「Amazon Bedrock AgentCore」を試す ②Memory

from bedrock_agentcore.memory import MemoryClient

client = MemoryClient(region_name="us-east-1")

memory = client.create_memory(
    name="CustomerSupportAgentMemory",
    description="カスタマーサポートにおける会話のメモリ",
)

# memory_id 以後の操作で使用される
print(f"メモリID: {memory.get('id')}")
print(f"メモリ: {memory}")

メモリID: CustomerSupportAgentMemory-XXXXXXXXXXXX
メモリ: {
    'arn': 'arn:aws:bedrock-agentcore:us-east-1:XXXXXXXXXXXX:memory/CustomerSupportAgentMemory-XXXXXXXXXXXX',
    'id': 'CustomerSupportAgentMemory-XXXXXXXXXXXX',
    'name': 'CustomerSupportAgentMemory',
    'description': 'カスタマーサポートにおける会話のメモリ',
    'eventExpiryDuration': 90,
    'status': 'ACTIVE',
    'createdAt': datetime.datetime(2025, 7, 29, 19, 14, 50, 276000, tzinfo=tzlocal()),
    'updatedAt': datetime.datetime(2025, 7, 29, 19, 14, 50, 276000, tzinfo=tzlocal()),
    'strategies': [],
    'memoryId': 'CustomerSupportAgentMemory-XXXXXXXXXXXX',
    'memoryStrategies': []
}

from bedrock_agentcore.memory import MemoryClient

client = MemoryClient(region_name="us-east-1")

for memory in client.list_memories():
    print(f"メモリ Arn: {memory.get('arn')}")
    print(f"メモリ ID: {memory.get('id')}")
    print("-" * 10)

メモリ Arn: arn:aws:bedrock-agentcore:us-east-1:XXXXXXXXXXXX:memory/CustomerSupportAgentMemory-XXXXXXXXXXXX
メモリ ID: CustomerSupportAgentMemory-XXXXXXXXXXXX
----------

from bedrock_agentcore.memory import MemoryClient

client = MemoryClient(region_name="us-east-1")

client.create_event(
    # メモリID。create_memory か list_memories で取得
    memory_id="CustomerSupportAgentMemory-XXXXXXXXXXXX",
    # アクターID。特定のエージェント、または エンドユーザーを識別する一意のID
    actor_id="User84",
    # セッションID。特定のリクエスト、または一連の会話を識別する一意のID
    session_id="OrderSupportSession1",
    messages=[
        ("オーダー番号12345について問題があります。", "USER"),
        ("申し訳ありません。そのオーダーについて確認させていただきます。", "ASSISTANT"),
        ("lookup_order(order_id='12345')", "TOOL"),
        (
            "オーダー番号12345の商品は、3日前に発送済みです。どのような問題か、お聞かせいただけますか？",
            "ASSISTANT",
        ),
        ("実は、その前に、メールアドレスの変更もお願いしたいのですが、可能でしょうか？", "USER"),
        (
            "もちろんです。どちらもお任せください。まずはメールアドレスの変更から始めましょう。新しいメールアドレスをお聞かせいただけますか？",
            "ASSISTANT",
        ),
        ("newemail@example.com です。", "USER"),
        ("update_customer_email(old='old@example.com', new='newemail@example.com')", "TOOL"),
        ("メールアドレスの変更が完了しました。それでは、オーダーの問題についてお聞かせいただけますか？", "ASSISTANT"),
        ("商品が破損しています。", "USER"),
    ],
)

conversations = client.list_events(
    memory_id="CustomerSupportAgentMemory-XXXXXXXXXXXX",
    actor_id="User84",
    session_id="OrderSupportSession1",
    max_results=10,
)

for conversation in conversations:
    print(conversation)

{
    'memoryId': 'CustomerSupportAgentMemory-XXXXXXXXXXXX',
    'actorId': 'User84',
    'sessionId': 'OrderSupportSession1',
    'eventId': '0000001753786479000#5610ec79',
    'eventTimestamp': datetime.datetime(2025, 7, 29, 19, 54, 39, tzinfo=tzlocal()),
    'payload': [
        {'conversational': {'content': {'text': 'オーダー番号12345について問題があります。'}, 'role': 'USER'}},
        {'conversational': {'content': {'text': '申し訳ありません。そのオーダーについて確認させていただきます。'}, 'role': 'ASSISTANT'}},
        {'conversational': {'content': {'text': "lookup_order(order_id='12345')"}, 'role': 'TOOL'}},
        {'conversational': {'content': {'text': 'オーダー番号12345の商品は、3日前に発送済みです。どのような問題か、お聞かせいただけますか？'}, 'role': 'ASSISTANT'}},
        {'conversational': {'content': {'text': '実は、その前に、メールアドレスの変更もお願いしたいのですが、可能でしょうか？'}, 'role': 'USER'}},
        {'conversational': {'content': {'text': 'もちろんです。どちらもお任せください。まずはメールアドレスの変更から始めましょう。新しいメールアドレスをお聞かせいただけますか？'}, 'role': 'ASSISTANT'}},
        {'conversational': {'content': {'text': 'newemail@example.com です。'}, 'role': 'USER'}},
        {'conversational': {'content': {'text': "update_customer_email(old='old@example.com', new='newemail@example.com')"}, 'role': 'TOOL'}},
        {'conversational': {'content': {'text': 'メールアドレスの変更が完了しました。それでは、オーダーの問題についてお聞かせいただけますか？'}, 'role': 'ASSISTANT'}},
        {'conversational': {'content': {'text': '商品が破損しています。'}, 'role': 'USER'}}
    ],
    'branch': {'name': 'main'}
}

from bedrock_agentcore.memory import MemoryClient

client = MemoryClient(region_name="us-east-1")

# 長期メモリを作成
memory = client.create_memory_and_wait(
    name="MyAgentMemory1",
    strategies=[{
        "summaryMemoryStrategy": {
            # 抽出モデル/ストラテジーの名前
            "name": "SessionSummarizer",
            # 簡単に検索するために、セッションIDごとに情報を整理する
            # 例: "summaries/session123" には session123 のセッションの要約が含まれる
            "namespaces": ["/summaries/{actorId}/{sessionId}"]
        }
    }]
)

print(f"メモリID: {memory.get('id')}")
print(f"メモリ: {memory}")

メモリID: MyAgentMemory1-XXXXXXXXXX
メモリ: {
    'arn': 'arn:aws:bedrock-agentcore:us-east-1:XXXXXXXXXXXX:memory/MyAgentMemory1-XXXXXXXXXX',
    'id': 'MyAgentMemory1-XXXXXXXXXX',
    'name': 'MyAgentMemory1',
    'eventExpiryDuration': 90,
    'status': 'ACTIVE',
    'createdAt': datetime.datetime(2025, 7, 29, 22, 15, 53, 336000, tzinfo=tzlocal()),
    'updatedAt': datetime.datetime(2025, 7, 29, 22, 15, 53, 580000, tzinfo=tzlocal()),
    'strategies': [
        {
            'strategyId': 'SessionSummarizer-XXXXXXXXXX',
            'name': 'SessionSummarizer',
            'type': 'SUMMARIZATION',
            'namespaces': ['/summaries/{actorId}/{sessionId}'],
            'createdAt': datetime.datetime(2025, 7, 29, 22, 15, 53, 336000, tzinfo=tzlocal()),
            'updatedAt': datetime.datetime(2025, 7, 29, 22, 15, 53, 580000, tzinfo=tzlocal()),
            'status': 'ACTIVE',
            'memoryStrategyId': 'SessionSummarizer-XXXXXXXXXX',
            'memoryStrategyType': 'SUMMARIZATION'
        }
    ],
    'memoryId': 'MyAgentMemory1-XXXXXXXXXX',
    'memoryStrategies': [
        {
            'strategyId': 'SessionSummarizer-XXXXXXXXXX',
            'name': 'SessionSummarizer',
            'type': 'SUMMARIZATION',
            'namespaces': ['/summaries/{actorId}/{sessionId}'],
            'createdAt': datetime.datetime(2025, 7, 29, 22, 15, 53, 336000, tzinfo=tzlocal()),
            'updatedAt': datetime.datetime(2025, 7, 29, 22, 15, 53, 580000, tzinfo=tzlocal()),
            'status': 'ACTIVE',
            'memoryStrategyId': 'SessionSummarizer-XXXXXXXXXX',
            'memoryStrategyType': 'SUMMARIZATION'
        }
    ]
}

from bedrock_agentcore.memory import MemoryClient

client = MemoryClient(region_name="us-east-1")

# すでに作成済みの短期メモリのID
memory_id="CustomerSupportAgentMemory-XXXXXXXXXX"

# 短期メモリにストラテジーを追加
memory_with_summary_strategy = client.add_summary_strategy(
    memory_id=memory_id,
    name="SessionSummarizer",
    description="Summarizes conversation sessions",
    namespaces=["/summaries/{actorId}/{sessionId}"]
)

print(f"メモリ: {memory_with_summary_strategy}")

メモリ: {
    'arn': 'arn:aws:bedrock-agentcore:us-east-1:XXXXXXXXXXXX:memory/CustomerSupportAgentMemory-XXXXXXXXXX',
    'id': 'CustomerSupportAgentMemory-XXXXXXXXXX',
    'name': 'CustomerSupportAgentMemory',
    'description': 'カスタマーサポートにおける会話のメモリ',
    'eventExpiryDuration': 90,
    'status': 'ACTIVE',
    'createdAt': datetime.datetime(2025, 7, 29, 19, 14, 50, 276000, tzinfo=tzlocal()),
    'updatedAt': datetime.datetime(2025, 7, 29, 22, 51, 43, 646000, tzinfo=tzlocal()),
    'strategies': [
        {
            'strategyId': 'SessionSummarizer-XXXXXXXXXX',
            'name': 'SessionSummarizer',
            'description': 'Summarizes conversation sessions',
            'type': 'SUMMARIZATION',
            'namespaces': ['/summaries/{actorId}/{sessionId}'],
            'createdAt': datetime.datetime(2025, 7, 29, 22, 51, 43, 690000, tzinfo=tzlocal()),
            'updatedAt': datetime.datetime(2025, 7, 29, 22, 51, 43, 690000, tzinfo=tzlocal()),
            'status': 'CREATING',
            'memoryStrategyId': 'SessionSummarizer-XXXXXXXXXX',
            'memoryStrategyType': 'SUMMARIZATION'
        }
    ],
    'memoryId': 'CustomerSupportAgentMemory-XXXXXXXXXX',
    'memoryStrategies': [
        {
            'strategyId': 'SessionSummarizer-XXXXXXXXXX',
            'name': 'SessionSummarizer',
            'description': 'Summarizes conversation sessions',
            'type': 'SUMMARIZATION',
            'namespaces': ['/summaries/{actorId}/{sessionId}'],
            'createdAt': datetime.datetime(2025, 7, 29, 22, 51, 43, 690000, tzinfo=tzlocal()),
            'updatedAt': datetime.datetime(2025, 7, 29, 22, 51, 43, 690000, tzinfo=tzlocal()),
            'status': 'CREATING',
            'memoryStrategyId': 'SessionSummarizer-XXXXXXXXXX',
            'memoryStrategyType': 'SUMMARIZATION'
        }
    ]
}

from bedrock_agentcore.memory import MemoryClient
import time

client = MemoryClient(region_name="us-east-1")

memory_id = "MyAgentMemory1-XXXXXXXXXX"
user_id = "User84"
session_id = "OrderSupportSession1"

client.create_event(
    memory_id = memory_id,
    actor_id=user_id,
    session_id=session_id,
    messages=[
        ("オーダー番号12345について問題があります。", "USER"),
        ("申し訳ありません。そのオーダーについて確認させていただきます。", "ASSISTANT"),
        ("lookup_order(order_id='12345')", "TOOL"),
        (
            "オーダー番号12345の商品は、3日前に発送済みです。どのような問題か、お聞かせいただけますか？",
            "ASSISTANT",
        ),
        ("実は、その前に、メールアドレスの変更もお願いしたいのですが、可能でしょうか？", "USER"),
        (
            "もちろんです。どちらもお任せください。まずはメールアドレスの変更から始めましょう。新しいメールアドレスをお聞かせいただけますか？",
            "ASSISTANT",
        ),
        ("newemail@example.com です。", "USER"),
        ("update_customer_email(old='old@example.com', new='newemail@example.com')", "TOOL"),
        ("メールアドレスの変更が完了しました。それでは、オーダーの問題についてお聞かせいただけますか？", "ASSISTANT"),
        ("商品が破損しています。", "USER"),
    ],
)

# 会話から意味のあるメモリを抽出するために、60秒待つ。
time.sleep(60)

# 上記のストラテジーで設定した名前空間を使用して、問題の要約を検索します。
memories = client.retrieve_memories(
    memory_id=memory_id,
    namespace=f"/summaries/{user_id}/{session_id}",
    query="サポートの問題を要約して。"
)

print(memories)

[
    {
        'memoryRecordId': 'mem-ef6843aaaeafa8d0c99d3cdf2780ff0e01f8',
        'content': {
            'text': '<summary>\n    <topic name="Customer Service">\n        The customer contacted support regarding order #12345 and reported two issues. First, they requested to change their email address, which was updated from old@example.com to newemail@example.com. Second, they reported that the product they received was damaged. The assistant confirmed that order #12345 had been shipped three days prior to the conversation.\n    </topic>\n</summary>'
        },
        'memoryStrategyId': 'SessionSummarizer-XXXXXXXXXX',
        'namespaces': ['/summaries/User84/OrderSupportSession1'],
        'createdAt': datetime.datetime(2025, 7, 29, 23, 34, 20, tzinfo=tzlocal()),
        'score': 0.3644892
    }
]

from strands import Agent
from strands.models import BedrockModel
from strands_tools.agent_core_memory import AgentCoreMemoryToolProvider
import time
from bedrock_agentcore.memory import MemoryClient

client = MemoryClient(region_name="us-east-1")

# ユーザ・セッション情報
actor_id = "CaliforniaPerson"
session_id = "TalkingAboutFood"

# ユーザプリファレンスを指定したメモリを作成
memory = client.create_memory_and_wait(
    name="MyAgentMemory",
    strategies=[{
        "userPreferenceMemoryStrategy": {
            "name": "UserPreference",
            "namespaces": ["/users/{actorId}"]
        }
    }]
)
memory_id = memory.get("id")

print(f"メモリID: {memory_id}")
print(f"メモリ: {memory}")
print()

# メモリをツールとして使用する
strands_provider = AgentCoreMemoryToolProvider(
    memory_id=memory_id,
    actor_id=actor_id,
    session_id=session_id,
    namespace=f"/users/{actor_id}",
    region="us-east-1"
)

# モデルの定義
bedrock_model = BedrockModel(
    model_id="us.anthropic.claude-sonnet-4-20250514-v1:0",
    region_name="us-east-1",
)

# エージェントを作成して、ツールを渡す
agent = Agent(
    model=bedrock_model,
    tools=strands_provider.tools
)

# エージェントにメモリを使用してコミュニケーションを開始
agent("私はベジタリアンで、静かな雰囲気のレストランが好きです。")
agent("イタリアンの料理が食べたいです。")
agent("値段は中程度で、ダウンタウンの近くがいいです。")
agent("私はロサンゼルスに住んでいます。")

time.sleep(60)

# 長期メモリをツールとして使う
agent("どんな料理が食べたかったか、もう忘れちゃったけど、あなたは覚えてる？")


# エージェントが持っている会話履歴
print("-" * 20)
print("エージェントが持っている会話履歴:")
print(agent.messages)

# 短期メモリ
print("-" * 20)
print("短期メモリ:")
conversations = client.list_events(
    memory_id=memory_id,
    actor_id=actor_id,
    session_id=session_id,
    max_results=10,
)
for conversation in conversations:
    print(conversation)

# 長期メモリ（ユーザプリファレンス）
print("-" * 20)
print("長期メモリ（ユーザプリファレンス）:")
memories = client.retrieve_memories(
    memory_id=memory_id,
    namespace=f"/users/{actor_id}",
    query="ユーザの好みは？"
)
print(memories)

メモリID: MyAgentMemory-aEVzisDCPH
メモリ: {
	'arn': 'arn:aws:bedrock-agentcore:us-east-1:XXXXXXXXXXXX:memory/MyAgentMemory-XXXXXXXXXX',
	'id': 'MyAgentMemory-XXXXXXXXXX',
	'name': 'MyAgentMemory',
	'eventExpiryDuration': 90,
	'status': 'ACTIVE',
	'createdAt': datetime.datetime(2025, 7, 30, 12, 1, 38, 880000, tzinfo=tzlocal()),
	'updatedAt': datetime.datetime(2025, 7, 30, 12, 1, 43, 741000, tzinfo=tzlocal()),
	'strategies': [
		{
			'strategyId': 'UserPreference-XXXXXXXXXX',
			'name': 'UserPreference',
			'type': 'USER_PREFERENCE',
			'namespaces': ['/users/{actorId}'],
			'createdAt': datetime.datetime(2025, 7, 30, 12, 1, 38, 880000, tzinfo=tzlocal()),
			'updatedAt': datetime.datetime(2025, 7, 30, 12, 1, 43, 741000, tzinfo=tzlocal()),
			'status': 'ACTIVE',
			'memoryStrategyId': 'UserPreference-XXXXXXXXXX',
			'memoryStrategyType': 'USER_PREFERENCE'
		}
	],
	'memoryId': 'MyAgentMemory-aEVzisDCPH',
	'memoryStrategies': [
		{
			'strategyId': 'UserPreference-XXXXXXXXXX',
			'name': 'UserPreference',
			'type': 'USER_PREFERENCE',
			'namespaces': ['/users/{actorId}'],
			'createdAt': datetime.datetime(2025, 7, 30, 12, 1, 38, 880000, tzinfo=tzlocal()),
			'updatedAt': datetime.datetime(2025, 7, 30, 12, 1, 43, 741000, tzinfo=tzlocal()),
			'status': 'ACTIVE',
			'memoryStrategyId': 'UserPreference-XXXXXXXXXX',
			'memoryStrategyType': 'USER_PREFERENCE'
		}
	]
}

あなたの好みを記録させていただきますね。
Tool #1: agent_core_memory
承知いたしました。あなたがベジタリアンで静かな雰囲気のレストランがお好きということを記録しました。今後レストランの提案や食事に関する会話をする際に、この情報を参考にさせていただきますね。

何か他にご質問やお手伝いできることがありましたら、お気軽にお声かけください。
Tool #2: agent_core_memory
イタリアン料理がお食べになりたいのですね！あなたがベジタリアンで静かな雰囲気のレストランがお好みということを考慮すると、以下のようなイタリアン料理がおすすめです：

**ベジタリアン向けイタリアン料理：**
- マルゲリータピザ（トマト、モッツァレラ、バジル）
- ペンネアラビアータ（トマトベースの辛味パスタ）
- リゾット（キノコやほうれん草入り）
- カプレーゼサラダ（トマトとモッツァレラのサラダ）
- ラザニア（野菜やチーズを使ったもの）

静かで落ち着いた雰囲気のイタリアンレストランを探すのがよろしいでしょうね。特定の地域のレストラン情報が必要でしたら、お住まいの地域を教えていただければ、より具体的な提案ができますよ。

何か特定のイタリアン料理で気になるものはありますか？
Tool #3: agent_core_memory
承知いたしました！あなたの希望をまとめると：

**ご希望の条件：**
- ベジタリアン対応
- 静かな雰囲気
- イタリアン料理
- 中程度の価格帯
- ダウンタウン近く

これらの条件に合うレストランを探すのに最適ですね。ダウンタウン周辺には多くのイタリアンレストランがありますが、ベジタリアン向けのメニューが豊富で、落ち着いた雰囲気のお店を選ぶことが重要です。

**おすすめの探し方：**
- レストラン検索サイトで「ベジタリアン対応」「静か」「イタリアン」でフィルター
- 口コミで雰囲気について確認
- 事前に電話でベジタリアンメニューについて問い合わせ

どちらの都市のダウンタウンをお探しでしょうか？具体的な都市名が分かれば、より詳しい提案ができます。
Tool #4: agent_core_memory
ロサンゼルスでしたら素晴らしい選択肢がたくさんありますね！ダウンタウンLAには、あなたの条件に合うイタリアンレストランがいくつかあります。

**ロサンゼルスのダウンタウン周辺でおすすめのイタリアンレストラン：**

1. **Bottega Louie** (Grand Central Market近く)
   - 中程度の価格帯
   - エレガントで落ち着いた雰囲気
   - ベジタリアンパスタやピザが豊富

2. **Bestia** (Arts District)
   - モダンな雰囲気
   - 野菜料理やベジタリアンオプションあり
   - 少し賑やかですが人気店

3. **Republique** (Mid-City、ダウンタウンから少し離れるが価値あり)
   - フレンチ・イタリアン
   - 落ち着いた雰囲気
   - 素晴らしいベジタリアンメニュー

**探すときのポイント：**
- OpenTableやYelpでレビューをチェック
- 予約時にベジタリアンメニューについて確認
- 平日の早めの時間帯は静かな場合が多い

どのエリアが一番アクセスしやすいですか？
Tool #5: agent_core_memory
はい、覚えていますよ！あなたは**イタリアン料理**が食べたいとおっしゃっていました。

具体的には、あなたの希望をまとめると：
- **イタリアン料理**が食べたい
- **ベジタリアン**対応
- **静かな雰囲気**のレストラン
- **中程度の価格帯**
- **ダウンタウン**（ロサンゼルス）の近く

そして、マルゲリータピザやペンネアラビアータ、キノコのリゾットなどのベジタリアン向けイタリアン料理についてもお話ししていましたね。

まだイタリアン料理を食べに行かれていないのでしたら、先ほどご提案したBottega LouieやBestiaなどのレストランはいかがでしょうか？

--------------------
エージェントが持っている会話履歴:
[
	{
		'role': 'user',
		'content': [
			{
				'text': '私はベジタリアンで、静かな雰囲気のレストランが好きです。'
			}
		]
	},
	{
		'role': 'assistant',
		'content': [
			{
				'text': 'あなたの好みを記録させていただきますね。'
			},
			{
				'toolUse': {
					'toolUseId': 'tooluse_LR0V5Ti2T02T57Pi3jJ0_Q',
					'name': 'agent_core_memory',
					'input': {
						'action': 'record',
						'content': 'ユーザーはベジタリアンで、静かな雰囲気のレストランを好む'
					}
				}
			}
		]
	},
	{
		'role': 'user',
		'content': [
			{
				'toolResult': {
					'status': 'success',
					'content': [
						{
							'text': 'Memory created successfully: {"memoryId": "MyAgentMemory-XXXXXXXXXX", "actorId": "CaliforniaPerson", "sessionId": "TalkingAboutFood", "eventId": "0000001753844669000#4ca48d12", "eventTimestamp": "2025-07-30 12:04:29+09:00", "branch": {"name": "main"}}'
						}
					],
					'toolUseId': 'tooluse_LR0V5Ti2T02T57Pi3jJ0_Q'
				}
			}
		]
	},
	{
		'role': 'assistant',
		'content': [
			{
				'text': '承知いたしました。あなたがベジタリアンで静かな雰囲気のレストランがお好きということを記録しました。今後レストランの提案や食事に関する会話をする際に、この情報を参考にさせていただきますね。\n\n何か他にご質問やお手伝いできることがありましたら、お気軽にお声かけください。'
			}
		]
	},
	{
		'role': 'user',
		'content': [
			{
				'text': 'イタリアンの料理が食べたいです。'
			}
		]
	},
	{
		'role': 'assistant',
		'content': [
			{
				'toolUse': {
					'toolUseId': 'tooluse_Qqxt_QXlRvipX6asKR_6aQ',
					'name': 'agent_core_memory',
					'input': {
						'action': 'record',
						'content': 'ユーザーはイタリアン料理が食べたいと希望している'
					}
				}
			}
		]
	},
	{
		'role': 'user',
		'content': [
			{
				'toolResult': {
					'status': 'success',
					'content': [
						{
							'text': 'Memory created successfully: {"memoryId": "MyAgentMemory-XXXXXXXXXX", "actorId": "CaliforniaPerson", "sessionId": "TalkingAboutFood", "eventId": "0000001753844699000#99224dba", "eventTimestamp": "2025-07-30 12:04:59+09:00", "branch": {"name": "main"}}'
						}
					],
					'toolUseId': 'tooluse_Qqxt_QXlRvipX6asKR_6aQ'
				}
			}
		]
	},
	{
		'role': 'assistant',
		'content': [
			{
				'text': 'イタリアン料理がお食べになりたいのですね！あなたがベジタリアンで静かな雰囲気のレストランがお好みということを考慮すると、以下のようなイタリアン料理がおすすめです：\n\n**ベジタリアン向けイタリアン料理：**\n- マルゲリータピザ（トマト、モッツァレラ、バジル）\n- ペンネアラビアータ（トマトベースの辛味パスタ）\n- リゾット（キノコやほうれん草入り）\n- カプレーゼサラダ（トマトとモッツァレラのサラダ）\n- ラザニア（野菜やチーズを使ったもの）\n\n静かで落ち着いた雰囲気のイタリアンレストランを探すのがよろしいでしょうね。特定の地域のレストラン情報が必要でしたら、お住まいの地域を教えていただければ、より具体的な提案ができますよ。\n\n何か特定のイタリアン料理で気になるものはありますか？'
			}
		]
	},
	{
		'role': 'user',
		'content': [
			{
				'text': '値段は中程度で、ダウンタウンの近くがいいです。'
			}
		]
	},
	{
		'role': 'assistant',
		'content': [
			{
				'toolUse': {
					'toolUseId': 'tooluse_MHO0UZzvQSO6_zgnn39aAQ',
					'name': 'agent_core_memory',
					'input': {
						'action': 'record',
						'content': 'ユーザーは中程度の価格帯で、ダウンタウン近くのレストランを希望している'
					}
				}
			}
		]
	},
	{
		'role': 'user',
		'content': [
			{
				'toolResult': {
					'status': 'success',
					'content': [
						{
							'text': 'Memory created successfully: {"memoryId": "MyAgentMemory-XXXXXXXXXX", "actorId": "CaliforniaPerson", "sessionId": "TalkingAboutFood", "eventId": "0000001753844758000#ad614b90", "eventTimestamp": "2025-07-30 12:05:58+09:00", "branch": {"name": "main"}}'
						}
					],
					'toolUseId': 'tooluse_MHO0UZzvQSO6_zgnn39aAQ'
				}
			}
		]
	},
	{
		'role': 'assistant',
		'content': [
			{
				'text': '承知いたしました！あなたの希望をまとめると：\n\n**ご希望の条件：**\n- ベジタリアン対応\n- 静かな雰囲気\n- イタリアン料理\n- 中程度の価格帯\n- ダウンタウン近く\n\nこれらの条件に合うレストランを探すのに最適ですね。ダウンタウン周辺には多くのイタリアンレストランがありますが、ベジタリアン向けのメニューが豊富で、落ち着いた雰囲気のお店を選ぶことが重要です。\n\n**おすすめの探し方：**\n- レストラン検索サイトで「ベジタリアン対応」「静か」「イタリアン」でフィルター\n- 口コミで雰囲気について確認\n- 事前に電話でベジタリアンメニューについて問い合わせ\n\nどちらの都市のダウンタウンをお探しでしょうか？具体的な都市名が分かれば、より詳しい提案ができます。'
			}
		]
	},
	{
		'role': 'user',
		'content': [
			{
				'text': '私はロサンゼルスに住んでいます。'
			}
		]
	},
	{
		'role': 'assistant',
		'content': [
			{
				'toolUse': {
					'toolUseId': 'tooluse_2dHHiqSgTUGQ2H7eow-EAg',
					'name': 'agent_core_memory',
					'input': {
						'action': 'record', 'content': 'ユーザーはロサンゼルスに住んでいる'
					}
				}
			}
		]
	},
	{
		'role': 'user',
		'content': [
			{
				'toolResult': {
					'status': 'success',
					'content': [
						{
							'text': 'Memory created successfully: {"memoryId": "MyAgentMemory-XXXXXXXXXX", "actorId": "CaliforniaPerson", "sessionId": "TalkingAboutFood", "eventId": "0000001753844819000#ac7f451b", "eventTimestamp": "2025-07-30 12:06:59+09:00", "branch": {"name": "main"}}'
						}
					],
					'toolUseId': 'tooluse_2dHHiqSgTUGQ2H7eow-EAg'
				}
			}
		]
	},
	{
		'role': 'assistant',
		'content': [
			{
				'text': 'ロサンゼルスでしたら素晴らしい選択肢がたくさんありますね！ダウンタウンLAには、あなたの条件に合うイタリアンレストランがいくつかあります。\n\n**ロサンゼルスのダウンタウン周辺でおすすめのイタリアンレストラン：**\n\n1. **Bottega Louie** (Grand Central Market近く)\n   - 中程度の価格帯\n   - エレガントで落ち着いた雰囲気\n   - ベジタリアンパスタやピザが豊富\n\n2. **Bestia** (Arts District)\n   - モダンな雰囲気\n   - 野菜料理やベジタリアンオプションあり\n   - 少し賑やかですが人気店\n\n3. **Republique** (Mid-City、ダウンタウンから少し離れるが価値あり)\n   - フレンチ・イタリアン\n   - 落ち着いた雰囲気\n   - 素晴らしいベジタリアンメニュー\n\n**探すときのポイント：**\n- OpenTableやYelpでレビューをチェック\n- 予約時にベジタリアンメニューについて確認\n- 平日の早めの時間帯は静かな場合が多い\n\nどのエリアが一番アクセスしやすいですか？'
			}
		]
	},
	{
		'role': 'user',
		'content': [
			{
				'text': 'どんな料理が食べたかったか、もう忘れちゃったけど、あなたは覚えてる？'
			}
		]
	},
	{
		'role': 'assistant',
		'content': [
			{
				'toolUse': {
					'toolUseId': 'tooluse_M11UQy6sRFaJtbGed2PIpg',
					'name': 'agent_core_memory',
					'input': {
						'action': 'retrieve',
						'query': 'イタリアン料理 食べたい'
					}
				}
			}
		]
	},
	{
		'role': 'user',
		'content': [
			{
				'toolResult': {
					'status': 'success',
					'content': [
						{
							'text': 'Memories retrieved successfully: {"memoryRecordSummaries": [{"memoryRecordId": "mem-c83bdecd-5926-435c-b6b1-dddeedeb50d1", "content": {"text": "{\\"context\\":\\"The assistant mentioned that the user wants to eat Italian cuisine and has shown repeated interest in it\\",\\"preference\\":\\"Enjoys Italian cuisine\\",\\"categories\\":[\\"food\\",\\"cuisine\\"]}"}, "memoryStrategyId": "UserPreference-XXXXXXXXXX", "namespaces": ["/users/CaliforniaPerson"], "createdAt": "2025-07-30 12:06:59+09:00", "score": 0.66473913}, {"memoryRecordId": "mem-438b1d8a-fc1a-4bcc-a150-fae02b4fa00a", "content": {"text": "{\\"context\\":\\"The system mentioned the user\'s dietary preference\\",\\"preference\\":\\"Vegetarian diet\\",\\"categories\\":[\\"food\\",\\"diet\\"]}"}, "memoryStrategyId": "UserPreference-XXXXXXXXXX", "namespaces": ["/users/CaliforniaPerson"], "createdAt": "2025-07-30 12:04:29+09:00", "score": 0.37793505}, {"memoryRecordId": "mem-8c1611dc-5531-4a70-9ad6-174f63ba18ba", "content": {"text": "{\\"context\\":\\"The system noted the user\'s restaurant atmosphere preference\\",\\"preference\\":\\"Prefers quiet restaurant atmosphere\\",\\"categories\\":[\\"dining\\",\\"atmosphere\\",\\"ambiance\\"]}"}, "memoryStrategyId": "UserPreference-XXXXXXXXXX", "namespaces": ["/users/CaliforniaPerson"], "createdAt": "2025-07-30 12:06:59+09:00", "score": 0.3478774}, {"memoryRecordId": "mem-45383b7b-8414-41a4-951b-0a5bcec14c64", "content": {"text": "{\\"context\\":\\"The assistant suggested a restaurant in downtown with a moderate price range, indicating the user\'s current preference\\",\\"preference\\":\\"Prefers mid-range price restaurants near downtown\\",\\"categories\\":[\\"food\\",\\"dining\\",\\"location\\",\\"budget\\"]}"}, "memoryStrategyId": "UserPreference-XXXXXXXXXX", "namespaces": ["/users/CaliforniaPerson"], "createdAt": "2025-07-30 12:06:59+09:00", "score": 0.3472069}]}'
						}
					],
					'toolUseId': 'tooluse_M11UQy6sRFaJtbGed2PIpg'
				}
			}
		]
	},
	{
		'role': 'assistant',
		'content': [
			{
				'text': 'はい、覚えていますよ！あなたは**イタリアン料理**が食べたいとおっしゃっていました。\n\n具体的には、あなたの希望をまとめると：\n- **イタリアン料理**が食べたい\n- **ベジタリアン**対応\n- **静かな雰囲気**のレストラン\n- **中程度の価格帯**\n- **ダウンタウン**（ロサンゼルス）の近く\n\nそして、マルゲリータピザやペンネアラビアータ、キノコのリゾットなどのベジタリアン向けイタリアン料理についてもお話ししていましたね。\n\nまだイタリアン料理を食べに行かれていないのでしたら、先ほどご提案したBottega LouieやBestiaなどのレストランはいかがでしょうか？'
			}
		]
	}
]

--------------------
短期メモリ:
{
	'memoryId': 'MyAgentMemory-XXXXXXXXXX',
	'actorId': 'CaliforniaPerson',
	'sessionId': 'TalkingAboutFood',
	'eventId': '0000001753844819000#ac7f451b',
	'eventTimestamp': datetime.datetime(2025, 7, 30, 12, 6, 59, tzinfo=tzlocal()),
	'payload': [{'conversational': {'content': {'text': 'ユーザーはロサンゼルスに住んでいる'}, 'role': 'ASSISTANT'}}],
	'branch': {'name': 'main'}
}
{
	'memoryId': 'MyAgentMemory-XXXXXXXXXX',
	'actorId': 'CaliforniaPerson',
	'sessionId': 'TalkingAboutFood',
	'eventId': '0000001753844758000#ad614b90',
	'eventTimestamp': datetime.datetime(2025, 7, 30, 12, 5, 58, tzinfo=tzlocal()),
	'payload': [{'conversational': {'content': {'text': 'ユーザーは中程度の価格帯で、ダウンタウン近くのレストランを希望している'}, 'role': 'ASSISTANT'}}], 'branch': {'name': 'main'}
}
{
	'memoryId': 'MyAgentMemory-XXXXXXXXXX',
	'actorId': 'CaliforniaPerson',
	'sessionId': 'TalkingAboutFood',
	'eventId': '0000001753844699000#99224dba',
	'eventTimestamp': datetime.datetime(2025, 7, 30, 12, 4, 59, tzinfo=tzlocal()),
	'payload': [{'conversational': {'content': {'text': 'ユーザーはイタリアン料理が食べたいと希望している'}, 'role': 'ASSISTANT'}}],
	'branch': {'name': 'main'}
}
{
	'memoryId': 'MyAgentMemory-XXXXXXXXXX',
	'actorId': 'CaliforniaPerson',
	'sessionId': 'TalkingAboutFood',
	'eventId': '0000001753844669000#4ca48d12',
	'eventTimestamp': datetime.datetime(2025, 7, 30, 12, 4, 29, tzinfo=tzlocal()),
	'payload': [{'conversational': {'content': {'text': 'ユーザーはベジタリアンで、静かな雰囲気のレストランを好む'}, 'role': 'ASSISTANT'}}],
	'branch': {'name': 'main'}
}

--------------------
長期メモリ（ユーザプリファレンス）:
[
	{
		'memoryRecordId': 'mem-438b1d8a-fc1a-4bcc-a150-fae02b4fa00a',
		'content': {
			'text': '{"context":"The system mentioned the user\'s dietary preference","preference":"Vegetarian diet","categories":["food","diet"]}'
		},
		'memoryStrategyId': 'UserPreference-XXXXXXXXXX',
		'namespaces': ['/users/CaliforniaPerson'],
		'createdAt': datetime.datetime(2025, 7, 30, 12, 4, 29, tzinfo=tzlocal()),
		'score': 0.4038627
	},
	{
		'memoryRecordId': 'mem-8c1611dc-5531-4a70-9ad6-174f63ba18ba',
		'content': {
			'text': '{"context":"The system noted the user\'s restaurant atmosphere preference","preference":"Prefers quiet restaurant atmosphere","categories":["dining","atmosphere","ambiance"]}'
		},
		'memoryStrategyId': 'UserPreference-XXXXXXXXXX',
		'namespaces': ['/users/CaliforniaPerson'],
		'createdAt': datetime.datetime(2025, 7, 30, 12, 6, 59, tzinfo=tzlocal()),
		'score': 0.37398234
	},
	{
		'memoryRecordId': 'mem-c83bdecd-5926-435c-b6b1-dddeedeb50d1',
		'content': {
			'text': '{"context":"The assistant mentioned that the user wants to eat Italian cuisine and has shown repeated interest in it","preference":"Enjoys Italian cuisine","categories":["food","cuisine"]}'
		},
		'memoryStrategyId': 'UserPreference-XXXXXXXXXX',
		'namespaces': ['/users/CaliforniaPerson'],
		'createdAt': datetime.datetime(2025, 7, 30, 12, 6, 59, tzinfo=tzlocal()),
		'score': 0.37103364
	}
]

(method) def list_events(
    memory_id: str,
    actor_id: str,
    session_id: str,
    branch_name: str | None = None,
    include_parent_events: bool = False,
    max_results: int = 100,
    include_payload: bool = True
) -> List[Dict[str, Any]]

セッション内のすべてのイベントをページネーション機能付きで一覧表示します。

このメソッドは生のイベントAPIへの直接アクセスを提供し、開発者が get_last_k_turns のターングループ化ロジックを使用すること無く、すべてのイベントを取得できます。

引数:
    memory_id: メモリリソースID
    actor_id: アクター識別子
    session_id: セッション識別子
    branch_name: イベントをフィルタリングするためのオプションのブランチ名（すべてのブランチを対象とする場合はNone）
    include_parent_events: 親ブランチのイベントを含めるかどうか（branch_nameが指定されている場合のみ適用）
    max_results: 返すイベントの最大数
    include_payload: レスポンスにイベントのペイロードを含めるかどうか

返り値:
    時系列順に並べたイベント辞書の一覧
    
例:
    # 全てのイベントを取得
    events = client.list_events(memory_id, actor_id, session_id)

    # メインブランチのイベントを取得
    main_events = client.list_events(memory_id, actor_id, session_id, branch_name="main")

    # 特定のブランチのイベントを取得
    branch_events = client.list_events(memory_id, actor_id, session_id, branch_name="test-branch")

from strands import Agent
from strands.models import BedrockModel
from strands_tools.agent_core_memory import AgentCoreMemoryToolProvider
import time
from bedrock_agentcore.memory import MemoryClient

client = MemoryClient(region_name="us-east-1")

# 同じユーザ・セッションを使う
actor_id = "CaliforniaPerson"
session_id = "TalkingAboutFood"
# 同じメモリIDを使う
memory_id = "MyAgentMemory-XXXXXXXXXX"

# 短期メモリ
print("短期メモリ:")
conversations = client.list_events(
    memory_id=memory_id,
    actor_id=actor_id,
    session_id=session_id,
    max_results=10,
    include_parent_events=True,
    include_payload=True,
)
for conversation in conversations:
    print(conversation)

短期メモリ:
{
	'memoryId': 'MyAgentMemory-XXXXXXXXXX',
	'actorId': 'CaliforniaPerson',
	'sessionId': 'TalkingAboutFood',
	'eventId': '0000001753844819000#ac7f451b',
	'eventTimestamp': datetime.datetime(2025, 7, 30, 12, 6, 59, tzinfo=tzlocal()),
	'payload': [{'conversational': {'content': {'text': 'ユーザーはロサンゼルスに住んでいる'}, 'role': 'ASSISTANT'}}],
	'branch': {'name': 'main'}
}
{
	'memoryId': 'MyAgentMemory-XXXXXXXXXX',
	'actorId': 'CaliforniaPerson',
	'sessionId': 'TalkingAboutFood',
	'eventId': '0000001753844758000#ad614b90',
	'eventTimestamp': datetime.datetime(2025, 7, 30, 12, 5, 58, tzinfo=tzlocal()),
	'payload': [{'conversational': {'content': {'text': 'ユーザーは中程度の価格帯で、ダウンタウン近くのレストランを希望している'}, 'role': 'ASSISTANT'}}], 'branch': {'name': 'main'}
}
{
	'memoryId': 'MyAgentMemory-XXXXXXXXXX',
	'actorId': 'CaliforniaPerson',
	'sessionId': 'TalkingAboutFood',
	'eventId': '0000001753844699000#99224dba',
	'eventTimestamp': datetime.datetime(2025, 7, 30, 12, 4, 59, tzinfo=tzlocal()),
	'payload': [{'conversational': {'content': {'text': 'ユーザーはイタリアン料理が食べたいと希望している'}, 'role': 'ASSISTANT'}}],
	'branch': {'name': 'main'}
}
{
	'memoryId': 'MyAgentMemory-XXXXXXXXXX',
	'actorId': 'CaliforniaPerson',
	'sessionId': 'TalkingAboutFood',
	'eventId': '0000001753844669000#4ca48d12',
	'eventTimestamp': datetime.datetime(2025, 7, 30, 12, 4, 29, tzinfo=tzlocal()),
	'payload': [{'conversational': {'content': {'text': 'ユーザーはベジタリアンで、静かな雰囲気のレストランを好む'}, 'role': 'ASSISTANT'}}],
	'branch': {'name': 'main'}
}

from strands import Agent
from strands.models import BedrockModel
from strands_tools.agent_core_memory import AgentCoreMemoryToolProvider
import time
from bedrock_agentcore.memory import MemoryClient

client = MemoryClient(region_name="us-east-1")

# 同じユーザ・セッションを使う
actor_id = "CaliforniaPerson"
session_id = "TalkingAboutFood"
# 同じメモリIDを使う
memory_id = "MyAgentMemory-XXXXXXXXXX"

strands_provider = AgentCoreMemoryToolProvider(
    memory_id=memory_id,
    actor_id=actor_id,
    session_id=session_id,
    namespace=f"/users/{actor_id}",
    region="us-east-1"
)

bedrock_model = BedrockModel(
    model_id="us.anthropic.claude-sonnet-4-20250514-v1:0",
    region_name="us-east-1",
)

agent = Agent(
    model=bedrock_model,
    tools=strands_provider.tools
)

agent("さっき教えてくれた、おすすめのイタリアンレストランをもう一度教えて。")

申し訳ございませんが、過去の会話でおすすめしたイタリアンレストランについて記憶を検索してみますね。
Tool #1: agent_core_memory
お探しの具体的なイタリアンレストランの名前については、記憶に詳細な情報が残っていないようです。ただし、あなたがイタリア料理を好まれることと、以下のような好みがあることは覚えています：

- イタリア料理がお好き
- ベジタリアン料理を好まれる
- ダウンタウン近くの中価格帯のレストラン
- 静かな雰囲気のお店

もう一度、より詳しい記憶を検索してみますね。
Tool #2: agent_core_memory
申し訳ございません。私の記憶には具体的なイタリアンレストランの店名が残っていないようです。

もしかすると、以前の会話で具体的な店名をお伝えしていたかもしれませんが、その詳細な情報が記録されていない状態です。

お手数をおかけして申し訳ありませんが、どのような特徴のイタリアンレストランをお探しでしたでしょうか？あなたの好みに合わせて、改めておすすめのお店をご提案させていただきます：

- ベジタリアン料理が充実している
- ダウンタウン近く
- 中価格帯
- 静かな雰囲気

これらの条件に合うお店を探してご提案いたしますが、よろしいでしょうか？

mkdir agentcore-memory-work && $_

docker run --rm \
    -p 8888:8888 \
    -u root \
    -e GRANT_SUDO=yes \
    -v "$(pwd):/home/jovyan/work:cached" \
    -v "$HOME/.aws:/home/jovyan/.aws:cached" \
    quay.io/jupyter/minimal-notebook:latest

curl "https://awscli.amazonaws.com/awscli-exe-linux-aarch64.zip" -o "awscliv2.zip" && \
    unzip awscliv2.zip && \
    sudo ./aws/install --update && \
    rm -rf awscliv2.zip aws/

sudo apt update && sudo apt install -y jq

aws bedrock-runtime converse \
    --model-id 'us.anthropic.claude-3-5-haiku-20241022-v1:0' \
    --messages '[{"role": "user", "content": [{"text": "こんにちは！"}]}]' \
    --region us-east-1 \
    | jq -r .output.message.content[0].text

こんにちは！お手伝いできることがありましたら、お気軽にお聞きください。どんなことでもサポートさせていただきます。

!pip install bedrock-agentcore strands-agents strands-agents-tools

!pip freeze | grep -i agent

bedrock-agentcore==0.1.1
strands-agents==1.1.0
strands-agents-tools==0.2.2

from bedrock_agentcore.memory import MemoryClient
import time

client = MemoryClient(region_name="us-east-1")

actor_id = "user_001"
session_id = "session_001"

memory = client.create_memory_and_wait(
    name="SessionSummaryMemoryTest",
    strategies=[{
        "summaryMemoryStrategy": {
            "name": "SessionSummarizer",
            "namespaces": ["/summaries/{actorId}/{sessionId}"]
        }
    }]
)
memory_id = memory.get("id")
print(memory_id)

SessionSummaryMemoryTest

client.create_event(
    memory_id = memory_id,
    actor_id=actor_id,
    session_id=session_id,
    messages=[
        ("私はベジタリアンで、静かな雰囲気のレストランが好きです。", "USER"), 
        ("それは素敵な好みですね！ベジタリアン対応で、静かで落ち着いた雰囲気のレストランをお探しとのことですが、もう少し詳しく教えていただけますか？", "ASSISTANT"), 
        ("イタリアンの料理が食べたいです。", "USER"), 
        ("ベジタリアン対応で静かな雰囲気のイタリアンレストランをお探しですね。とても素敵な組み合わせです。予算やエリアなどのご希望はありますか？", "ASSISTANT"), 
        ("値段は中程度で、ダウンタウンの近くがいいです。", "USER"), 
        ("ありがとうございます！もしよろしければ、都市名を教えて下さい。それに合わせて具体的なレストランをご紹介いたします！", "ASSISTANT"), 
        ("私はロサンゼルスに住んでいます。", "USER"), 
    ]
)

# 会話から意味のあるメモリを抽出するために、60秒待つ。
time.sleep(60)

import json

conversations = client.list_events(
    memory_id=memory_id,
    actor_id=actor_id,
    session_id=session_id,
    max_results=10,
)

for conversation in conversations:
    for event in conversation["payload"]:
        print(
            event["conversational"]["role"],
            ":",
            event["conversational"]["content"]["text"],
        )

USER : 私はベジタリアンで、静かな雰囲気のレストランが好きです。
ASSISTANT : それは素敵な好みですね！ベジタリアン対応で、静かで落ち着いた雰囲気のレストランをお探しとのことですが、もう少し詳しく教えていただけますか？
USER : イタリアンの料理が食べたいです。
ASSISTANT : ベジタリアン対応で静かな雰囲気のイタリアンレストランをお探しですね。とても素敵な組み合わせです。予算やエリアなどのご希望はありますか？
USER : 値段は中程度で、ダウンタウンの近くがいいです。
ASSISTANT : ありがとうございます！もしよろしければ、都市名を教えて下さい。それに合わせて具体的なレストランをご紹介いたします！
USER : 私はロサンゼルスに住んでいます。

memories = client.retrieve_memories(
    memory_id=memory_id,
    namespace=f"/summaries/{actor_id}/{session_id}",
    query="要約して。"
)

for memory in memories:
    print(memory["content"]["text"])

<summary>
    <topic name="Restaurant Preferences">
        The user is looking for a vegetarian restaurant with a quiet atmosphere. They specifically want Italian cuisine. They prefer a mid-range price point and a location near downtown Los Angeles.
    </topic>
    <topic name="User Location">
        The user lives in Los Angeles.
    </topic>
    <topic name="Conversation Context">
        The assistant is helping the user find a restaurant that matches their preferences. The assistant asked for more details about budget, location preferences, and city to provide specific restaurant recommendations.
    </topic>
</summary>

from bedrock_agentcore.memory import MemoryClient
import time

client = MemoryClient(region_name="us-east-1")

actor_id = "user_001"
session_id = "session_001"

memory = client.create_memory_and_wait(
    name="SemanticMemoryTest",
    strategies=[{
        "semanticMemoryStrategy": {
            "name": "FactExtractor",
            "namespaces": ["/semantic/{actorId}/{sessionId}"]
        }
    }]
)
memory_id = memory.get("id")
print(memory_id)

SemanticMemoryTest-XXXXXXXXXX

client.create_event(
    memory_id = memory_id,
    actor_id=actor_id,
    session_id=session_id,
    messages=[
        ("私はベジタリアンで、静かな雰囲気のレストランが好きです。", "USER"), 
        ("それは素敵な好みですね！ベジタリアン対応で、静かで落ち着いた雰囲気のレストランをお探しとのことですが、もう少し詳しく教えていただけますか？", "ASSISTANT"), 
        ("イタリアンの料理が食べたいです。", "USER"), 
        ("ベジタリアン対応で静かな雰囲気のイタリアンレストランをお探しですね。とても素敵な組み合わせです。予算やエリアなどのご希望はありますか？", "ASSISTANT"), 
        ("値段は中程度で、ダウンタウンの近くがいいです。", "USER"), 
        ("ありがとうございます！もしよろしければ、都市名を教えて下さい。それに合わせて具体的なレストランをご紹介いたします！", "ASSISTANT"), 
        ("私はロサンゼルスに住んでいます。", "USER"), 
    ]
)

time.sleep(60)

import json

conversations = client.list_events(
    memory_id=memory_id,
    actor_id=actor_id,
    session_id=session_id,
    max_results=10,
)

for conversation in conversations:
    for event in conversation["payload"]:
        print(
            event["conversational"]["role"],
            ":",
            event["conversational"]["content"]["text"],
        )

USER : 私はベジタリアンで、静かな雰囲気のレストランが好きです。
ASSISTANT : それは素敵な好みですね！ベジタリアン対応で、静かで落ち着いた雰囲気のレストランをお探しとのことですが、もう少し詳しく教えていただけますか？
USER : イタリアンの料理が食べたいです。
ASSISTANT : ベジタリアン対応で静かな雰囲気のイタリアンレストランをお探しですね。とても素敵な組み合わせです。予算やエリアなどのご希望はありますか？
USER : 値段は中程度で、ダウンタウンの近くがいいです。
ASSISTANT : ありがとうございます！もしよろしければ、都市名を教えて下さい。それに合わせて具体的なレストランをご紹介いたします！
USER : 私はロサンゼルスに住んでいます。

memories = client.retrieve_memories(
    memory_id=memory_id,
    namespace=f"/semantic/{actor_id}/{session_id}",
    query="野菜が食べたい。"
)

for memory in memories:
    print(memory["content"]["text"])

The user likes Italian cuisine and is interested in finding a vegetarian-friendly Italian restaurant.
The user is a vegetarian who enjoys quiet restaurants.
The user lives in Los Angeles and prefers mid-range priced restaurants near downtown.

from bedrock_agentcore.memory import MemoryClient
import time

client = MemoryClient(region_name="us-east-1")

actor_id = "user_001"
session_id = "session_001"

memory = client.create_memory_and_wait(
    name="UserPreferenceMemoryTest",
    strategies=[{
        "userPreferenceMemoryStrategy": {
            "name": "UserPreference",
            "namespaces": ["/preferences/{actorId}"]
        }
    }]
)
memory_id = memory.get("id")
print(memory_id)

UserPreferenceMemoryTest-XXXXXXXXXX

client.create_event(
    memory_id = memory_id,
    actor_id=actor_id,
    session_id=session_id,
    messages=[
        ("私はベジタリアンで、静かな雰囲気のレストランが好きです。", "USER"), 
        ("それは素敵な好みですね！ベジタリアン対応で、静かで落ち着いた雰囲気のレストランをお探しとのことですが、もう少し詳しく教えていただけますか？", "ASSISTANT"), 
        ("イタリアンの料理が食べたいです。", "USER"), 
        ("ベジタリアン対応で静かな雰囲気のイタリアンレストランをお探しですね。とても素敵な組み合わせです。予算やエリアなどのご希望はありますか？", "ASSISTANT"), 
        ("値段は中程度で、ダウンタウンの近くがいいです。", "USER"), 
        ("ありがとうございます！もしよろしければ、都市名を教えて下さい。それに合わせて具体的なレストランをご紹介いたします！", "ASSISTANT"), 
        ("私はロサンゼルスに住んでいます。", "USER"), 
    ]
)

time.sleep(60)

import json

conversations = client.list_events(
    memory_id=memory_id,
    actor_id=actor_id,
    session_id=session_id,
    max_results=10,
)

for conversation in conversations:
    for event in conversation["payload"]:
        print(
            event["conversational"]["role"],
            ":",
            event["conversational"]["content"]["text"],
        )

USER : 私はベジタリアンで、静かな雰囲気のレストランが好きです。
ASSISTANT : それは素敵な好みですね！ベジタリアン対応で、静かで落ち着いた雰囲気のレストランをお探しとのことですが、もう少し詳しく教えていただけますか？
USER : イタリアンの料理が食べたいです。
ASSISTANT : ベジタリアン対応で静かな雰囲気のイタリアンレストランをお探しですね。とても素敵な組み合わせです。予算やエリアなどのご希望はありますか？
USER : 値段は中程度で、ダウンタウンの近くがいいです。
ASSISTANT : ありがとうございます！もしよろしければ、都市名を教えて下さい。それに合わせて具体的なレストランをご紹介いたします！
USER : 私はロサンゼルスに住んでいます。

memories = client.retrieve_memories(
    memory_id=memory_id,
    namespace=f"/preferences/{actor_id}",
    query="ユーザの食べ物の好みは？"
)

for memory in memories:
    print(memory["content"]["text"])

{"context":"User explicitly mentioned being a vegetarian","preference":"Vegetarian diet","categories":["food","diet"]}
{"context":"User mentioned wanting to eat Italian cuisine","preference":"Enjoys Italian food","categories":["food","cuisine"]}
{"context":"User indicated preference for mid-range priced restaurants near downtown","preference":"Prefers mid-range priced restaurants located near downtown","categories":["dining","budget","location"]}

from strands import Agent
from strands.models import BedrockModel
from strands_tools.agent_core_memory import AgentCoreMemoryToolProvider
import time
from bedrock_agentcore.memory import MemoryClient

client = MemoryClient(region_name="us-east-1")

actor_id = "user_001"
session_id = "session_001"

# セッションサマリー
memory = client.create_memory_and_wait(
    name="AgentSessionSummaryMemoryTest",
    strategies=[{
        "summaryMemoryStrategy": {
            "name": "SessionSummarizer",
            "namespaces": ["/users/{actorId}/{sessionId}"]
        }
    }]
)
memory_id = memory.get("id")
print(f"メモリID: {memory_id}")

strands_provider = AgentCoreMemoryToolProvider(
    memory_id=memory_id,
    actor_id=actor_id,
    session_id=session_id,
    namespace=f"/users/{actor_id}/{session_id}",
    region="us-east-1"
)

bedrock_model = BedrockModel(
    model_id="us.anthropic.claude-sonnet-4-20250514-v1:0",
    region_name="us-east-1",
)

agent = Agent(
    model=bedrock_model,
    tools=strands_provider.tools
)

agent("私はベジタリアンで、静かな雰囲気のレストランが好きです。")
agent("イタリアンの料理が食べたいです。")
agent("値段は中程度で、ダウンタウンの近くがいいです。")
agent("私はロサンゼルスに住んでいます。")

print("-" * 20)
print("短期メモリ（エージェントとのやりとりの直後）:")
conversations = client.list_events(
    memory_id=memory_id,
    actor_id=actor_id,
    session_id=session_id,
    max_results=10,
)
for conversation in conversations:
    for event in conversation["payload"]:
        print(
            event["conversational"]["role"],
            ":",
            event["conversational"]["content"]["text"],
        )

time.sleep(60)

print()

# 短期メモリ
print("-" * 20)
print("短期メモリ（60秒経過後）:")
conversations = client.list_events(
    memory_id=memory_id,
    actor_id=actor_id,
    session_id=session_id,
    max_results=10,
)
for conversation in conversations:
    for event in conversation["payload"]:
        print(
            event["conversational"]["role"],
            ":",
            event["conversational"]["content"]["text"],
        )

# 長期メモリ
print("-" * 20)
print("長期メモリ（セッションサマリー）:")
memories = client.retrieve_memories(
    memory_id=memory_id,
    namespace=f"/users/{actor_id}/{session_id}",
    query="要約して"
)
for memory in memories:
    print(memory["content"]["text"])

メモリID: AgentSessionSummaryMemoryTest-AVBzU99si5
承知いたしました。あなたがベジタリアンで、静かな雰囲気のレストランを好まれるということを記録させていただきますね。
Tool #1: agent_core_memory
記録しました！今後レストランをお勧めする際は、ベジタリアン対応メニューがあり、静かで落ち着いた雰囲気のお店を優先してご提案いたします。他にも何かご希望や好みがございましたら、お気軽にお聞かせください。イタリアン料理がお食べになりたいということですね。その情報も記録させていただきます。
Tool #2: agent_core_memory
記録いたしました！あなたの好みを整理すると：
- ベジタリアン対応
- 静かな雰囲気
- イタリアン料理

この条件に合うレストランをお探しでしょうか？具体的な場所や予算、お食事の時間帯などがあれば、より詳しいご提案ができるかもしれません。また、パスタ、ピザ、リゾットなど、特にお好みのイタリアン料理はございますか？値段は中程度で、ダウンタウンの近くをご希望ということですね。その情報も記録させていただきます。
Tool #3: agent_core_memory
承知いたしました！現在までのあなたのご希望をまとめると：

- ベジタリアン対応
- 静かな雰囲気
- イタリアン料理
- 中程度の価格帯
- ダウンタウン近く

これらの条件に合うレストランの情報をお探しいただければと思います。私はレストランの検索機能を持っていないため、具体的なお店をご提案することはできませんが、これらの条件で検索していただくと、きっと素敵なレストランが見つかると思います。

お食事を楽しまれてくださいね！ロサンゼルスにお住まいということですね。その情報も記録させていただきます。
Tool #4: agent_core_memory
ロサンゼルスでしたら、ダウンタウンLAには素晴らしいイタリアンレストランがたくさんありますね！あなたのご希望条件を改めてまとめると：

- ロサンゼルス（ダウンタウン近く）
- ベジタリアン対応
- 静かな雰囲気
- イタリアン料理
- 中程度の価格帯

ロサンゼルスのダウンタウン周辺には、Little Italy地区やArts District、さらにはWest Hollywood方面にも、ベジタリアンメニューが充実した静かなイタリアンレストランが多数あると思います。Yelp や Google Maps などで「vegetarian Italian restaurants downtown LA」で検索されると、きっと理想的なお店が見つかるでしょう。

素敵なお食事をお楽しみください！
--------------------
短期メモリ（エージェントとのやりとりの直後）:
ASSISTANT : ユーザーはロサンゼルスに住んでいる
ASSISTANT : ユーザーは中程度の値段で、ダウンタウンの近くのレストランを希望している
ASSISTANT : ユーザーはイタリアン料理を食べたいと希望している
ASSISTANT : ユーザーはベジタリアンで、静かな雰囲気のレストランを好む

--------------------
短期メモリ（60秒経過後）:
ASSISTANT : ユーザーはロサンゼルスに住んでいる
ASSISTANT : ユーザーは中程度の値段で、ダウンタウンの近くのレストランを希望している
ASSISTANT : ユーザーはイタリアン料理を食べたいと希望している
ASSISTANT : ユーザーはベジタリアンで、静かな雰囲気のレストランを好む
--------------------
長期メモリ（セッションサマリー）:
<summary>
    <topic name="User Preferences">
        The user is a vegetarian and prefers restaurants with a quiet atmosphere as noted on March 30, 2025. The user also wants to eat Italian food, as indicated on March 30, 2025. The user is looking for a restaurant with moderate pricing and located near downtown, as mentioned on March 30, 2025.
    </topic>
    <topic name="User Location">
        The user lives in Los Angeles, as noted on March 30, 2025.
    </topic>
</summary>

from bedrock_agentcore.memory import MemoryClient

client = MemoryClient(region_name="us-east-1")
memory = client.create_memory(name="blob_event_test")

print(f"メモリID: {memory.get('id')}")

メモリID: blob_event_test-XXXXXXXXXX

client.create_blob_event(
    memory_id=memory.get('id'),
    actor_id="user_123",
    session_id="session_123",
    blob_data={"role": "user", "content": "おっはー！。"}
)

conversations = acm_client.list_events(
    memory_id=memory.get('id'),
    actor_id="user_123",
    session_id="session_123",
)
for conversation in conversations:
    print(conversation)

{
    'memoryId': 'blob_event_test-XXXXXXXXXX',
    'actorId': 'user_123',
    'sessionId': 'session_123',
    'eventId': '0000001757603296000#3caf97ab',
    'eventTimestamp': datetime.datetime(2025, 9, 11, 15, 8, 16, tzinfo=tzlocal()),
    'payload': [
        {'blob': '{content=おっはー！。, role=user}'}
    ],
    'branch': {'name': 'main'}
}

from bedrock_agentcore.memory import MemoryClient

client = MemoryClient(region_name="us-east-1")
memory = client.create_memory(name="blob_event_test2")

print(f"メモリID: {memory.get('id')}")

client.create_blob_event(
    memory_id=memory.get('id'),
    actor_id="user_123",
    session_id="session_123",
    blob_data=json.dumps({"role": "user", "content": "おっはー！。"}, ensure_ascii=False)
)

conversations = acm_client.list_events(
    memory_id=memory.get('id'),
    actor_id="user_123",
    session_id="session_123",
)
for conversation in conversations:
    if conversation.get('payload'):
        for event in conversation.get('payload'):
            print(json.loads(event["blob"]))

{'role': 'user', 'content': 'おっはー！。'}

from bedrock_agentcore.memory import MemoryClient
import time

client = MemoryClient(region_name="us-east-1")
memory = client.create_memory(
    name="memory_test",
    strategies=[
        {
            "summaryMemoryStrategy": {
                "name": "SessionSummarizer",
                "namespaces": ["/summaries/{actorId}/{sessionId}"]
            }
        },
        {
            "semanticMemoryStrategy": {
                "name": "FactExtractor",
                "namespaces": ["/semantic/{actorId}/{sessionId}"]
            }
        },
        {
            "userPreferenceMemoryStrategy": {
                "name": "UserPreference",
                "namespaces": ["/preferences/{actorId}"]
            }
        }
    ]
)
print(f"メモリID: {memory.get('id')}")
print("長期メモリ作成中...120秒ほど待ちます")
time.sleep(120)

actor_id = "user_123"

sessions = [
    [
       ("オーダー番号12345について問題があります。", "USER"),
       ("申し訳ありません。そのオーダーについて確認させていただきます。", "ASSISTANT"),
       ("lookup_order(order_id='12345')", "TOOL"),
       (
           "オーダー番号12345の商品は、3日前に発送済みです。どのような問題か、お聞かせいただけますか？",
           "ASSISTANT",
       ),
       ("実は、その前に、メールアドレスの変更もお願いしたいのですが、可能でしょうか？", "USER"),
       (
           "もちろんです。どちらもお任せください。まずはメールアドレスの変更から始めましょう。新しいメールアドレスをお聞かせいただけますか？",
           "ASSISTANT",
       ),
       ("newemail@example.com です。", "USER"),
       ("update_customer_email(old='old@example.com', new='newemail@example.com')", "TOOL"),
       ("メールアドレスの変更が完了しました。それでは、オーダーの問題についてお聞かせいただけますか？", "ASSISTANT"),
       ("商品が破損しています。", "USER"),
    ],
    [
        ("こんにちは！雑談したいです。趣味の話からいいですか？", "USER"),
        ("もちろん！最近ハマっている趣味は何ですか？", "ASSISTANT"),
        ("写真撮影です。休日に街角スナップ撮ってます。", "USER"),
        ("いいですね。写真はフィルムとデジタル、どちらが多いですか？", "ASSISTANT"),
        ("デジタルが多いです。機材は軽めで揃えてます。", "USER"),
        ("機材が軽いのは街スナップに相性抜群です。もし素早く撮るなら、絞り優先とオートISOの組み合わせが扱いやすいですよ。", "ASSISTANT"),
        ("うん、設定は試してみます。構図がマンネリで悩んでます。", "USER"),
        ("マンネリ対策なら、1 被写体との距離を固定、2 片側だけに余白を作る、3 連写ではなく単写で間を置く、の3ステップが簡単です。", "ASSISTANT"),
        ("OK。じゃあ距離固定からやってみます。", "USER"),
    ],
    [
        ("ところで、話題を少し変えてもいいですか？最近の経済が気になっていて、ざっくり教えてほしい。", "USER"),
        ("了解です。初心者向けに超シンプルにまとめます。1 物価は上がりやすい局面が続きがち、2 金利や為替の動きが家計や投資の費用感に影響しやすい、3 企業はコスト上昇と需要の強さのバランスを見ています。", "ASSISTANT"),
        ("OK。物価が上がるとき、個人は何を意識すればいい？", "USER"),
        ("3つだけ。1 固定費の見直し 電気やサブスク、保険など、2 価格が安定しやすい代替品を探す まとめ買いは小さく試す、3 金利動向を気にする 変動ローンや貯蓄の利回りに影響します。必要なら一緒に家計のチェックリスト作ります。どうしますか？", "ASSISTANT"),
        ("チェックリスト欲しい。あと、趣味と経済をつなげる視点ってある？", "USER"),
        ("あります。写真ならレンズやボディの価格は為替や需給で変わりやすいので、1 欲しいモデルを決めて目標価格をメモ、2 セール期と中古相場を毎週1回だけ確認、3 必要性が高い順に購入計画を並べ替える、の手順がおすすめ。ここまで問題なければチェックリストを簡単版で作りますがどうしますか？", "ASSISTANT"),
        ("OK、お願いします。", "USER"),
        ("ミニ家計チェックリスト: 1 今月の固定費一覧化 通信 光熱 サブスク、2 先月比で増えた費目に星マーク、3 必要度A B Cで分類 Aは維持 Bは代替検討 Cは一旦停止、4 欲しい機材は目標価格と購入条件を書く 例えば円安が落ち着いたら など。まずは1から始めましょう。", "ASSISTANT"),
    ],
]

for session_idx, messages in enumerate(sessions, start=1):
    print(f"session_{session_idx}")
    for message_idx, message in enumerate(messages):
        print(message_idx)
        client.create_event(
           memory_id=memory.get('id'),
           actor_id=actor_id,
           session_id=f"session_{session_idx}",
           messages=[message]
        )
        time.sleep(5)

for idx, _ in enumerate(sessions, start=1):
    print(f"===== session_{idx} =====") 
    conversations = client.list_events(
        memory_id=memory.get('id'),
        actor_id=actor_id,
        session_id=f"session_{idx}"
    )

    for conversation in conversations:
       print(conversation["payload"][0]["conversational"]["content"])

===== session_1 =====
{'text': '商品が破損しています。'}
{'text': 'メールアドレスの変更が完了しました。それでは、オーダーの問題についてお聞かせいただけますか？'}
{'text': "update_customer_email(old='old@example.com', new='newemail@example.com')"}
{'text': 'newemail@example.com です。'}
{'text': 'もちろんです。どちらもお任せください。まずはメールアドレスの変更から始めましょう。新しいメールアドレスをお聞かせいただけますか？'}
{'text': '実は、その前に、メールアドレスの変更もお願いしたいのですが、可能でしょうか？'}
{'text': 'オーダー番号12345の商品は、3日前に発送済みです。どのような問題か、お聞かせいただけますか？'}
{'text': "lookup_order(order_id='12345')"}
{'text': '申し訳ありません。そのオーダーについて確認させていただきます。'}
{'text': 'オーダー番号12345について問題があります。'}
===== session_2 =====
{'text': 'OK。じゃあ距離固定からやってみます。'}
{'text': 'マンネリ対策なら、1 被写体との距離を固定、2 片側だけに余白を作る、3 連写ではなく単写で間を置く、の3ステップが簡単です。'}
{'text': 'うん、設定は試してみます。構図がマンネリで悩んでます。'}
{'text': '機材が軽いのは街スナップに相性抜群です。もし素早く撮るなら、絞り優先とオートISOの組み合わせが扱いやすいですよ。'}
{'text': 'デジタルが多いです。機材は軽めで揃えてます。'}
{'text': 'いいですね。写真はフィルムとデジタル、どちらが多いですか？'}
{'text': '写真撮影です。休日に街角スナップ撮ってます。'}
{'text': 'もちろん！最近ハマっている趣味は何ですか？'}
{'text': 'こんにちは！雑談したいです。趣味の話からいいですか？'}
===== session_3 =====
{'text': 'ミニ家計チェックリスト: 1 今月の固定費一覧化 通信 光熱 サブスク、2 先月比で増えた費目に星マーク、3 必要度A B Cで分類 Aは維持 Bは代替検討 Cは一旦停止、4 欲しい機材は目標価格と購入条件を書く 例えば円安が落ち着いたら など。まずは1から始めましょう。'}
{'text': 'OK、お願いします。'}
{'text': 'あります。写真ならレンズやボディの価格は為替や需給で変わりやすいので、1 欲しいモデルを決めて目標価格をメモ、2 セール期と中古相場を毎週1回だけ確認、3 必要性が高い順に購入計画を並べ替える、の手順がおすすめ。ここまで問題なければチェックリストを簡単版で作りますがどうしますか？'}
{'text': 'チェックリスト欲しい。あと、趣味と経済をつなげる視点ってある？'}
{'text': '3つだけ。1 固定費の見直し 電気やサブスク、保険など、2 価格が安定しやすい代替品を探す まとめ買いは小さく試す、3 金利動向を気にする 変動ローンや貯蓄の利回りに影響します。必要なら一緒に家計のチェックリスト作ります。どうしますか？'}
{'text': 'OK。物価が上がるとき、個人は何を意識すればいい？'}
{'text': '了解です。初心者向けに超シンプルにまとめます。1 物価は上がりやすい局面が続きがち、2 金利や為替の動きが家計や投資の費用感に影響しやすい、3 企業はコスト上昇と需要の強さのバランスを見ています。'}
{'text': 'ところで、話題を少し変えてもいいですか？最近の経済が気になっていて、ざっくり教えてほしい。'}

actor_id = "user_123"

for idx, _ in enumerate(sessions, start=1):
    print(f"===== session_{idx} =====") 
    memories = client.retrieve_memories(
        memory_id=memory.get('id'),
        namespace=f"/semantic/user_123/session_{idx}",
        query="趣味は何？",
        top_k=2
    )
    
    for mem in memories:
        print("-", mem["content"]["text"])

===== session_1 =====
- The user reported damage to their order with order number 12345.
- The user has changed their email address to newemail@example.com.
===== session_2 =====
- 写真撮影を趣味としており、休日に街角スナップを撮影している。主にデジタルカメラを使用し、機材は軽めに揃えている。
===== session_3 =====
- ユーザーは写真が趣味であり、写真機材の購入を経済的な観点から計画的に検討している。
- ユーザーは経済状況と個人の家計に関心があり、物価上昇や経済トレンドについて理解を深めたいと考えている。

memories = client.retrieve_memories(
    memory_id=memory.get('id'),
    namespace=f"/semantic/{actor_id}/",
    query="趣味は何？",
    top_k=2
)

for mem in memories:
    print("-", mem["content"]["text"])

- The user reported damage to their order with order number 12345.
- ユーザーは写真が趣味であり、写真機材の購入を経済的な観点から計画的に検討している。

actor_id = "user_123"

messages_2 = [
   ("商品番号12345を注文したいです。", "USER"),
   ("はい、ありがとうございます。商品番号12345、ノートパソコンですね。それでは配送先をお伝え下さい。", "ASSISTANT"),
   ("兵庫県神戸市中央区波止場町5-5 です。", "USER"),  # ダミーの住所（神戸ポートタワー）
   ("ありがとうございます。次にお客様のお名前とお電話番号をいただけますでしょうか？", "ASSISTANT"),
   ("山田太郎です。電話番号は03-1234-5678です", "USER"),
]

for m in messages_2:
    client.create_event(
        memory_id=memory.get('id'),
        actor_id=actor_id,
        session_id="pii_session",
        messages=[m]
    )
    time.sleep(5)

conversations = client.list_events(
    memory_id=memory.get('id'),
    actor_id=actor_id,
    session_id="pii_session",
    max_results=10,
)

for conversation in conversations:
   print(conversation)

memories = client.retrieve_memories(
    memory_id=memory.get('id'),
    namespace=f"/semantic/{actor_id}/pii_session",
    query="配送先はどこ",
)

for mem in memories:
    print("-", mem["content"]["text"])

- ユーザーは商品番号12345のノートパソコンを注文した。
- ユーザーの電話番号は03-1234-5678である。
- ユーザーの名前は山田太郎である。

    <topic name="注文情報">
        顧客が商品番号12345（ノートパソコン）を注文したいと連絡。
    </topic>
    <topic name="配送情報">
        配送先住所：兵庫県神戸市中央区波止場町5-5
        顧客氏名：山田太郎
        電話番号：03-1234-5678
    </topic>

actor_id = "user_123"

messages_2 = [
   ("商品番号12345を注文したいです。", "USER"),
   ("はい、ありがとうございます。商品番号12345、ノートパソコンですね。それでは配送先をお伝え下さい。", "ASSISTANT"),
   ("兵庫県神戸市中央区波止場町5-5 です。", "USER"),
   ("ありがとうございます。次にお客様のお名前とお電話番号をいただけますでしょうか？", "ASSISTANT"),
   ("山田太郎です。電話番号は03-1234-5678です", "USER"),
]

client.create_event(
    memory_id=memory.get('id'),
    actor_id=actor_id,
    session_id="pii_session2",  # 別のセッション
    messages=messages_2
)

memories = client.retrieve_memories(
    memory_id=memory.get('id'),
    namespace=f"/semantic/{actor_id}/pii_session2",
    query="配送先はどこ",
)

for mem in memories:
    print("-", mem["content"]["text"])

- 山田太郎の電話番号は03-1234-5678である。
- 山田太郎は商品番号12345のノートパソコンを注文した。
- 山田太郎は兵庫県神戸市中央区波止場町5-5に居住している。