LiteLLM と DeepEval で LangGraph エージェントの応答品質を自動評価する

Claude Fable 5の登場により長周期タスクの実行が現実的になった一方、単純なPrompt StuffingやRAGではセッション間の状態保持が解決できない。本記事はMemoryLakeアーキテクチャによる独立した記憶レイヤーの必要性と実装パターンを解説し、推論能力とステート管理を分離すべき理由を技術的に論証する。

Claude API を使った自動売買エージェント運用中に発生した 4 つの本番バグ（buying power 計算誤り、同一シグナルの無限ループ、Win Rate が NaN になる問題、重複通知）とその修正プロセスを実装レベルで解説。engineKey の命名衝突対策やフロー制御の明示的チェックなどの実践的な解決方法を紹介。

pytest や cargo などの CLI ツール出力は冗長でトークンを大量消費するため、次世代バージョン管理ツール h5i が注目されている。h5i は CLI 出力を共通の JSON 形式に構造化・圧縮し、生ログは Git/LFS/S3 で復元可能に管理することで、トークン削減と監査性を両立させる。

Google I/O 2026で Gemini 3.5 Flash と Antigravity 2.0 が発表され、エージェント開発プラットフォームが整備された。Anthropic は9,000億ドル超の評価額で調達交渉中、日本国内では NTT データが AIVista を始動。Microsoft Agent Framework 1.0 リリースなど、開発ツールチェーンが急速に拡充している。