メモリは、基礎モデルに基づくエージェントにおける中心的な能力として浮上し、今後もその地位を維持するものと考えられる。エージェントのメモリに関する研究が急速に拡大し、かつてないほど注目を集めている一方で、この分野はますます断片化している。現在、エージェントメモリという枠組みに含まれる既存の研究は、その動機づけ、実装方法、評価プロトコルにおいて大きく異なっている。さらに、曖昧に定義されたメモリ関連用語の氾濫により、概念的な明確性はますます損なわれている。従来の分類法である「長期記憶／短期記憶」といった枠組みでは、現代のエージェントメモリシステムの多様性を十分に捉えることはできていない。本研究は、現在のエージェントメモリ研究の最新動向を包括的に把握することを目的とする。まず、エージェントメモリの範囲を明確に定義し、大規模言語モデル（LLM）のメモリ、リトリーブ増強生成（RAG）、コンテキスト設計といった関連概念との違いを明確に区別する。次に、メモリの「形態」「機能」「動態」という統一的な視点から、エージェントメモリを分析する。形態の観点からは、トークンレベル、パラメトリック、潜在（latent）の3つの主要な実現形態を同定する。機能の観点からは、事実記憶、経験記憶、作業記憶を区別するより細かい分類体系を提案する。動態の観点からは、メモリが時間とともにどのように形成され、進化し、参照されるかを分析する。実践的な開発支援の観点から、メモリベンチマークおよびオープンソースフレームワークの包括的まとめも提供する。さらに、統合の枠を超えて、メモリの自動化、強化学習との統合、マルチモーダルメモリ、マルチエージェントメモリ、信頼性に関する課題といった、新たな研究フロンティアについて展望する。本調査が、既存研究の参考となるだけでなく、将来のエージェンティックインテリジェンス設計において、メモリを第一級の基本構成要素として再考するための概念的基盤となることを期待する。