エージェント型AIの定義を変えるイベントログ手法
- •イシャーン・セーガルはAIエージェントを、実行中のプロセスではなく、追記型のイベントログによって定義することを提唱している。
- •ログベースのステート管理により信頼性が向上し、プロセス故障後のタスク再開をシームレスに行える。
- •この手法は、エージェントの分岐や水平スケーリング、異なるAIモデル間での移行を容易にする。
エージェント型AIシステムは、その核となる状態が実行中のプロセスではなく、永続的なログによって定義される際に重要な開発上の転換点を迎える。このフレームワークにおいて、エージェントはユーザー入力、モデル出力、ツール呼び出し、ツール実行結果をすべて記録した追記型(append-only)のイベント履歴で構成される。システムプロンプトやツール定義、スキルをバージョン管理された定数としてこの履歴と並べて保存することで、開発者はセッション全体を再構築可能な状態として扱うことが可能だ。
このデータ中心のアプローチは、エージェントを特定の機械や実行環境から切り離し、アーキテクチャ上の利点をもたらす。プロセスが失敗しても、新しいワーカーが既存のログを読み込むことで即座にセッションを再開できるため、状態の喪失を防ぎ信頼性が向上する。また、1つのプロセスが1つのエージェントを実行するのではなく、単一のワーカープロセスがログから状態を読み取ることで数千のエージェントを同時に進める水平スケーリングも実現する。これにより、スティッキーセッションや複雑な状態移行プロトコルは不要となる。
さらに、ログをエージェントとするパラダイムは、フォークやマルチプレイヤーでの共同作業といった高度なパターンを単純化する。開発者は単一のログを異なるパスに分岐させ、Claude、GPT、ローカルなQwenのバリエーションといった様々なモデルを隔離されたサンドボックス内でテスト可能だ。エージェントの共有も、静的なトランスクリプトをコピーするのではなく、永続的な履歴へのアクセス権を付与するだけで済む。ログが真実のソース（信頼できる唯一の情報源）として機能するため、異なるモデル提供者間への移行は、エージェントの根本的な同一性の問題ではなく、データの投影に適応させるアダプター作成というエンジニアリング作業へと変貌する。