本記事は https://www.anthropic.com/engineering/code-execution-with-mcp の解説記事です。 ブログ概要（Summary） Anthropicのエンジニアリングブログ「Code Execution with MCP」（2025年11月4日公開）は、Model Context Protocol（MCP）のツール定義をコードAPI形式...

本記事は https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability/ の解説記事です。 ブログ概要（Summary） 2025年4月9日、GoogleはAgent2Agent（A2A）プロトコルを公式に発表した。A2Aは、異なるフレームワークやプロバイダで構築されたAIエージェント同士が安全に...

本記事は https://arxiv.org/abs/2406.14928 の解説記事です。 論文概要（Abstract） iAgents（Informative Multi-Agent Systems）は、情報非対称（Information Asymmetry）条件下でLLMマルチエージェントが自律的に協調タスクを遂行するためのフレームワークである。著者らは、各エージェントが関連する人...

本記事は https://aclanthology.org/2025.acl-long.421/ の解説記事です。 論文概要（Abstract） MultiAgentBenchは、LLMベースのマルチエージェントシステムの協調と競争の能力を多角的に評価するために設計された包括的ベンチマークフレームワークである。著者らは、従来のベンチマークが単一エージェントタスクに集中しているか、マルチエ...

本記事は https://arxiv.org/abs/2504.16736 の解説記事です。 論文概要（Abstract） 「A Survey of AI Agent Protocols」は、LLMベースのAIエージェントが外部ツールや他のエージェントと通信するためのプロトコルを体系的に分類・比較した包括的サーベイ論文である。著者らは、現在のエージェント開発において標準化された通信プロト...

本記事は τ-bench: A Benchmark for Tool-Agent-User Interaction in Real-World Domains の解説記事です。 論文概要（Abstract） 既存のLLMエージェントベンチマークは、ツール使用を孤立した環境で評価するか、静的な入出力ペアで測定するため、現実世界の動的なエージェント-ユーザー間インタラクションを捉えられない。...

本記事は Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory の解説記事です。 論文概要（Abstract） LLMの固定長コンテキスト制約は、長期間にわたるエージェント対話において一貫性と個別化の維持を困難にする。Mem0は、アプリケーションコードとLLMの間に「マネージドメモリレイヤー」を挿...

本記事は Larimar: Large Language Models with Episodic Memory Control (ICML 2024) の解説記事です。 論文概要（Abstract） LLMの知識を更新するには通常、再訓練やファインチューニングが必要であり、計算コストが高い。Larimarは、脳の補完学習システム（Complementary Learning Syste...

本記事は Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena の解説記事です。 論文概要（Abstract） LLMの評価は、人手アノテーションのコストとスケーラビリティの制約から自動化が求められている。本論文は「LLM-as-a-Judge」——LLM自身を評価者として用いる手法——の妥当性を体系的に検証した研究である。著者らは...

本記事は MemGPT: Towards LLMs as Operating Systems の解説記事です。 論文概要（Abstract） LLMの固定長コンテキストウィンドウは、長期対話やドキュメント分析において深刻な制約となる。MemGPTは、OSの仮想メモリ管理に着想を得た「仮想コンテキスト管理（Virtual Context Management, VCM）」を提案した論文であ...