結論から言う： Anthropic が2025年5月6日にリリースした Dreaming は、エージェントがセッション間で自分の過去の会話を自律的に振り返り、パターンを抽出してメモリに書き込む仕組みだ。人間の介入なしに、エージェントが自分自身の「経験」を蓄積する。

機能概要（クイックリファレンス）

Dreaming の仕組み

従来のエージェントメモリは受動的だ。開発者が明示的に「これを覚えておけ」と指示するか、ユーザーが情報を提供したときにのみ記録される。

Dreaming は異なる。セッションとセッションの間にスケジュール実行されるバックグラウンドプロセスだ。エージェントは過去の会話トランスクリプトを読み返し、以下を特定する：

そして、その知見を自分のメモリストアに書き込む。元のセッションデータは変更されない。

単一セッションはクロスセッションのパターンを見られない。サポートエージェントが今月12回同じ分類ミスをしていても、各セッションはそれを知らない。Dreaming はまさにそのシグナルを浮かび上がらせる。

Automatic モード:
  エージェントが自分で判断 → メモリに直接書き込み

Human Review モード:
  エージェントがメモリ更新案を提案 → 人間が承認 → 反映

Dreaming が機能するには「何が良い出力か」の基準が必要だ。それを提供するのが Outcomes だ。

開発者が成功ルーブリックを定義する。すると、エージェントの推論から隔離された別の Claude インスタンスが、そのルーブリックに照らして出力を評価する。失敗した場合、グレーダーが何を変えるべきかを特定し、エージェントは基準を満たすまで反復する。

Anthropic の内部テスト結果：

Outcomes と Dreaming の関係：

この2つが組み合わさることで、人間の介入なしにフィードバックループが閉じる。

コーディネーターエージェントがタスクを分解し、最大20のスペシャリストサブエージェントに並列委譲する。各サブエージェントは独自のコンテキストウィンドウを持ちながら、共通のファイルシステムを共有する。

主要な仕様：

実際の導入事例：

GA ではない。本番環境への組み込みを計画している場合、ステータスの変化を追う必要がある。

Managed Agents は Claude モデルのみで動作する。オーケストレーション、Dreaming、Outcomes グレーディング、すべて Claude だ。

コスト最適化や特定タスクへの適性から複数モデルを使いたい場合、Managed Agents はその層を扱わない。モデル間のルーティングが必要なアーキテクチャは別途解決する必要がある。

サブ-サブエージェントは現時点で不可。複雑な階層的タスク分解が必要なユースケースでは設計上の制約になる。

$0.08/アクティブセッション時間の課金は、長時間実行タスクでは積み上がる。30分のタスクはトークンコストに加えて4セントのインフラ費用がかかる。

タスク分解（オーケストレーション）
    ↓
実行
    ↓
出力評価（Outcomes）
    ↓
クロスセッションパターン反映（Dreaming）
    ↓
次回タスクへの適用

これはステートレスなツールから蓄積するシステムへのシフトだ。エージェントの競争優位は、もはやプロンプトやモデルだけではない。どれだけ長く稼働し、何を学んだかが差になる。

Author: Jessie, EvoLink

マルチモデル構成でエージェントを構築している場合は EvoLink が Claude、DeepSeek、GPT などへの統合ゲートウェイを提供している。