投稿者 投稿日: カテゴリー AIニュース
会話ログを捨て、記憶を5層に分けたAIエージェントが難関カードゲームを攻略しました。
The Decoderが2026年7月12日に報じたところによると、Alaya Labと上海交通大学などの共同研究チームが開発した「AgenticSTS」は、フロンティアモデルが1勝もできなかったゲーム「Slay the Spire 2」で勝利を重ね、しかもトークン消費は従来型エージェントの66分の1から90分の1に抑えたとのことです。本記事は、EC事業者のAI導入支援を19年・5,000社超に提供してきた株式会社オルセル（うるチカラ運営）が解説します。
何が起きたか：会話ログを持たないAIエージェントが難関ゲームを攻略
結論から言うと、AIエージェントの弱点はモデルの性能ではなく「過去の記録の持ち方」にあることを示す研究が公開されました。研究チームが題材に選んだデッキ構築型ゲーム「Slay the Spire 2」は、1回のプレイで数百回の意思決定が必要で、人間プレイヤーでも最低難易度A0での勝率は16パーセント（開発元の統計）にとどまります。AGI-Eval評価で試されたフロンティアモデルは、5つの構成すべてで1勝もできませんでした。
AgenticSTSの設計は従来と正反対です。ReActやReflexionに代表される一般的なAIエージェントは、過去の観察結果やツール呼び出しを次のプロンプトに追記し続けるため、コンテキストはステップごとに膨張します。これに対しAgenticSTSは自身の会話ログを一切参照せず、意思決定のたびにプロンプトを5つの記憶スロットからゼロから再構築します。L1が固定の手順指示、L2が現在有効な行動を含む状態スキーマ、L3が検索で取り出すゲームルール、L4が過去プレイの要約、L5が特定状況で発動する戦略スキルという構成で、引き継ぎたい情報は必ずいずれかの層に書き込む仕組みです。
効果は数字に表れています。記憶層なしの構成では10回中3勝だったのに対し、L5のスキルライブラリを有効化すると10回中6勝と勝率が2倍になりました。ただし研究チーム自身が、試行10回では誤差の可能性を否定できないと認めています。プレイ間で学習を続ける記憶を有効にした場合のみ、エージェントは上位難易度A6からA8に到達し、無効の場合はA2からA4で頭打ちになりました。
なぜ重要か：コンテキスト肥大がコストと精度を蝕む「context rot」
この研究の最大の意義は、会話ログ肥大のコストを具体的な数字で可視化した点にあります。同じGemini 3.1 Proを使う公開エージェントSTS2MCPとCharTyrとの比較では、両者とも5回のプレイで1勝もできなかったうえ、獲得スコア1点あたりのトークン送信量はAgenticSTSの66倍から90倍に達しました。STS2MCPではゲーム終盤の1回のモデル呼び出しが約52万7,000トークンに膨らんだのに対し、AgenticSTSはプレイ時間にかかわらず約5,000トークンを維持しています。
時間面のペナルティも深刻で、蓄積型エージェントは同じ到達度まで4倍の時間を要し、その96パーセントはモデルの応答待ちが原因でした。ターンごとに増える会話ログがモデルを遅く、高く、不正確にするこの問題は「context rot（コンテキストの腐敗）」と呼ばれ、現在活発な研究領域になっています。Anthropicはメモリツールとコンテキスト編集で古いツール実行結果を自動除去し、100ラウンドのウェブ検索でトークン使用量を84パーセント削減したと自社テストで報告しています。ほかにも保存と検索を2つの専門エージェントに分けるGAMフレームワークや、会話を短いメモに凝縮するオープンソースフレームワークのMastraなど、複数のアプローチが並行して開発されています。
今後の動き：記憶の互換性と検証の再現性が焦点
一方で、この研究には未検証の部分が残ります。研究チーム自身が認める通り、比較対象のSTS2MCPやCharTyrとはルーティングや意思決定のバッチ処理も異なるため、純粋に記憶方式だけの効果を切り出した実験にはなっていません。同一コードベース内で蓄積型コンテキストを動かす対照実験は未実施です。また、検証は1キャラクター（Silent）・単一ゲームバージョンに限られており、他の条件で再現するかは今後の課題です。
興味深いのは記憶の互換性テストです。Gemini 3.1 Proが自身のプレイで蓄積した記憶スタックを凍結して他モデルに渡したところ、Qwen 3.6-27Bは平均スコアが84.5パーセント向上した一方、Deepseek V4-Proは18.1パーセント低下し、どちらも勝利には至りませんでした。記憶の中身は作成したモデルに強く紐づいており、簡単には移植できないことを示唆しています。研究チームは298回分の完全なプレイ記録と記憶スナップショット、評価スクリプトをHugging Faceで公開しており、他の研究グループが同じ環境で代替アーキテクチャを検証できるようにしています。
EC事業者にとっても無縁の話ではありません。ChatGPT WorkやClaudeのエージェント機能で商品登録やレポート作成のような長時間タスクを回す場合、コストと精度を左右するのはモデルの賢さ以上に「途中経過をどう記憶させるか」です。エージェントの利用料が想定より膨らむ、長いタスクの後半で精度が落ちる、といった症状はcontext rotが原因の可能性があり、タスクを短く区切る、途中成果を外部ファイルに書き出させるといった運用で緩和できます。詳しくはAIのメモリ機能が精度を下げる場合がある理由やChatGPT Work初週の問題と修正、AWSが指摘したAIエージェントの業務コンテキスト不足もあわせてご覧ください。
まとめ
AgenticSTSとは、会話ログを持たず記憶を5層に分割して管理するAIエージェント設計のことです。難関ゲームでの勝率向上とトークン消費66分の1から90分の1という結果は、エージェントの性能がモデル単体ではなく記憶設計で大きく変わることを示しました。検証条件は限定的ですが、context rot対策が2026年のAIエージェント開発の主戦場になりつつあることを象徴する研究です。
参考文献
- The Decoder: AI agents win at Slay the Spire 2 after researchers replace growing chat logs with structured memory
- Hugging Face: ShandaAI/AgenticSTS-trajectories（プレイ記録・記憶スナップショット・評価スクリプト）
- Anthropic: Managing context on the Claude Developer Platform
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
引用元: The Decoder
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
