AI Agent State とは？2026 の状態管理、JSON State、Memory、Workflow とタスク実行 完全ガイド

Agent State とは：チャット履歴と Session との差

最小定義は一文。Agent State は、一度の run を一時停止・再開・再生できる構造化スナップショット。少なくとも四つに答える。目標は何か、今どのホップにいるか、確定した作業結果は何か、次を誰が止めているか（ツール、人、maxSteps）。行動はモデルが今の観察から選び、実行と機位の書き戻しはランタイムが担う。検証できる機位がなければ、ループは「チャット全文を再貼付」するしかない。それはチャットであり、状態管理ではない。

チャット履歴はモデルが見るメッセージ列だ。user / assistant / tool。Session（OpenAI Conversations、previous_response_id、旧 Assistants Thread）はベンダーが見る会話ハンドルだ。次リクエストが運ぶべきモデル側項目。State はあなたのランタイムが見る機位だ。請求書の突合が進んだ位置、確認待ち金額、現在のグラフノード、checkpoint id。共存はできる。成り代わりはできない。messages[] を唯一の真実にすると、再試行で二重課金や二重メールになる。Conversation id を業務状態にすると、ベンダーを替えた瞬間に機位が消える。Assistants から Responses へ移ったあと、会話の原語は変わった。業務スナップショットをプラットフォームオブジェクトに縛る理由はさらに薄い。Assistants → Responses 移行。

2026 年の典型事故は層の混線だ。ツール arguments を State に書く、State ごと次プロンプトに詰める、長期記憶を checkpoint として再生する。分けたあと、デバッグに取っ手ができる。モデルの読み違いは観察の問題、機位の書き違いは reducer / Schema、好みの取り違いは Memory。対照は次のとおり。

JSON State：契約は checkpoint

State を JSON にするのは見栄えではない。検証、Diff、再生のためだ。LangGraph 系の編成器は super-step ごとに checkpoint を落とし、thread_id で一本の線にし、checkpoint_id で一枚を指す。本番はプロセス内 MemorySaver ではなく Postgres / SQLite saver。名前は変わる。形は変えてはならない。parse できるオブジェクトに schemaVersion、status 列挙、step、working、memoryRefs。シリアライザは JsonPlus や拡張 JSON でもよいが、ログ、公開、联调に出す層は普通の JSON object であるべきだ。でなければ Schema 検証もブラウザ Diff も使えない。

下のスナップショットは機位だけを書く。messages[] も下流 HTTP 原文も埋め込まない。業務フィールドは working。ツール呼び出しは name と callId。記憶はポインタ。完全な対話は checkpoint からモデル文脈へ再投影する。逆に文脈を State にしない。

{
  "schemaVersion": "1.0",
  "runId": "run_7c2a",
  "threadId": "thr_invoice_42",
  "goal": "Reconcile January 2026 paid invoices",
  "status": "awaiting_tool",
  "step": 3,
  "maxSteps": 12,
  "node": "call_tools",
  "plan": ["searchInvoices", "sumTotals", "askConfirm"],
  "working": {
    "invoiceCount": 2,
    "currency": "USD"
  },
  "pendingTool": {
    "name": "searchInvoices",
    "callId": "call_8f3a"
  },
  "memoryRefs": ["mem_user_prefs", "mem_last_reconcile"],
  "checkpointId": "ckpt_3"
}

どちらも成立する。毎回の全量スナップショットか、JSON Patch / reducer。全量は Diff と再生がしやすい。パッチは容量を節約し、パッチ自体を検証できる必要がある。どちらでも Draft 2020-12 Schema を先に決める。status は列挙（running / awaiting_tool / awaiting_human / succeeded / failed / cancelled）、step は整数、working のキーは業務から、additionalProperties は禁止してツールのごみを入れない。ユーザや下流への最終答えは別の Structured Output ファイル。checkpoint と共用しない。AI Structured Output。

Memory：回想は機位ではない

Memory は「時間を跨いで何を覚えているべきか」、State は「この一枚がどこで止まったか」。2026 年の三層はこうだ。作業記憶（このターンのメッセージと直近の tool_result）、短期 / スレッド記憶（同一 thread_id の checkpoint 鎖。LangGraph の short-term memory）、長期記憶（スレッドを跨ぐ Store。好み、事実、手順）。三つを巨大 JSON に揉むと手早く見える。再生と忘却ポリシーが同時に壊れる。

内容でも分ける。情景（この突合で何が起きたか）、意味（ユーザはドル合計を好む）、手続（「先に請求書を探し、次に合計」）。現在の run が参照した記憶だけを State の memoryRefs に書く。文脈窓が百万 token になっても、このポインタ層は引退しない。窓は予算であり、真実ではない。1M Token 文脈。

長期条目は封筒を固定する。id、kind、scope、text または data、source、updatedAt。source はユーザ明示、ツール回执、モデル要約のどれかを書く。後二者は破棄できなければならない。検索ヒットのあと、State には id だけを書き、本文は必要時に文脈へ注入する。例：

{
  "id": "mem_user_prefs",
  "kind": "semantic",
  "scope": "user",
  "userId": "u_1042",
  "text": "Prefers USD totals and weekday email summaries",
  "source": "explicit_setting",
  "updatedAt": "2026-09-01T09:00:00Z"
}

Workflow と Agent：辺を引く者と State を書く者

古典ワークフロー（n8n、Temporal、自前の状態機械）の次ホップは人が予め配線する。State はワークフロー変数だ。注文 id、再試行回数、補償を出したか。Agent の次ホップはモデルが今の JSON 観察から選ぶ。State は plan、node、pendingTool も記す。2026 年の本番は純種が少ない。「グラフ + いくつかの Agent ノード」が普通だ。辺はワークフロー、ノード内部はツール循環。一つの JSON State が二人の読者に仕える。編成器は status / node を読み、モデルは投影した観察の部分集合だけを見る。

MCP はこの層を持たない。2026-07-28 前後のリモート MCP はステートレス JSON-RPC だ。毎回のリクエストがメタを持ち、Server は業務機位を覚えない。それは伝送の正しい選択であり、「Agent は状態を持てない」ではない。アプリ状態はなおあなたの checkpoint にある。詳細は Stateless MCP。ツール arguments の Schema と State Schema はファイルを分ける。前者はこのホップの入参、後者は機位。MCP と JSON Schema。

多 Agent の横委託は A2A。対端は不透明な Agent。タスクは独自のライフサイクル（submitted / working / completed / failed）と artifacts を持つ。それは別の状態機械だ。ローカル checkpoint とオブジェクトを共用しない。編成器は parentRunId で釘付けする。対照は A2A vs MCP。モデルゲートウェイ（ローカル /v1 など）は推論の供給だけを変え、State の形は変えない。契約が安定してこそ降級に意味がある。

タスク実行：run、step、冪等と再試行

実行層は State を「写真」から「回復できる機械」にする。ユーザ目標ごとに runId。ループ内の各ツール hop が step。下流への書き込み（課金、メール、チケット）には idempotencyKey が必須。クラッシュ後は最新 checkpoint から復帰し、成功済み step の副作用を再実行しない。pending writes（一部成功、一部失敗）はスナップショットに残す。運用の勘に頼らない。

人手確認は一等の状態であり、特殊分岐ではない。status=awaiting_human、確認対象は working、再開時は合法な遷移だけを許す（承認→続行、拒否→失敗または plan 変更）。「もう一度モデルに聞く」で状態遷移を代替しない。観察に書いていないクリックはモデルに見えない。maxSteps、ユーザ取消、Schema 失敗も停止条件だ。status に書き、ログだけにしない。

プラットフォームのセッションとあなたの実行記録のうち、履歴の主人は一人にする。OpenAI Responses は Conversation または previous_response_id で推論項目を続けられる。それはモデル側のテープであり、請求書突合の機位ではない。推奨：checkpoint とタスク封筒はあなたが持ち、プラットフォームは再生を要求する reasoning 項目だけを持つ（tool_calls があるとき reasoning_content の原状回放を求めるベンダーがある）。タスク封筒の例：

{
  "taskId": "task_a2a_91",
  "parentRunId": "run_7c2a",
  "kind": "delegate",
  "status": "working",
  "idempotencyKey": "inv-jan-2026-reconcile",
  "steps": [
    { "id": "s1", "name": "searchInvoices", "ok": true },
    { "id": "s2", "name": "sumTotals", "ok": null }
  ],
  "artifacts": []
}

子 Agent へ委譲するときは、远端の taskId をローカルの working または steps に書く。相手の artifacts を同じ checkpoint に広げない。中間産物は新しい JSON 家族だ。最終 Structured Output とも MCP arguments ともファイルを共用しない。今から各ツールログに correlationId / runId を打て。後の突合が合う。DevDay 系の観測も同じキーで揃える。OpenAI DevDay 2026 予測。

現場の検証と JSONVue

checkpoint を落とす前は三步。parse → Schema → 業務規則。賢いモデルでもこの三步は代替できない。State の破損は arguments の破損より危ない。後者は一 hop、前者は run 全体の真実だ。

1. checkpoint を JSON.parse。失敗なら書き込みを拒み、前の ckpt_id を残す。
2. State Schema（Draft 2020-12）で status / step / working を検証。path と keyword を出す。
3. 業務ゲート：step は単調、冪等キーは安定、memoryRefs はすべて存在、非法な status 遷移は失敗で閉じる。

联调では三つの JSON を並べる。ckpt_n、ckpt_n+1、モデルへ投影した観察。形の跳びはほぼ reducer。ブラウザではJSON フォーマッタでスナップショットの木を見、JSON Schema 検証で State と Memory 封筒を固定し、JSON Diffで隣接 checkpoint を比べる。valid / 欠 step / 非法 status を CI と手作業で共有する。

関連：AI Agent とは、Structured Output、Stateless MCP、A2A vs MCP、1M Token 文脈。

よくある質問

まとめと次の一手

2026 年の Agent State は一文にできる。ランタイムは検証できる JSON スナップショットで機位を覚え、Memory は参照された回想だけを出し、Workflow は辺を引くかモデルに渡し、タスク実行は run / step / 冪等キーでスナップショットを回復できる機械にする。チャット履歴もプラットフォーム Session も、このスナップショットの代わりにはならない。

次は具体的だ。State Schema と valid な checkpoint を一つ書き、JSONVue で隣接スナップショットを Diff し、欠フィールドと非法 status の夹具を足す。ループ定義は Agent 記事、最終形は Structured Output、プロトコルは MCP / A2A。