{ "format": "agent-article-v0", "article_id": "EA-036", "canonical_url": "/tools/ea-036-ai", "page_type": "reference", "claim_ids": [], "evidence_ids": [ "EVD-EA-036-URL-99E58642FE77", "EVD-EA-036-URL-E645BA426F50", "EVD-EA-036-URL-4FA1B85BCBB5", "EVD-EA-036-URL-DA0D2191294A", "EVD-EA-036-URL-DC16F4500D4E", "EVD-EA-036-URL-5561E9B96A8C", "EVD-EA-036-URL-3497642EA1C0", "EVD-EA-036-URL-4B6D4DF01EAA", "EVD-EA-036-URL-06792E558F2F", "EVD-EA-036-URL-3F80F15D7D1E", "EVD-EA-036-URL-7EEAF2462CA6", "EVD-EA-036-URL-7D8BB2E98EB1", "EVD-EA-036-URL-43C6F8430D37", "EVD-EA-036-URL-5F78EECE313D", "EVD-EA-036-URL-8F1157C46C6C", "EA-036-R11-RESEARCH", "EA-036-R11-WEB-READBACK" ], "unknown_ids": [ "EA-036-UNKNOWN-01", "EA-036-UNKNOWN-CURRENTNESS" ], "operational_object_ids": [], "provider": [ "OpenAI" ], "models": [], "plans": [], "surfaces": [], "regions": [], "current_status": "UNKNOWN", "observation_status": "SPEC_ONLY", "freshness": "UNKNOWN", "last_verified": null, "supersedes": [], "superseded_by": [], "provenance": [ "COMM-038-EA0036", "SRC-EA-036-URL-99E58642FE77", "SRC-EA-036-URL-E645BA426F50", "SRC-EA-036-URL-4FA1B85BCBB5", "SRC-EA-036-URL-DA0D2191294A", "SRC-EA-036-URL-DC16F4500D4E", "SRC-EA-036-URL-5561E9B96A8C", "SRC-EA-036-URL-3497642EA1C0", "SRC-EA-036-URL-4B6D4DF01EAA", "SRC-EA-036-URL-06792E558F2F", "SRC-EA-036-URL-3F80F15D7D1E", "SRC-EA-036-URL-7EEAF2462CA6", "SRC-EA-036-URL-7D8BB2E98EB1", "SRC-EA-036-URL-43C6F8430D37", "SRC-EA-036-URL-5F78EECE313D", "SRC-EA-036-URL-8F1157C46C6C", "WEBBODY-EA0036-R8-51302F71" ], "article_sources": [ { "id": "EVD-EA-036-URL-99E58642FE77", "evidence_class": "RESEARCH", "title": "| E36-01 | official implementation docs | Persistence / LangChain-LangGraph |", "href": "https://docs.langchain.com/oss/python/langgraph/persistence", "supports": [], "limit": "元の監査済み資料に記載された参照先です。URLの復元は、資料の最新性や全主張の支持を新たに検証したことを意味しません。", "origin_class": "SOURCE_PACKET_REFERENCE", "source_or_experiment_ids": [ "SRC-EA-036-URL-99E58642FE77" ], "supporting_locators": [ "EVIDENCE TABLE", "| E36-01 | official implementation docs | Persistence / LangChain-LangGraph | https://docs.langchain.com/oss/python/langgraph/persistence" ], "scope": "EVIDENCE TABLE", "provenance_status": "SOURCE_PACKET_REFERENCE_PROJECTED" }, { "id": "EVD-EA-036-URL-E645BA426F50", "evidence_class": "RESEARCH", "title": "| E36-02 | official implementation docs | Functional API overview / LangChain-LangGraph |", "href": "https://docs.langchain.com/oss/python/langgraph/functional-api", "supports": [], "limit": "元の監査済み資料に記載された参照先です。URLの復元は、資料の最新性や全主張の支持を新たに検証したことを意味しません。", "origin_class": "SOURCE_PACKET_REFERENCE", "source_or_experiment_ids": [ "SRC-EA-036-URL-E645BA426F50" ], "supporting_locators": [ "EVIDENCE TABLE", "| E36-02 | official implementation docs | Functional API overview / LangChain-LangGraph | https://docs.langchain.com/oss/python/langgraph/functional-api" ], "scope": "EVIDENCE TABLE", "provenance_status": "SOURCE_PACKET_REFERENCE_PROJECTED" }, { "id": "EVD-EA-036-URL-4FA1B85BCBB5", "evidence_class": "RESEARCH", "title": "| E36-03 | author-maintained release | Releases: langchain-ai/langgraph |", "href": "https://github.com/langchain-ai/langgraph/releases", "supports": [], "limit": "元の監査済み資料に記載された参照先です。URLの復元は、資料の最新性や全主張の支持を新たに検証したことを意味しません。", "origin_class": "SOURCE_PACKET_REFERENCE", "source_or_experiment_ids": [ "SRC-EA-036-URL-4FA1B85BCBB5" ], "supporting_locators": [ "EVIDENCE TABLE", "| E36-03 | author-maintained release | Releases: langchain-ai/langgraph | https://github.com/langchain-ai/langgraph/releases" ], "scope": "EVIDENCE TABLE", "provenance_status": "SOURCE_PACKET_REFERENCE_PROJECTED" }, { "id": "EVD-EA-036-URL-DA0D2191294A", "evidence_class": "RESEARCH", "title": "| E36-04 | official SDK docs | Sessions / OpenAI Agents SDK |", "href": "https://openai.github.io/openai-agents-python/sessions/", "supports": [], "limit": "元の監査済み資料に記載された参照先です。URLの復元は、資料の最新性や全主張の支持を新たに検証したことを意味しません。", "origin_class": "SOURCE_PACKET_REFERENCE", "source_or_experiment_ids": [ "SRC-EA-036-URL-DA0D2191294A" ], "supporting_locators": [ "EVIDENCE TABLE", "| E36-04 | official SDK docs | Sessions / OpenAI Agents SDK | https://openai.github.io/openai-agents-python/sessions/" ], "scope": "EVIDENCE TABLE", "provenance_status": "SOURCE_PACKET_REFERENCE_PROJECTED" }, { "id": "EVD-EA-036-URL-DC16F4500D4E", "evidence_class": "RESEARCH", "title": "| E36-05 | official SDK/API docs | Sessions (TypeScript) + Compact a response / OpenAI |", "href": "https://openai.github.io/openai-agents-js/guides/sessions/", "supports": [], "limit": "元の監査済み資料に記載された参照先です。URLの復元は、資料の最新性や全主張の支持を新たに検証したことを意味しません。", "origin_class": "SOURCE_PACKET_REFERENCE", "source_or_experiment_ids": [ "SRC-EA-036-URL-DC16F4500D4E" ], "supporting_locators": [ "EVIDENCE TABLE", "| E36-05 | official SDK/API docs | Sessions (TypeScript) + Compact a response / OpenAI | https://openai.github.io/openai-agents-js/guides/sessions/" ], "scope": "EVIDENCE TABLE", "provenance_status": "SOURCE_PACKET_REFERENCE_PROJECTED" }, { "id": "EVD-EA-036-URL-5561E9B96A8C", "evidence_class": "RESEARCH", "title": "| E36-05 | official SDK/API docs | Sessions (TypeScript) + Compact a response / OpenAI | https://openai.github.io/openai-agents-js/guides/sessions/ ;", "href": "https://developers.openai.com/api/reference/java/resources/responses/methods/compact", "supports": [], "limit": "元の監査済み資料に記載された参照先です。URLの復元は、資料の最新性や全主張の支持を新たに検証したことを意味しません。", "origin_class": "SOURCE_PACKET_REFERENCE", "source_or_experiment_ids": [ "SRC-EA-036-URL-5561E9B96A8C" ], "supporting_locators": [ "EVIDENCE TABLE", "| E36-05 | official SDK/API docs | Sessions (TypeScript) + Compact a response / OpenAI | https://openai.github.io/openai-agents-js/guides/sessions/ ; https://developers.openai.com/api/reference/java/resources/responses/methods/compact" ], "scope": "EVIDENCE TABLE", "provenance_status": "SOURCE_PACKET_REFERENCE_PROJECTED" }, { "id": "EVD-EA-036-URL-3497642EA1C0", "evidence_class": "RESEARCH", "title": "| E36-06 | author-maintained release | Releases: openai/openai-agents-python |", "href": "https://github.com/openai/openai-agents-python/releases", "supports": [], "limit": "元の監査済み資料に記載された参照先です。URLの復元は、資料の最新性や全主張の支持を新たに検証したことを意味しません。", "origin_class": "SOURCE_PACKET_REFERENCE", "source_or_experiment_ids": [ "SRC-EA-036-URL-3497642EA1C0" ], "supporting_locators": [ "EVIDENCE TABLE", "| E36-06 | author-maintained release | Releases: openai/openai-agents-python | https://github.com/openai/openai-agents-python/releases" ], "scope": "EVIDENCE TABLE", "provenance_status": "SOURCE_PACKET_REFERENCE_PROJECTED" }, { "id": "EVD-EA-036-URL-4B6D4DF01EAA", "evidence_class": "RESEARCH", "title": "| E36-07 | official durable-execution docs | Temporal Platform Documentation + AI Agent Reference Architecture / Temporal Technologies |", "href": "https://docs.temporal.io/", "supports": [], "limit": "元の監査済み資料に記載された参照先です。URLの復元は、資料の最新性や全主張の支持を新たに検証したことを意味しません。", "origin_class": "SOURCE_PACKET_REFERENCE", "source_or_experiment_ids": [ "SRC-EA-036-URL-4B6D4DF01EAA" ], "supporting_locators": [ "EVIDENCE TABLE", "| E36-07 | official durable-execution docs | Temporal Platform Documentation + AI Agent Reference Architecture / Temporal Technologies | https://docs.temporal.io/" ], "scope": "EVIDENCE TABLE", "provenance_status": "SOURCE_PACKET_REFERENCE_PROJECTED" }, { "id": "EVD-EA-036-URL-06792E558F2F", "evidence_class": "RESEARCH", "title": "| E36-07 | official durable-execution docs | Temporal Platform Documentation + AI Agent Reference Architecture / Temporal Technologies | https://docs.temporal.io/ ;", "href": "https://go.temporal.io/platform-hub/ai-engineering/ai-reference-architecture", "supports": [], "limit": "元の監査済み資料に記載された参照先です。URLの復元は、資料の最新性や全主張の支持を新たに検証したことを意味しません。", "origin_class": "SOURCE_PACKET_REFERENCE", "source_or_experiment_ids": [ "SRC-EA-036-URL-06792E558F2F" ], "supporting_locators": [ "EVIDENCE TABLE", "| E36-07 | official durable-execution docs | Temporal Platform Documentation + AI Agent Reference Architecture / Temporal Technologies | https://docs.temporal.io/ ; https://go.temporal.io/platform-hub/ai-engineering/ai-reference-architecture" ], "scope": "EVIDENCE TABLE", "provenance_status": "SOURCE_PACKET_REFERENCE_PROJECTED" }, { "id": "EVD-EA-036-URL-3F80F15D7D1E", "evidence_class": "RESEARCH", "title": "| E36-08 | author-maintained release | Releases: temporalio/sdk-python |", "href": "https://github.com/temporalio/sdk-python/releases", "supports": [], "limit": "元の監査済み資料に記載された参照先です。URLの復元は、資料の最新性や全主張の支持を新たに検証したことを意味しません。", "origin_class": "SOURCE_PACKET_REFERENCE", "source_or_experiment_ids": [ "SRC-EA-036-URL-3F80F15D7D1E" ], "supporting_locators": [ "EVIDENCE TABLE", "| E36-08 | author-maintained release | Releases: temporalio/sdk-python | https://github.com/temporalio/sdk-python/releases" ], "scope": "EVIDENCE TABLE", "provenance_status": "SOURCE_PACKET_REFERENCE_PROJECTED" }, { "id": "EVD-EA-036-URL-7EEAF2462CA6", "evidence_class": "RESEARCH", "title": "| E36-09 | primary research | AgentRewind: Recoverable Execution for Long-Horizon LLM Agents / Zhuang et al. |", "href": "https://arxiv.org/abs/2608.14380", "supports": [], "limit": "元の監査済み資料に記載された参照先です。URLの復元は、資料の最新性や全主張の支持を新たに検証したことを意味しません。", "origin_class": "SOURCE_PACKET_REFERENCE", "source_or_experiment_ids": [ "SRC-EA-036-URL-7EEAF2462CA6" ], "supporting_locators": [ "EVIDENCE TABLE", "| E36-09 | primary research | AgentRewind: Recoverable Execution for Long-Horizon LLM Agents / Zhuang et al. | https://arxiv.org/abs/2608.14380" ], "scope": "EVIDENCE TABLE", "provenance_status": "SOURCE_PACKET_REFERENCE_PROJECTED" }, { "id": "EVD-EA-036-URL-7D8BB2E98EB1", "evidence_class": "RESEARCH", "title": "| E36-10 | primary research / benchmark | LongMemEval: Benchmarking Chat Assistants on Long-Term Interactive Memory / Wu et al. |", "href": "https://arxiv.org/abs/2410.10813", "supports": [], "limit": "元の監査済み資料に記載された参照先です。URLの復元は、資料の最新性や全主張の支持を新たに検証したことを意味しません。", "origin_class": "SOURCE_PACKET_REFERENCE", "source_or_experiment_ids": [ "SRC-EA-036-URL-7D8BB2E98EB1" ], "supporting_locators": [ "EVIDENCE TABLE", "| E36-10 | primary research / benchmark | LongMemEval: Benchmarking Chat Assistants on Long-Term Interactive Memory / Wu et al. | https://arxiv.org/abs/2410.10813" ], "scope": "EVIDENCE TABLE", "provenance_status": "SOURCE_PACKET_REFERENCE_PROJECTED" }, { "id": "EVD-EA-036-URL-43C6F8430D37", "evidence_class": "RESEARCH", "title": "| E36-11 | official security/privacy docs | Data storage and privacy / LangChain; Encrypted sessions / OpenAI Agents SDK; AI Security & Governance / Temporal |", "href": "https://docs.langchain.com/langsmith/data-storage-and-privacy", "supports": [], "limit": "元の監査済み資料に記載された参照先です。URLの復元は、資料の最新性や全主張の支持を新たに検証したことを意味しません。", "origin_class": "SOURCE_PACKET_REFERENCE", "source_or_experiment_ids": [ "SRC-EA-036-URL-43C6F8430D37" ], "supporting_locators": [ "EVIDENCE TABLE", "| E36-11 | official security/privacy docs | Data storage and privacy / LangChain; Encrypted sessions / OpenAI Agents SDK; AI Security & Governance / Temporal | https://docs.langchain.com/langsmith/data-storage-and-privacy" ], "scope": "EVIDENCE TABLE", "provenance_status": "SOURCE_PACKET_REFERENCE_PROJECTED" }, { "id": "EVD-EA-036-URL-5F78EECE313D", "evidence_class": "RESEARCH", "title": "| E36-11 | official security/privacy docs | Data storage and privacy / LangChain; Encrypted sessions / OpenAI Agents SDK; AI Security & Governance / Temporal | https://docs.langcha", "href": "https://openai.github.io/openai-agents-python/sessions/encrypted_session/", "supports": [], "limit": "元の監査済み資料に記載された参照先です。URLの復元は、資料の最新性や全主張の支持を新たに検証したことを意味しません。", "origin_class": "SOURCE_PACKET_REFERENCE", "source_or_experiment_ids": [ "SRC-EA-036-URL-5F78EECE313D" ], "supporting_locators": [ "EVIDENCE TABLE", "| E36-11 | official security/privacy docs | Data storage and privacy / LangChain; Encrypted sessions / OpenAI Agents SDK; AI Security & Governance / Temporal | https://docs.langchain.com/langsmith/data-storage-and-privacy ; https://openai.github.io/openai-agents-python/sessions/encrypted_session/" ], "scope": "EVIDENCE TABLE", "provenance_status": "SOURCE_PACKET_REFERENCE_PROJECTED" }, { "id": "EVD-EA-036-URL-8F1157C46C6C", "evidence_class": "RESEARCH", "title": "| E36-11 | official security/privacy docs | Data storage and privacy / LangChain; Encrypted sessions / OpenAI Agents SDK; AI Security & Governance / Temporal | https://docs.langcha", "href": "https://go.temporal.io/platform-hub/ai-engineering/ai-security", "supports": [], "limit": "元の監査済み資料に記載された参照先です。URLの復元は、資料の最新性や全主張の支持を新たに検証したことを意味しません。", "origin_class": "SOURCE_PACKET_REFERENCE", "source_or_experiment_ids": [ "SRC-EA-036-URL-8F1157C46C6C" ], "supporting_locators": [ "EVIDENCE TABLE", "| E36-11 | official security/privacy docs | Data storage and privacy / LangChain; Encrypted sessions / OpenAI Agents SDK; AI Security & Governance / Temporal | https://docs.langchain.com/langsmith/data-storage-and-privacy ; https://openai.github.io/openai-agents-python/sessions/encrypted_session/ ; https://go.temporal.io/platform-hub/ai-engineering/ai-security" ], "scope": "EVIDENCE TABLE", "provenance_status": "SOURCE_PACKET_REFERENCE_PROJECTED" }, { "id": "EA-036-R11-RESEARCH", "evidence_class": "RESEARCH", "title": "EA-036 監査済みresearch / canonical revision binding", "supports": [ "1. 「長期状態」は一枚ではない。少なくとも次の6面を分離する設計が必要である（PROPOSAL / INFERENCE）。\n - A. CANONICAL_ARTIFACT_STATE: 文書・コード・台帳・成果物など、人間と後続工程が参照する正本。\n - B. EXECUTION_STATE: 現在node/step、checkpoint、pending work、retry/attempt、interrupt/approval状態。\n - C. CONVERSATION_SESSION_STATE: 会話履歴、tool call history、session/thread identity。\n - D. DERIVED_CONTEXT_STATE: summary、compaction、retrieved memory、working set。正本から導出される圧縮・選択状態。\n - E. EXTERNAL_ENVIRONMENT_STATE: 外部DB/SaaS/file/repo/tenant等、agent外で実際に変化した状態と副作用。\n - F. CONTROL_PROVENANCE_STATE: run ID、source/version、model/tool/runtime version、last successful checkpoint、next action、ownership/lock、handoff metadata。\n2. checkpointは「保存したから安全」ではない。LangGraphはresume/replayで未完了taskやnodeが再実行され得るため、外部副作用はidempotentにするか、一意operation ID・既実行確認・transaction boundaryで重複を防ぐ必要がある。これは一般的な長期agent設計へ移植できるCore原則である（VERIFIED_SPEC→PROPOSAL）。\n3. session memoryとdurable executionは別物である。OpenAI Agents SDK Sessionは主に会話履歴をrun間で維持する層であり、永続backendを選べるが、会話履歴があること自体は外部環境、副作用、正本、workflow positionの整合を保証しない（VERIFIED_SPEC + INFERENCE）。\n4. durable workflowも無制限ではない。Temporal型のevent-history/replay方式は長時間停止・復旧に強い一方、履歴・payloadの成長、determinism、worker/runtime version、continue-as-new等の運用境界を持つ。長期化では「永続化」と同時に「履歴をどう世代交代させるか」が必要になる（VERIFIED_SPEC）。\n5. compactionは正本ではなくDERIVED_CONTEXT_STATEとして扱うのが安全である（INFERENCE / PROPOSAL）。OpenAIのcompactionは長い履歴を縮約して後続contextとして利用できるが、APIが返す圧縮表現と、人間が監査可能な原履歴・成果物は用途が違う。圧縮結果だけを唯一の正本にすると、後から省略情報を復元・監査できない。\n6. AgentRewindは長期agentの回復点を「agent contextだけ」でなく「controlled environment」と整合させる必要性を実験的に支持する。ファイル、repo、DB等を触るagentでは、context checkpointだけ巻き戻して外部世界を巻き戻さないと状態分岐が起きる（RESEARCH）。\n7. memory精度自体も別評価軸である。LongMemEvalはmulti-session/temporal update/abstentionを独立能力として扱い、長期履歴で精度低下を示す。したがって「保存されている」と「正しく思い出せる」は分離しなければならない（RESEARCH）。\n8. handoffは文章要約だけでは不足する。最低限 `CANONICAL_POINTERS / ACTIVE_GOAL / COMPLETED_BOUNDARY / PENDING_ACTION / LAST_SAFE_CHECKPOINT / EXTERNAL_SIDE_EFFECTS / VERSION_SET / OPEN_UNKNOWN / RESUME_INVARIANTS` を機械可読または定型形式で残すべきである（PROPOSAL）。\n9. resume時には「何を再生成してよいか」と「再生成してはいけないもの」を分ける。正本artifactや外部side effectをLLMが推測で再構築するのではなく、保存済みidentity/versionを読んで差分だけ再開する。summary/compactionは再生成可能、canonical artifactとcommit/transaction事実は再生成不可という分類が有効（PROPOSAL）。" ], "limit": "canonical監査・revision bindingの存在を示す。外部ソースcurrentnessが本文またはcontrol-planeで確定していない場合は、currentnessをUNKNOWNのまま保持する。", "origin_class": "AUDITED_CANONICAL_RESEARCH_PACKET", "source_or_experiment_ids": [ "COMM-038-EA0036" ], "supporting_locators": [ "COMM-038-EA0036", "EA-036-R5-LEGACY-MIGRATION-20261008-R1", "content/staging/EA-036.md" ], "scope": "監査済みEA本文・canonical revision・既存Source Graph relationの範囲。欠損currentnessは推測で閉じない。", "provenance_status": "AUDIT_PASS_CANONICAL_BINDING" }, { "id": "EA-036-R11-WEB-READBACK", "evidence_class": "IMPL", "title": "EA-036 Web body identity / canonical readback", "supports": [ "canonical staging bodyのSHA-256一致とR9 canonical ledger readbackをProduction projectionの入力として検証する。" ], "limit": "body identity/readbackは本文claim自体の真偽や外部ソースの最新性を追加保証しない。", "checked_at": null, "origin_class": "IMPLEMENTATION_READBACK", "source_or_experiment_ids": [ "WEBBODY-EA0036-R8-51302F71" ], "supporting_locators": [ "WEBBODY-EA0036-R8-51302F71", "content/staging/EA-036.md", "EA-036-R5-LEGACY-MIGRATION-20261008-R1" ], "scope": "R9/R10 canonical readback後のProduction生成時body identity。", "provenance_status": "CANONICAL_READBACK_BODY_HASH_MATCH" } ], "research_sections": [ { "heading": "SCOPE_ROUTING", "text": "Enterprise AI Core / implementation / interoperability / governance / operability / benchmark" }, { "heading": "WHY_THIS_MATTERS_TO_UPDATE", "text": "長期作業を「長い会話」「長いcontext window」「session memory」だけで説明すると、process crash、再起動、モデル・コード更新、human-in-the-loop、外部toolの副作用、履歴圧縮、複数workerへのhandoff時に、どこから何を再開すべきかが曖昧になる。現行の主要agent runtimeはcheckpoint/session/durable workflowを実装している一方、それぞれが保存するstateの意味と再実行境界は異なる。将来版では「記憶量」ではなく、復旧可能性・正本性・副作用安全性・version境界を別軸として扱う必要がある。" }, { "heading": "CLAIM_OR_RESEARCH_QUESTION", "text": "数日〜数週間のAI作業を安全に継続・再開するには、どの状態を永続化し、checkpoint/session/compaction/正本をどう分離し、resume時の二重実行・状態ドリフト・履歴圧縮による情報欠落・外部環境との不整合をどう制御すべきか。" }, { "heading": "EVIDENCE TABLE", "text": "| ID | source class | exact title / author-org | canonical URL | publication/update/access / version | supporting locator | label | relation |\n|---|---|---|---|---|---|---|---|\n| E36-01 | official implementation docs | Persistence / LangChain-LangGraph | https://docs.langchain.com/oss/python/langgraph/persistence | accessed 2026-09-13; current LangGraph docs; release anchor langgraph 1.2.11 (2026-08-11, commit 644815f) | checkpoints are saved at execution steps, organized into threads; thread_id is required to persist/resume; pending writes recover successful node writes | VERIFIED_SPEC / OSS_PRACTICE / PRODUCT_VOLATILE | support |\n| E36-02 | official implementation docs | Functional API overview / LangChain-LangGraph | https://docs.langchain.com/oss/python/langgraph/functional-api | accessed 2026-09-13; LangGraph 1.2.x family | Determinism / Idempotency / Common pitfalls: replay may re-execute an incomplete task; API calls and side effects should be in tasks and designed idempotently | VERIFIED_SPEC / OSS_PRACTICE | support + limit |\n| E36-03 | author-maintained release | Releases: langchain-ai/langgraph | https://github.com/langchain-ai/langgraph/releases | accessed 2026-09-13; langgraph 1.2.11, 2026-08-11, 644815f; checkpoint package 4.2.0 shown in release train | current release/version anchor for product-volatile claims | VERIFIED_SPEC / PRODUCT_VOLATILE | context |\n| E36-04 | official SDK docs | Sessions / OpenAI Agents SDK | https://openai.github.io/openai-agents-python/sessions/ | accessed 2026-09-13; openai-agents-python v0.22.2 released 2026-09-09, commit 83c737f | sessions persist conversation history across runs; same storage-backed session can resume interrupted runs; MemorySession/in-memory storage is not durable; multiple persistent backends are available | VERIFIED_SPEC / PRODUCT_VOLATILE | support + boundary |\n| E36-05 | official SDK/API docs | Sessions (TypeScript) + Compact a response / OpenAI | https://openai.github.io/openai-agents-js/guides/sessions/ ; https://developers.openai.com/api/reference/java/resources/responses/methods/compact | accessed 2026-09-13 | session history can be compacted; compaction rewrites stored history to reduced items; custom persistence exposes atomic/idempotent history transaction semantics | VERIFIED_SPEC / PRODUCT_VOLATILE | support + limit |\n| E36-06 | author-maintained release | Releases: openai/openai-agents-python | https://github.com/openai/openai-agents-python/releases | accessed 2026-09-13; v0.22.2, 2026-09-09, commit 83c737f | current release anchor; nearby session/compaction fixes confirm rapidly changing implementation surface | VERIFIED_SPEC / PRODUCT_VOLATILE | context |\n| E36-07 | official durable-execution docs | Temporal Platform Documentation + AI Agent Reference Architecture / Temporal Technologies | https://docs.temporal.io/ ; https://go.temporal.io/platform-hub/ai-engineering/ai-reference-architecture | accessed 2026-09-13; temporalio Python SDK release anchor 1.30.0 (2026-07-02, b5777e9) | workflow state survives failure/replay; nondeterministic LLM/tool/API I/O must be Activities, not replayed Workflow code; long sessions require history management/continue-as-new; message payloads and event history have operational limits | VERIFIED_SPEC / OSS_PRACTICE / PRODUCT_VOLATILE | support + limit |\n| E36-08 | author-maintained release | Releases: temporalio/sdk-python | https://github.com/temporalio/sdk-python/releases | accessed 2026-09-13; 1.30.0, 2026-07-02, commit b5777e9 | current SDK version anchor | VERIFIED_SPEC / PRODUCT_VOLATILE | context |\n| E36-09 | primary research | AgentRewind: Recoverable Execution for Long-Horizon LLM Agents / Zhuang et al. | https://arxiv.org/abs/2608.14380 | 2026-08-14; accessed 2026-09-13 | recovery framework records aligned checkpoints of agent context and controlled environment; MettleBench evaluates long-horizon engineering work and reports improved task success/progress over compared baselines | RESEARCH | support + counter to context-only checkpointing |\n| E36-10 | primary research / benchmark | LongMemEval: Benchmarking Chat Assistants on Long-Term Interactive Memory / Wu et al. | https://arxiv.org/abs/2410.10813 | 2024-10-14; accessed 2026-09-13 | evaluates extraction, multi-session reasoning, temporal reasoning, knowledge updates, abstention; sustained histories caused substantial accuracy degradation in tested systems | RESEARCH | limit + benchmark |\n| E36-11 | official security/privacy docs | Data storage and privacy / LangChain; Encrypted sessions / OpenAI Agents SDK; AI Security & Governance / Temporal | https://docs.langchain.com/langsmith/data-storage-and-privacy ; https://openai.github.io/openai-agents-python/sessions/encrypted_session/ ; https://go.temporal.io/platform-hub/ai-engineering/ai-security | accessed 2026-09-13 | persisted checkpoints/sessions/workflow histories are retained data; encryption/TTL exist in specific implementations; workflow history may contain prompts/tool I/O unless protected | VERIFIED_SPEC / PRODUCT_VOLATILE | support + security limit |" }, { "heading": "FINDINGS", "text": "1. 「長期状態」は一枚ではない。少なくとも次の6面を分離する設計が必要である（PROPOSAL / INFERENCE）。\n - A. CANONICAL_ARTIFACT_STATE: 文書・コード・台帳・成果物など、人間と後続工程が参照する正本。\n - B. EXECUTION_STATE: 現在node/step、checkpoint、pending work、retry/attempt、interrupt/approval状態。\n - C. CONVERSATION_SESSION_STATE: 会話履歴、tool call history、session/thread identity。\n - D. DERIVED_CONTEXT_STATE: summary、compaction、retrieved memory、working set。正本から導出される圧縮・選択状態。\n - E. EXTERNAL_ENVIRONMENT_STATE: 外部DB/SaaS/file/repo/tenant等、agent外で実際に変化した状態と副作用。\n - F. CONTROL_PROVENANCE_STATE: run ID、source/version、model/tool/runtime version、last successful checkpoint、next action、ownership/lock、handoff metadata。\n2. checkpointは「保存したから安全」ではない。LangGraphはresume/replayで未完了taskやnodeが再実行され得るため、外部副作用はidempotentにするか、一意operation ID・既実行確認・transaction boundaryで重複を防ぐ必要がある。これは一般的な長期agent設計へ移植できるCore原則である（VERIFIED_SPEC→PROPOSAL）。\n3. session memoryとdurable executionは別物である。OpenAI Agents SDK Sessionは主に会話履歴をrun間で維持する層であり、永続backendを選べるが、会話履歴があること自体は外部環境、副作用、正本、workflow positionの整合を保証しない（VERIFIED_SPEC + INFERENCE）。\n4. durable workflowも無制限ではない。Temporal型のevent-history/replay方式は長時間停止・復旧に強い一方、履歴・payloadの成長、determinism、worker/runtime version、continue-as-new等の運用境界を持つ。長期化では「永続化」と同時に「履歴をどう世代交代させるか」が必要になる（VERIFIED_SPEC）。\n5. compactionは正本ではなくDERIVED_CONTEXT_STATEとして扱うのが安全である（INFERENCE / PROPOSAL）。OpenAIのcompactionは長い履歴を縮約して後続contextとして利用できるが、APIが返す圧縮表現と、人間が監査可能な原履歴・成果物は用途が違う。圧縮結果だけを唯一の正本にすると、後から省略情報を復元・監査できない。\n6. AgentRewindは長期agentの回復点を「agent contextだけ」でなく「controlled environment」と整合させる必要性を実験的に支持する。ファイル、repo、DB等を触るagentでは、context checkpointだけ巻き戻して外部世界を巻き戻さないと状態分岐が起きる（RESEARCH）。\n7. memory精度自体も別評価軸である。LongMemEvalはmulti-session/temporal update/abstentionを独立能力として扱い、長期履歴で精度低下を示す。したがって「保存されている」と「正しく思い出せる」は分離しなければならない（RESEARCH）。\n8. handoffは文章要約だけでは不足する。最低限 `CANONICAL_POINTERS / ACTIVE_GOAL / COMPLETED_BOUNDARY / PENDING_ACTION / LAST_SAFE_CHECKPOINT / EXTERNAL_SIDE_EFFECTS / VERSION_SET / OPEN_UNKNOWN / RESUME_INVARIANTS` を機械可読または定型形式で残すべきである（PROPOSAL）。\n9. resume時には「何を再生成してよいか」と「再生成してはいけないもの」を分ける。正本artifactや外部side effectをLLMが推測で再構築するのではなく、保存済みidentity/versionを読んで差分だけ再開する。summary/compactionは再生成可能、canonical artifactとcommit/transaction事実は再生成不可という分類が有効（PROPOSAL）。" }, { "heading": "LONG-RUN RESUME INVARIANTS — PROPOSED CORE", "text": "将来本文では、長期agentのresume条件を次のacceptance contractとして置ける。\n- IDENTITY: task/run/thread/session/projectのidentityが衝突せず、resume対象が一意。\n- CANONICALITY: 正本artifactとderived summary/compactionを区別できる。\n- POSITION: last completed bounded stepとnext actionが確定している。\n- SIDE_EFFECT_SAFETY: 既実行の外部操作を二重適用しない。\n- VERSION_COMPATIBILITY: workflow/schema/model/tool/runtime version差分を検出できる。\n- PROVENANCE: 重要claim/artifactのsourceと生成・変更originを追跡できる。\n- RECOVERY: process/worker再起動後も保存backendから必要stateを再取得できる。\n- AUDITABILITY: resume前後のstate transitionを後から説明できる。" }, { "heading": "LIMITS / COUNTEREVIDENCE / FAILURE ENVELOPE", "text": "- checkpointがあっても、checkpoint後に外部副作用だけ成功し保存前にprocess crashすると、retryで二重適用する可能性がある。exactly-onceを安易に主張せず、idempotency/transaction/reconciliationを設計する。\n- replay型runtimeではworkflow codeの非決定性や途中version変更が復旧を壊し得る。LangGraph Functional APIもtask/interrupt順序変更やtask外のtime/random/network callをcompatibility riskとして明示する。\n- conversation/session persistenceはworkflow durabilityと同義ではない。MemorySessionのようなprocess-local実装はprocess終了で消える。\n- compaction/truncation/summaryはactive contextを延命するが、元履歴と同等の監査証跡・完全情報を保証するものとして扱わない。OpenAI APIにもcontext超過時に古い項目を落とすtruncation modeが存在するため、意図しない情報落ちを監視する必要がある。\n- 長期memory benchmarkの成績を、外部副作用を伴う数週間のagent workflowの信頼性へ外挿しない。LongMemEvalはmemory QA、AgentRewind/MettleBenchは特定のlong-horizon engineering/recovery設定であり、全製品保証ではない。\n- event/workflow historyも無限ではない。Temporal reference architectureは長い会話でhistoryを世代交代させるcontinue-as-new等を前提にする。\n- model update、tool/API schema変更、permission変更、外部データ更新、human editはcheckpoint外のドリフト源。resume時にversion/ETag/revision/permissionを再確認しない設計では「保存済みstateは正しいが世界が変わった」事故が残る。" }, { "heading": "AVAILABILITY_GATES", "text": "- LangGraph: checkpointer + stable thread_idが必要。checkpointer無しではdurable resumeを期待できない。backend、encryption、TTL、deployment形態は別途選定。\n- OpenAI Agents SDK: persistent session backendが必要。MemorySession等のin-memory層は本番長期stateの代替にならない。OpenAI-hosted conversation、SQLite/Redis/SQLAlchemy/MongoDB等で保持場所・retention・可用性が変わる。\n- OpenAI compaction: Responses/Agents SDKの対応経路・model/API挙動に依存するためPRODUCT_VOLATILE。公開時はcurrent endpoint、compatible model、retention/data controlsを再確認。\n- Temporal: Temporal Service/Cloudとworker、deterministic Workflow、Activity boundaryが前提。SDK/server compatibility、event history、payload size、retention、namespace/security設定がgate。\n- 共通: model/tool/runtime version、storage schema、credential/permission、external system revision、正本artifact revisionがresume compatibility gateになる。" }, { "heading": "IMPLEMENTATION_STATE", "text": "- LangGraph: v1系でpersistence/checkpoint/thread/durable execution/HITLが実装済み。2026-09-13確認時、langgraph 1.2.11がrelease list上の現行core releaseとして確認できる（PRODUCT_VOLATILE）。\n- OpenAI Agents SDK: v0.22.2時点でpersistent Session、resume、複数backend、encrypted session、compaction wrapper、atomic/idempotent history transaction interface等を確認（PRODUCT_VOLATILE）。\n- Temporal: durable executionは成熟したworkflow runtimeとして実装済み。Python SDK 1.30.0をcurrent release anchorとして確認。AI reference architectureではLLM/tool I/OをActivityへ隔離する実装パターンが明示される（PRODUCT_VOLATILE）。\n- 「正本artifact」と「agent runtime state」を自動統合する単一標準は今回の証拠では確立できない。ここはEnterprise AI Core側の設計規約として定義する領域（UNKNOWN→PROPOSAL）。" }, { "heading": "BENCHMARK_OR_EVAL", "text": "1. LongMemEvalは長期memoryを extraction / multi-session reasoning / temporal reasoning / knowledge update / abstention に分解して測る。memory qualityのacceptance test候補。ただしworkflow durabilityは測らない。\n2. AgentRewindのMettleBenchはlong-horizon engineering assignmentでpartial progressとtask completionを測り、agent contextとcontrolled environmentを合わせたcheckpoint recoveryの有効性を検証する。runtime全般の保証ではないが、context-only recoveryの弱点を検討する一次研究として有用。\n3. 将来のenterprise acceptance testでは、model品質benchmarkとは別にRECOVERY TESTを設けるべき（PROPOSAL）。例: (a) checkpoint直後kill→resume、(b) tool成功・checkpoint失敗→retry、(c) human edit後resume、(d) model/tool version変更後resume、(e) compaction後に未解決constraint recall、(f) stale handoffからの再開拒否、(g)正本revision競合。" }, { "heading": "SECURITY/PRIVACY", "text": "- persistenceを有効にするとprompt、tool result、checkpoint、memory等が保持データになる。LangGraph standaloneはcheckpoint encryption/TTLを提供し、OpenAI Agents SDKはEncryptedSession+TTLを提供する。TemporalもWorkflow historyへLLM I/Oを保存する設計ではpayload encryptionが重要。存在する機能と各organizationで有効な設定は分離して確認する。\nAUDIT:\n- runtime event history/checkpoint traceは強い監査素材になり得るが、正本artifactのrevision historyを置き換えるものではない。双方をrun/revision IDで結ぶ設計が安全（INFERENCE / PROPOSAL）。" }, { "heading": "COST", "text": "- 長期化はhistory storage、checkpoint I/O、replay、compaction、再評価、trace retentionの費用を増やす。一方、failure時の全再実行を減らす。普遍的な損益分岐点は今回確立せず、workload-specific（INFERENCE / UNKNOWN）。" }, { "heading": "OPERABILITY", "text": "- node/taskの粒度がcheckpoint頻度と再実行量を左右する。細かいboundaryは復旧範囲を狭めるが、storage/trace overheadを増やすため、bounded unit単位でcheckpointする設計が妥当（VERIFIED_SPEC→PROPOSAL）。" }, { "heading": "SAFE_WORDING_FOR_FUTURE_BOOK", "text": "「長期作業型AIを成立させる鍵は、巨大なcontext windowを一つ保持することではない。実務では、成果物の正本、実行checkpoint、会話session、圧縮・要約された作業context、外部システムの副作用、run/version/provenanceを別の状態として管理し、再開時にそれらの整合を確認する必要がある。checkpointやsessionは復旧を助けるが、外部副作用の二重実行、schema/model/tool更新、圧縮による情報欠落まで自動的に解決するわけではない。長期作業では『保存できるか』に加えて『同じ仕事を安全に再開できるか』『何が正本か』『何を再実行してよいか』を設計・試験する。」" }, { "heading": "UPDATE_WORK_HANDOFF", "text": "- Enterprise AI Coreへ「LONG-RUN STATE PLANES」と「RESUME INVARIANTS」を横断原則候補として渡す。\n- provider mappingでは各製品について `STATE_SCOPE / STORAGE_OWNER / CHECKPOINT_GRANULARITY / RESUME_ID / INTERRUPT_HITL / COMPACTION / RETENTION / ENCRYPTION / IDEMPOTENCY_PRIMITIVE / VERSION_MIGRATION / AUDIT_EXPORT / CANONICAL_ARTIFACT_LINK` を比較する。\n- long-context/memory章とは統合しすぎない。memory qualityとexecution durabilityを独立軸にする。\n- human handoff章ではsummary本文だけでなくmachine-readableなresume contractを要求する。\n- live testは未実施。後続Workで必要なら安全なTEST_PROFILEとして、ローカル/検証環境のmock side effectを使うkill-resume・duplicate prevention・stale revision conflict試験を設計する。" }, { "heading": "OPEN_UNKNOWN", "text": "- 各providerのmanaged agent runtimeが、2026-09-13時点でどこまでworkflow checkpoint、external side-effect reconciliation、schema migration、audit exportをnative保証するかは本Packetでは横断確定していない。\n- compaction前後のconstraint preservationを数日〜数週間・artifact更新・tool副作用込みで比較する共通benchmarkは今回確立できない。\n- model/tool/runtime更新をまたぐin-flight run migrationの互換性は製品・version依存で、個別Mappingが必要。\n- tenant固有retention/encryption/data residency/backup設定はpublic docsだけでは確定できない。" }, { "heading": "STOP_CONDITION", "text": "- 長期作業のstate分離、checkpoint/resumeの実装実在性、idempotency/replay failure envelope、compaction境界、memory benchmark、aligned context+environment recovery、安全な将来本文表現まで一次資料＋一次研究で閉じたためEA-036はBOUNDED_CLOSE。\n- 上記OPEN_UNKNOWNはprovider Product Mappingまたは将来の専用live-test/eval packetへ送る。EA-036を同じclaim/sourceで再採集しない\n\n---" }, { "heading": "CURRENTNESS_AUDIT", "text": "OpenAI Agents SDK current Sessions docs still distinguish persistent session memory from server-managed continuation and support resuming interrupted RunState with the same backing session; current compaction behavior includes stale-history protection. Temporal current AI reference architecture still requires nondeterministic LLM/tool/API/database I/O in Activities because Workflow code replays from history. Exact LangGraph/OpenAI/Temporal release numbers in the 2026-09-13 packet are historical anchors and must be refreshed rather than published as timeless versions." } ], "human_url": "/tools/ea-036-ai", "markdown_url": "/agent/article.md?path=%2Ftools%2Fea-036-ai", "json_url": "/agent/article.json?path=%2Ftools%2Fea-036-ai" }