AD

人間が眠る理由と、AIが「眠る」理由

人間が睡眠を必要とする理由の一つは、記憶の固定化（Memory Consolidation）にある。覚醒中に断片的に取り込んだ情報を、睡眠中に脳が整理・統合し、不要な情報を捨てて重要なパターンを長期記憶として保存する。Anthropicが2026年5月7日に発表した「Dreaming」機能は、この神経科学的プロセスをClaudeのマルチエージェント基盤に適用した試みだ。

開発者向けカンファレンス「Code with Claude」の場でAnthropicが明らかにした同機能は、Claude Managed Agentsのリサーチプレビューとして提供される。Managed Agentsとは、Messages APIに直接アクセスするよりも高レベルな抽象レイヤーで、Anthropicが管理するインフラ上で動作する「事前構築済みの設定可能なエージェントハーネス」だ。複数のエージェントが数分から数時間にわたって協調しながらタスクを遂行するシナリオを想定している。

エージェントのメモリが抱える根本的な問題

LLMを活用したエージェントシステムが実運用に入ると、開発者が早期に直面するのがメモリ管理の問題だ。個々のエージェントはセッション内で書き込みを行いながら動作するが、この書き込みはローカルかつインクリメンタルな範囲に留まっている。多数のセッションが積み重なるにつれ、メモリストアには重複エントリや陳腐化したデータが蓄積される一方、新しいセッションでの更新と矛盾する古い記述がそのまま残存するケースも発生する。

通常のコンテキスト圧縮（Compaction）は、特定の会話スレッド内での処理に限定される。単一エージェントが単一の会話を継続する場合には有効だが、複数エージェントが並行して動作し、それぞれが異なるメモリストアを操作するシナリオでは根本的な解決にならない。特定のエージェントだけが気づける傾向や収束したワークフローは、システム全体の視点で俯瞰しなければ見落とされやすい。こうしたマルチエージェント固有の問題に対して、既存のコンテキスト管理ツールは明確な解を持っていなかった。

AD

Dreamingの技術的な仕組み

DreamingはAPIベースの非同期ジョブとして実装されている。入力として既存のメモリストアと、オプションで最大100件の過去セッションを受け取り、出力として新しい整理済みメモリストアを生成する。入力ストアそのものは変更されないため、出力結果が意図に合わない場合は破棄するか、アーカイブしてなかったことにもできる。

実装にあたっては、すべてのManaged Agents APIリクエストに managed-agents-2026-04-01 ベータヘッダーが必要で、Dreamingには追加で dreaming-2026-04-21 ベータヘッダーが求められる。公式SDKはこれらのヘッダーを自動で付与するため、生のHTTPリクエストを扱う場合を除き、開発者がヘッダーを手動で管理する必要はない。

APIの呼び出しは次のようになる。

python
dream = client.beta.dreams.create(
    inputs=[
        {"type": "memory_store", "memory_store_id": store_id},
        {"type": "sessions", "session_ids": [session_a, session_b]},
    ],
    model="claude-opus-4-7",
    instructions="Focus on coding-style preferences; ignore one-off debugging notes.",
)

instructions フィールドによって、Dreamingが何に注目すべきかの指示を最大4,096文字まで与えられる点が実用上の工夫だ。「コーディングスタイルの好みに集中し、一時的なデバッグメモは無視せよ」といった粒度の制御が可能になる。

Dreamingは非同期で処理され、入力のサイズによって数分から十数分かかる場合がある。実行中はポーリングでステータスを確認し、running 状態に入ると session_id フィールドが実際にパイプラインを実行しているセッションを指し示すため、そのセッションのイベントをストリームしてリアルタイムで進捗を観察することもできる。

ライフサイクルとステータス管理

ジョブのステータスは pending、running、completed、failed、canceled の5段階で管理される。completed 状態に達すると、outputs[] にある memory_store エントリが再構成済みの新しいストアを参照する。このストアは通常のメモリストアと同一の操作体系で扱えるため、後続セッションのリソースとして直接アタッチすることも、不要であれば削除することもできる。

失敗またはキャンセル時には、パイプラインが停止するまでに書き込んだ内容が出力ストアに残存する。部分的な成果物を検査できる点はデバッグ観点では有用であり、途中経過を確認したうえでメモリストアを破棄するか引き継ぐかを判断する運用が現実的だ。

「記憶の整理」がマルチエージェントにもたらす変化

Anthropicが公表した説明によれば、Dreamingが発見・整理の対象とするのは次のようなパターンだ。

夢を見ることで、単一のエージェントでは見抜けないパターン、例えば繰り返されるミス、エージェントが収束するワークフロー、チーム全体で共有される好みなどが明らかになる。また、記憶の構造を再構築することで、進化するにつれて高信号状態を維持する。

個別エージェントの視点では見えない「チーム横断的なパターン」を抽出するという点が、従来のCompactionとの最大の差異である。チームの複数メンバーが別々のエージェントを使っている状況で、あるエージェントが学習した作業フローの最適解を、他のエージェントが動き出す前にメモリとして共有できる可能性がある。

長時間にわたるプロジェクトや、マルチエージェントによるオーケストレーションが前提のワークフローにおいて、各エージェントが都度ゼロから学習するのではなく、過去の集合知を引き継いで動作する設計は、エージェントシステムの実運用コストを下げる方向に働く。

類似した問題意識から、OpenAIはChatGPTにMemory機能を実装し、ユーザーとの会話履歴から重要な情報を継続的に管理する仕組みを整えた。ただし、あちらは単一ユーザーと単一AIとの対話に最適化された個人単位の記憶管理が主眼である。AnthropicのDreamingが志向するのは、チームで運用されるマルチエージェント環境での集合知の蓄積であり、エンタープライズ規模の実用シナリオを明確に意識した設計思想だ。この方向性の違いが、両社のプロダクト戦略の差異として今後より顕在化してくる可能性がある。

AD

制限事項とAnthropicの注意喚起

現行のリサーチプレビューにおける主な制限は次のとおりだ。1件のDreamingジョブに渡せるセッションは最大100件で、instructions の長さは4,096文字まで。対応モデルは claude-opus-4-7 と claude-sonnet-4-6 の2つに限定されている。なおレート制限はデフォルト値が適用されており、より高いスループットが必要な場合はサポートへの問い合わせが必要となる。

課金は選択したモデルの標準APIトークンレートに準拠し、usage フィールドで消費トークンの正確な値を確認できる。コストはおおむね入力セッションの数と長さに線形比例するとAnthropicは説明しており、品質を確認しながら徐々にスケールアップする使い方を推奨している。

Anthropicはリサーチプレビュー期間中に破壊的変更（Breaking Changes）を加える可能性があると明言しており、変更は少なくとも1週間前に予告するとしている。機密性の高いワークフローや本番環境への組み込みは現段階では推奨されない。

同時発表：UsageリミットとMAO機能の拡充

DreamingとあわせてAnthropicは、Managed Agentsの関連機能についても進捗を報告した。以前からリサーチプレビューとして提供されていたOutcomesおよびMulti-Agent Orchestration（MAO）の2機能は、より広範な開発者向けに一般公開が拡大された。

また、Claude ProおよびMaxサブスクリプションプランのユーザーに対して、5時間ごとの利用上限を従来の2倍に引き上げると発表した。コンピュートインフラの供給がユーザーの需要に追いつかないなかで蓄積してきた不満への対応策として位置づけられており、Anthropicが外部からのプレッシャーに対応する形でリソース配分を見直したことを示す動きでもある。

エージェント型AIの「学習サイクル」設計に向けた前哨戦

Dreamingは、AIエージェントが繰り返し動作するシステムにおいて欠如していたフィードバックループを、インフラレベルで補完しようとする試みである。個々のエージェントが現時点の状況を把握することに加え、過去の類似プロジェクトで何が起きたかを参照できる設計は、長期的な改善サイクルの起点となる。

現時点では招待制のリサーチプレビューという位置づけであり、APIの安定性も保証されていない。しかし、LLMベースのエージェントシステムが「実行するだけのシステム」から「経験から改善するシステム」へと進化する道筋として、Dreamingのアーキテクチャ設計は注目に値する。開発者がアクセスを申請できるのはAnthropicの公式サイトからで、現在リクエストを受付中だ。