この記事でわかること：
- Hugging FaceがAIコーディングエージェント向けメモリシステム「Funes」を公開
- Claude CodeやCodexなど主要4エージェントの「記憶喪失」問題を解決
- ハンドオフ文書と比べてトークン使用量を最大8分の1に削減
- ローカル実行で完結し、プライバシーを守りながら複数マシンで同期可能
AIコーディングエージェントの「記憶喪失」が解決へ
2026年9月3日、AI技術の開発プラットフォームとして知られるHugging Faceが、AIコーディングエージェント向けの新しいメモリシステム「Funes（フネス）」を公開しました。
このツールは、Claude CodeやCodexといった人気のAIコーディングツールが抱えていた「セッションをまたぐと記憶が消える」という大きな課題を解決します。つまり、AIが過去のやり取りを忘れずに学習できるようになるのです。
公式ブログによると、Funesを使うことで従来の「ハンドオフ文書（引き継ぎメモ）」方式と比べて、トークン使用量を4分の1から8分の1まで削減できるといいます。トークンとは、AIが文章を処理するときの単位で、使用量が多いほどコストや処理時間がかかります。
AIエージェントが抱える「記憶喪失」問題とは
Claude CodeやCursor、Windsurf（ウィンドサーフ）などのAIコーディングエージェントは、プログラミング作業を支援してくれる便利なツールです。しかし、これらのツールには共通する弱点がありました。
それは「セッションが終わるとすべてを忘れる」という点です。セッションとは、AIとの一連の会話のことを指します。たとえば、昨日AIに「このコードはこう直してほしい」と伝えても、今日になるとAIはそれを覚えていません。
2026年の研究によると、AIエージェントは会話が長くなるにつれて、最初に指示された制約を守れなくなることがわかっています。具体的には、5ターン目では73%守れていた指示が、16ターン目になると33%まで低下します。つまり、作業の途中でAIが自分の指示を忘れてしまう確率が2倍以上になるのです。
この「記憶喪失」は、2026年時点でAIエージェントの最も一般的な失敗原因とされています。しかも、問題の診断が難しいため、多くの開発者が頭を悩ませてきました。
Funesの仕組み：過去の会話を自動検索
Funesは、AIエージェントの過去のセッション履歴から必要な情報を自動で検索・参照できる「メモリレイヤー」です。レイヤーとは、システムの層という意味で、AIの上に記憶を保存する層を追加するイメージです。
技術的には、次のような3段階の検索パイプラインで動作します。
- ベクトル検索とBM25検索を併用：過去の会話を意味的に検索するベクトル検索と、キーワードで探すBM25検索の両方を使います。
- クロスエンコーダーでリランク：検索結果をAIが再評価して、最も関連性の高い情報を上位に並べ直します。
- 最近性で再加重：新しい情報に優先度を与え、周辺の会話も合わせて取得します。
重要なのは、このすべてが「ローカル実行（自分のパソコン上で完結）」する点です。つまり、クラウド上にデータを送る必要がなく、機密情報が外部に漏れる心配がありません。
また、検索時にはセキュリティ対策も自動で行われます。インデックス作成時に認証情報を自動削除し、公開前には秘密情報のスキャンも実施されます。
対応エージェントとコスト削減効果
Funesは現在、以下の4つの主要AIコーディングエージェントに対応しています。
- Claude Code：SWE-benchスコア88.6%という最高水準のコード品質を誇るエージェント
- Codex：ローカルとクラウドのワークフローをまたいで動作する管理型エージェント
- Pi：透明性の高いターミナル型の軽量エージェント
- Hermes：自己改善機能やcronスケジューラーを持つ自律型エージェント
これらのエージェントは、それぞれ異なるデータフォーマットで動作していましたが、Funesはすべてを統一の「ターン・ブロック」形式に変換します。つまり、1つのメモリシステムで複数のエージェントの記録を管理できるのです。
公式ブログで公開された実験結果では、Funesを使った「リコール方式（過去の会話を検索）」と従来の「ハンドオフ文書方式（要約メモを作成）」を比較しています。
結果は明確でした。ハンドオフ文書方式は、タスク1で8倍、タスク2で4倍ものトークンを消費しました。さらに、自動要約を使う「コンパクション方式」では、重要な詳細が失われてタスク自体が成功しませんでした。
Funesのリコール方式が効率的な理由は、要約を作らずに「原文をそのまま返す」からです。これにより、情報の欠落がなく、どこから引用したかも明確に追跡できます（トレーサビリティ）。
日本のエンジニアへの影響
Funesのインストールは非常にシンプルです。ターミナル（コマンド入力画面）で1行のコマンドを実行するだけで完了します。
インストール後は、エージェントを追加するだけで使い始められます。たとえば、Claude Codeをローカルメモリで使う場合は「funes add claude」、チームで共有メモリを使う場合は「funes add codex acme/funes-memory」のように指定します。
この「チームで共有」できる機能が、日本の開発現場に大きなインパクトを与える可能性があります。なぜなら、Funesのメモリは「Hugging Face Dataset」として公開できるからです。
つまり、チームメンバーや複数のマシンから同じメモリにアクセスできます。リモートワークが当たり前になった今、エンジニアが自宅のパソコンと会社のマシンで同じAI支援を受けられるのは、生産性向上につながります。
また、日本企業の多くは機密情報の扱いに敏感です。Funesがローカル実行を基本とし、認証情報を自動削除する設計になっている点は、企業導入のハードルを下げるでしょう。
さらに、トークン使用量が8分の1に削減されるということは、APIコスト（AIサービスの利用料金）も大幅に下がることを意味します。これは、予算に制約のあるスタートアップや中小企業にとって朗報です。
業界の反応と今後の展望
Funesの公開は、AIエージェントのメモリ問題に対する業界の取り組みの一環です。2026年には「メモリレイヤーはオプションではなく、負荷を支える必須インフラだ」という認識が広がっています。
実際、Mem0やCogneeといった他社も、AIエージェント向けの永続的メモリソリューションを提供しています。しかし、Funesの強みは「単一バイナリ（1つの実行ファイル）」で動作し、ML実行環境が不要という点です。
これにより、インストールの手間が最小限になり、エンジニアはすぐに試せます。また、オープンソースであるため、コミュニティによる改善や拡張も期待できます。
今後、FunesがさらにエージェントやLLM（大規模言語モデル）のサポートを広げれば、AIコーディング支援ツールの標準的なメモリシステムになる可能性があります。
まとめ
- Hugging Faceが2026年9月3日に「Funes」を公開し、AIコーディングエージェントの記憶喪失問題を解決
- Claude Code、Codex、Pi、Hermesの4つの主要エージェントに対応し、統一メモリで管理可能
- ハンドオフ文書方式と比べてトークン使用量を最大8分の1に削減、コスト削減に貢献
- ローカル実行を基本とし、認証情報を自動削除するセキュリティ設計で企業導入のハードルが低い
- Hugging Face Datasetとして共有できるため、チームやマシン間での同期が可能
- 単一バイナリで動作し、ML実行環境が不要なため、インストールが簡単
- 2026年の業界では「メモリレイヤーは必須インフラ」という認識が広がっている