前回、エージェントの正体は「行動→結果を見る→次を決めるループ」だと見ました。でも、ループが回るだけでは何時間も正しく進めません。今回は「なぜ長時間ひとりで作業を続けられるのか」を、仕組みとして解き明かします。
- 鍵①：各ステップで環境から「事実（実際の結果）」を取って答え合わせし、自分で立て直す
- 鍵②：文脈の上限を超える前に、計画や進捗を“手帳”に外部保存する（記憶の外部化）
- だから長時間動ける。ただしこれは停止条件付きの設計であって、無制限ではない
ループの源流：「考える」と「動く」を交互に挟む
このループ構造は、最近の流行ではありません。学術的な源流は2022年のReAct（リアクト）という研究で、「推論（次に何をすべきか考える）」と「行動（道具を使う）」を交互に繰り返す仕組みを示しました。ChatGPTが広まる前から確立されていた、業界共通の土台です。
考えて、動いて、結果を見て、また考える。この往復があるから、エージェントは一直線でなく、状況に応じて進路を変えながらゴールへ向かえます。
鍵①：毎ステップ「事実」で答え合わせする
長時間ひとりで進めても道を外さないのは、各ステップで「実際にどうなったか」という事実を確認しているからです。Anthropicはこう述べます。
実行中、エージェントが各ステップで環境から「ground truth（実際の結果）」——道具の実行結果やコードの実行結果など——を得て、自分の進捗を評価することが極めて重要だ。
（Anthropic「Building Effective Agents」2024）
たとえば「資料を10社分集める」なら、1社取得するたびに「取れたか・中身は妥当か」を確認し、失敗したら別の手を試す。思い込みでなく事実で答え合わせするから、途中で詰まっても自分で立て直せる。これが、人が見ていなくても作業が前に進む理由のひとつです。
鍵②：記憶を“手帳”に外部保存する
もう一つの鍵が「記憶の外部化」です。AIが一度に見渡せる範囲（文脈の枠）には上限があります。長い作業ではすぐに湢れてしまう。そこでAnthropicの実運用エージェントは、数百ターンに及ぶ作業を続けるために、計画を外部のメモリに保存し、終わった作業を要約し、引き継ぐという工夫をしています。
腹落ちの比喩：AIにも「手帳」が要る、ということです。人間も長い仕事では、頭だけで覚えず、メモに「やったこと・次やること」を書き出します。エージェントも同じで、頭（文脈の枠）が一杯になる前に手帳（外部メモリ）に書き出し、それを見ながら作業を続ける。だから長時間でも筋を見失わずに進めるのです。
「長時間」は無制限ではない——停止条件という安全装置
ここで誤解を一つ正します。「長時間ひとりで動ける」と聞くと、際限なく暴走するイメージを持つかもしれません。違います。同じAnthropicの解説は、こうも述べています——タスクは完了時に終わるのが普通だが、「最大反復回数」などの停止条件を設けて、制御を保つのが一般的だ、と。
つまり長時間動作は、「ここまでやったら止まる」という設計の上に成り立っています。この「止まれる設計」があるからこそ、次回扱う「暴走をどう防ぐか」という議論が成立します。ループ・事実確認・外部記憶という”動く仕組み”と、停止条件という”止まる仕組み”は、セットなのです。
中央にループ「考える→動く→結果(事実)を見る→次を決める」。左に「①事実で答え合わせ＝詰まっても立て直せる」、右に「②記憶の外部化＝AIの手帳に計画・進捗を書き出す」。下に安全装置「停止条件（最大回数）＝無制限ではない」。
まとめ
- ループの源流は「考える×動くを交互に繰り返す」（ReAct）。流行でなく業界共通の土台。
- 長時間動ける鍵は「事実で答え合わせ」＋「記憶の外部化（AIの手帳）」。
- 長時間＝無制限ではない。停止条件という安全装置とセットで成り立つ。