存: ファイルを読めればどのフレームワークでも動作し、API ロックインを回避します。
• エージェント・イン・ザ・ループ取得: 不透明な埋め込み検索ではなく、ツールベースの取得を使用します。
• ポータブルな知識: スキルは ZIP ファイルとしてエクスポートでき、異なるエージェントや LLM 間で移動可能です。
• 統合ツールチェーン: 仮想永続ファイルシステム（Disk）、分離されたコード実行環境（Sandbox）、Python と TypeScript 用 SDK を含みます。