長期間稼働するエージェントタスクは、単に短いタスクを繰り返すだけではありません。タスク期間が長くなるにつれて、独特のアーキテクチャ上の課題が重要になります。主な3つの制約は、コンテキストの拡大（エージェントの作業メモリが無制限に成長する）、エラーの蓄積（小さなミスが時間とともに複合する）、目標ドリフト（エージェントの目的が実行中に微妙に変化する）です。この記事では、これらの制約が実際にどのように現れるか、そしてReAct、Plan-and-Solve、階層型アーキテクチャなどの異なるエージェントフレームワークがどのようにトレードオフを行って対処しているかを検証します。主要な設計原則には、明示的なコンテキスト管理、エラー検出と修正ループ、目標固定技術が含まれます。
長期間稼働するAIエージェントのアーキテクチャ上の課題（コンテキスト肥大化、エラー蓄積、目標ドリフト）と、それらを軽減する設計原則についての深掘り。