なぜエージェントは長期タスクで忘却し、逸脱するのか：AWS、Claude Code、Manusが解明する4つのフレームワーク

大規模言語モデルは、長時間の処理中にしばしば焦点を失い、当初の目的から逸脱する—aこれはインテリジェントエージェント分野における持続的な課題である。この問題は往々にしてモデル自体に起因するものではなく、周囲の実行フレームワークに起因する。最近のAWSによるクラウドプログラミングエージェントの設計ガイドは、これを明確に指摘している：浅いエージェントはコンテキストの溢れに苦しみ、長時間のサイクル中に焦点を失い、状態を維持できない。これに対処するには、コアモデルの外部にあるすべての操作を管理するハarness（実行枠組み）を最適化する必要がある。

主要なフレームワークの包括的なレビューは、この重要な層について明らかにした。LangChain Deep Agents、Claude Code、Manus、OpenAI Codex、およびAmazon Bedrock AgentCoreは、それぞれ4つの主要なメカニズム—コンテキスト予算管理、圧縮、タスク状態管理、およびクロスセッションメモリ—を活用し、基本的なループを複雑で長時間実行されるタスクを処理できる堅牢なエージェントに変換している。

最も直感に反する発見は、単にコンテキストウィンドウを拡大しても問題が解決しないということである。18の主要モデルを評価したChromaのContext Rotレポートは、単純な検索タスクでさえ、入力長が増加するとモデルの信頼性が低下することを明らかにした。Anthropicは、アテンションメカニズムがn個のトークンに対して二次的な対関係（quadratic pairwise relationships）を生成するため、追加される各トークンは有限のアテンション予算の一部分を消費することを説明している。コンテキストは無限の容器ではなく、枯渇する資源である。Manusはさらに、典型的なタスクでは約50回のツール呼び出しが行われ、入力と出力の比率が100:1に近づくと指摘した。その結果、初期の指示は徐々にウィンドウの中央へ移動する—aこれは記憶の劣化が最も顕著に現れる場所である。

最初のエンジンはコンテキスト予算管理とオフロードに焦点を当てている。Deep Agentsは2つの厳格なルールを適用する：もしツールが20,000トークン以上を返した場合、データはファイルシステムに書き込まれ、ファイルパスと10行のプレビューのみが保持される；セッションコンテキストがウィンドウ容量の85%を超えた場合、古い編集コマンドはポインタに置き換えられる。Claude Codeはロード前に同様の論理を適用し、メモリ使用量を200行または25KBに制限し、MCPツールモードはデフォルトで名前の一覧表示とオンデマンドでの詳細取得を行う。AWS AgentCoreの実装はさらに厳格である：コーディネーターは3つのブラウザサブエージェントを並列で起動し、それぞれが独自のMicroVM内で動作する。分析サブエージェントは構造化された結果のみを受け取り、予想される実行時間を4〜6分に短縮するのに対し、直列実行では最大3倍の時間がかかる場合がある。

2番目のエンジンは圧縮を処理する。オフロードが不十分な場合、フレームワークは容量制限付近で会話を要約し、プロセスを再起動する。Claude Codeの圧縮プロンプトは、アーキテクチャの決定と未解決のバグを保持しつつ、冗長な出力を破棄する。圧縮後、最後の5つの修正されたファイルを読み直し、関連するスキルテキストを再注入する。また、完全な元の記録をディスクにアーカイブし、要約中に失われた事実を後から取得できるようにする。Deep Agentsは目標の維持を構造的な特徴として扱い、要約文書を意図、生成された出力、および次のステップに整理する。圧縮はAPIレベルでも統合されている：OpenAIのResponses APIはcompact\_thresholdを介してサーバーサイド圧縮を提供しており、Codexはこれを長時間のプログラミングタスクに利用している。Claudeプラットフォームは、書き込み可能な指示を備えたカスタマイズ可能な圧縮設定を提供する。

3番目のエンジンはタスク状態と永続的なリマインダーを管理する。Manusは単純なアプローチを採用している：todo.mdファイルを作成し、項目を一つずつチェックオフすることで、コンテキストの末尾に目標を埋め込み、「中間で水没する」ことに抗う。しかし、この方法は普遍的に効果的ではない：Deep Agentsはバージョン0.7（2026年7月リリース）でこのTODOミドルウェアをオプションとした。評価により、これを無効にすると報酬スコアがわずかに向上し、コストが削減されることが示された。LangChainは、長時間のタスク、弱いモデル、および進捗の可視性が必要なインターフェースに対して、この機能を再有効化することを依然として推奨している。

4番目のエンジンはクロスセッションメモリを可能にする。Claude Codeは、各圧縮サイクルの後にCLAUDE.mdと自動メモリを再読み込みする。AgentCore Memoryはバックグラウンドで抽出戦略を実行し、コーディネーターが以前の洞察を再分析するのではなく直接呼び出せるようにする。しかし、ETH Zurichからの研究は注意を促している：AGENTS.mdのようなコンテキストファイルは、通常、成功率を向上させるものではなく、推論コストを20%から23%増加させ、再読み込みごとにアテンション予算に固定税を課す。したがって、Claude CodeはCLAUDE.mdを200行以内に保持することを推奨している。

この研究は、フレームワークが真に「目標を把握している」かどうかを検証するには、強制圧縮テストが必要であることを結論づけている。最も危険な失敗モードは、エージェントが要約の直後に明確化を要求するか、誤ってタスクの完了を宣言する場合に発生する。最終的に、長時間の旅においてエージェントを軌道に乗せておくのは、モデルのサイズではなく、これらの支援エンジンの精度にかかっている。