GenericAgent - A3 Labの汎用自己進化型LLMエージェントシステム

GenericAgentとは何ですか？

GenericAgent (GA) は、A3 Lab が開発した汎用的な自己進化型 LLM エージェント システムで、「コンテキスト情報密度の最大化」をコア設計原則としています。9 つのアトミック ツール、30k のコンテキスト ウィンドウ、および 4 層の階層型メモリ アーキテクチャにより、GenericAgent は Lifelong AgentBench で 100% のタスク完了率を達成し、トークン消費量は Claude Code の 27.7%、OpenClaw の 15.5% となっています。GenericAgent は、経験を再利用可能な SOP および実行可能コードに進化させることをサポートし、タスク間の自己進化機能を備え、コード行数はわずか 3300 行で、自己ホスト型の CLI として動作します。

GenericAgentの主な機能

• ミニマリストAtomツールセットこれは、file_read、file_patch、file_write、code_run、web_scan、web_execute_js、update_working_checkpoint、start_long_term_update、ask_userという9つの基本的なツールを提供し、ファイル操作、コード実行、Webページとのインタラクション、メモリ管理、手動介入という5つの主要な機能領域を網羅しています。
• 階層型オンデマンドメモリ本システムは、L0メタルール、L1インデックス層、L2ファクト層、L3 SOP層、L4生アーカイブ層の4層アーキテクチャを採用し、L1常駐コンテキストとディープメモリを使用してオンデマンドで明示的な読み取りを行います。
• 自己進化能力検証済みの実行軌跡は、「実行しなければメモリも残さない」という原則に従い、再利用可能なSOPファイルと実行可能スクリプトとして保存され、タスク間の経験蓄積と能力向上を実現します。
• コンテキスト圧縮管理ツール出力の切り捨て、タグレベルの圧縮、メッセージの削除、ワーキングメモリアンカーという4段階の戦略を採用することで、アクティブなコンテキストは3万トークン未満に抑えられます。
• デュアルモード実行ユーザーが開始するタスクを処理するためのインタラクトモードと、環境変化を自動的に監視してタスクをトリガーする監視役としてのリフレクトモードをサポートしています。

GenericAgentの技術原理

• 文脈情報密度の最大化コンテキストの質は、完全性、簡潔性、自然さという3つの側面から評価されます。ミニマルなツール、階層型メモリ、自己進化、圧縮メカニズムを用いることで、限られた時間枠内で意思決定に関連する情報の割合を最大化します。
• ツールの最小化と構成的一般化原子性（それ以上分解できない）と組み合わせ一般化（複雑な動作はシーケンスの組み合わせによって実現される）という2つの条件に基づき、ツール拡張によって生じる即時オーバーヘッドとポリシーの曖昧さを回避するために、9つの原子ツールが保持されます。
• 階層型メモリアーキテクチャL1インデックス層は、コンテンツ自体ではなく「特定の種類の知識の存在」のみを記録し、LLMはそれをデコーダーとしてオンデマンドで取得します。メタメモリ層が導入され、グローバルルールと更新境界を定義します。即時書き込みの代わりにトリガーコミットが使用され、検証された後にのみ、経験が段階的に長期メモリに書き込まれます。
• 自己進化パイプラインツール層と知識層が分離されているため、新しいタスクの学習が既存のスキルに支障をきたすことはありません。マイルストーンイベントによって開始される統合フェーズでは、ツールの実行が成功したことで検証されたコンテンツが保持されます。エラーのループを防ぐために、3段階の障害エスカレーションメカニズム（部分的な修復→戦略の切り替え→手動介入）が導入されています。
• 4段階のコンテキスト切り捨てフェーズ 1: 文字しきい値に従ってツールの戻り値を削除します。フェーズ 2: 約 5 ラウンドごとに、繰り返し出現するワーキング メモリ ブロックを置き換え、タグ コンテンツを切り詰めます。フェーズ 3: FIFO に従って最も古いメッセージを削除します。フェーズ 4: ワーキング メモリ アンカーを長期記憶の唯一のソースとして接続します。

GenericAgentの使い方

• 環境準備ローカルのPython実行環境と、互換性のあるLLM APIキー（Claude、GPT、Geminiなどのバックエンドをサポート）が揃っていることを確認してください。
• コードを取得論文公開チャネル（arXiv:2604.17091）を通じて、約3,300行のコアソースコードとデプロイメント手順を入手しました。
• 設定とインストールローカルで依存関係のインストールとLLMバックエンドの設定を完了し、コンテキスト予算と文字予算のしきい値を30,000トークンに設定します。
• 走り出す: GAをセルフホスト型のCLIとして起動し、インタラクトモードに入ってタスクコマンドを直接入力するか、リフレクトモードのトリガースクリプトを設定して自動監視を実現します。
• タスク実行エージェントは、現在のタスクと関連するメモリに基づいて実行コンテキストを構築し、ツール呼び出しまたは出力を生成し、構造化されたフィードバックを通じてシステム状態を更新します。
• 経験の蓄積タスクが完了すると、システムは検証済みの実行軌跡を自動的に圧縮してL4にアーカイブします。トリガーされて統合された後、後続のタスクで再利用するためにL2/L3長期メモリに保存されます。

GenericAgentに関する重要な情報と使用要件

• 開発チームA3 Lab（深センアクアインテリングテクノロジーと復旦大学の共同研究チームであるAdvantage AI Agent Lab）によって開発されました。
• オープンソース形式コアコードは約3300行で構成され、中心となるエージェントループはわずか92行です。これは自己ホスト型のCLIプログラムとしてデプロイされ、コマンドラインがネイティブの実行インターフェースとして機能します。
• モデルの互換性モデルに依存しないアーキテクチャを採用し、Claude、GPT、Geminiなどの主要なLLMバックエンドをサポートしており、実行ロジックやツールインターフェースに影響を与えることなく置き換えることができます。
• コンテキスト予算デフォルトでは、アクティブなコンテキストは3万トークンに制限されており、予算管理には文字フィールドのヒューリスティック（α≈3文字/トークン）が使用されます。
• 実行境界単一セッションのデフォルトの実行制限は30ラウンドです。サブエージェントのディスパッチにより、マルチプロセス分離と長期的なタスク分割をサポートします。
• 使用しきい値LLM APIキーの設定とローカルコンピューティング環境の実行権限が必要です。技術的な知識を持つユーザーによるセルフホスト型デプロイメントに適しています。

GenericAgentの主な利点

• 究極のトークン効率222,000個の入力トークンを使用してLifelong AgentBenchで100%の完了率を達成しました。これはClaude Codeと比較して72.3%、OpenClawと比較して84.5%の削減です。
• 継続的な自己進化9回の反復タスクの後、トークン消費量は89.6%減少し、LLM呼び出し回数は32回から5回に収束し、「コールドスタート高速収束」の複合効果が実現しました。
• ミニマリスト建築コアコードは3,300行に対し、OpenClawは530,000行：ミニマルな設計により、エージェントは自身のアーキテクチャを理解し、変更する可能性を秘めています。
• 高密度メモリ20個のスキルをロードした後、完全なプロンプトに必要なトークンはわずか2298個で、これはClaude Code（22821）、Codex（23932）、OpenClaw（43321）よりも桁違いに少ない。
• 強力なウェブページ作成機能WebCanvas、BrowseComp-ZH、およびカスタムタスクにおいてOpenClawを上回る性能を発揮し、トークン消費量はOpenClawのわずか1/4から1/3にとどまります。

GenericAgentプロジェクトのアドレス

• GitHubリポジトリ：https://github.com/lsdefine/GenericAgent
• arXiv技術論文：https://arxiv.org/pdf/2604.17091

GenericAgentと類似製品との比較

GenericAgentの応用シナリオ

• 長期的なソフトウェアエンジニアリングGenericAgentは、GitHubリポジトリの調査、複数ファイルのコードリファクタリング、複雑なコードの編集とデバッグなど、継続的な複数ラウンドのやり取りを必要とする開発タスクをサポートします。
• 自動ウェブブラウジングGenericAgentは、eコマースの価格比較、上場企業のレポート抽出、フライト検索クエリのエクスポート、ニュース購読ストリームの検証など、ページ間操作を必要とする情報検索タスクを実行できます。
• 財務およびビジネス分析RealFinベンチマークなどのシナリオにおいて、動的な財務データクロールや財務諸表分析といった、データ集約型の調査タスクを完了する。
• 政府機関および教育機関向けサービスナビゲーション政府機関のウェブサイトの閲覧や大学の講義資料のアーカイブなど、ページ間の状態転送を必要とする複雑なプロセスを自動化します。
• 生涯パーソナルアシスタントユーザーの好み、作業習慣、外部サービスに関する知識をセッションを通じて蓄積するパーソナルエージェントとして、ユーザーの長期的なニーズに適応するために継続的に進化します。