Antigravity Agent
3.5 KiB
3.5 KiB
Agent Context & Memory Management (에이전트 컨텍스트 및 메모리 관리)
📌 Brief Summary
에이전트 컨텍스트 및 메모리 관리는 제한된 토큰 윈도우 내에서 에이전트(LLM)가 작업의 일관성을 유지하고, 과거의 경험과 외부 지식을 효율적으로 활용할 수 있도록 돕는 핵심 메커니즘이다 [1, 2]. 이는 단순한 데이터 주입을 넘어, 컨텍스트의 압축, 부패 방지, 그리고 동적인 메타데이터 관리를 포함하는 고도의 엔지니어링 영역이다 [3, 4].
📖 Core Content
1. 컨텍스트 엔지니어링 및 최적화
- 컨텍스트 조립 (Context Assembly): 액티브 메타데이터(Active Metadata)를 기반으로 현재 작업에 가장 관련성 높은 정보를 동적으로 선별하여 주입 [3, 5].
- 컨텍스트 압축 (Context Compression): 정보의 밀도를 유지하면서 토큰 사용량을 줄이는 기술. 요약(Summarization) 또는 소프트 프롬프트 압축 기술이 활용된다 [8, 9].
- 데이터 계약 (Data Contracts): 컨텍스트 주입 전 스키마 안정성을 검증하여 스키마 드리프트(Schema Drift)로 인한 에이전트의 오작동을 방어한다 [10].
2. 메모리 아키텍처 (Memory Layering)
- 단기 메모리 (Short-term/Working Memory): 현재 세션의 트레이스와 중간 결과물을 저장. 주로 벡터 DB나 로컬 캐시를 활용한다 [11].
- 장기 메모리 (Long-term/Episodic Memory): 과거의 성공/실패 사례와 지식을 보관. 에이전트가 시간이 지날수록 학습하고 발전하는 기반이 된다 [12].
- 상태 보존 (Checkpointing): 긴 실행 시간을 요구하는 딥 에이전트(Deep Agents)의 경우, 각 단계별 상태를 체크포인트로 저장하여 오류 발생 시 복구 지점을 제공한다 [11, 14].
3. 컨텍스트 품질 관리
- 컨텍스트 부패 (Context Rot) 방지: 다단계 작업 중 발생하는 정보 누락과 출처(Provenance) 손실을 막기 위해 원본 리니지 정보를 메타데이터로 유지한다 [20].
- 최신성(Recency) 및 신뢰성 검증: 주입되는 데이터가 최신 인증 상태(Certification Status)인지 확인하여 오래된 정보로 인한 환각을 차단한다 [1, 7].
⚖️ Trade-offs & Caveats
- 압축 vs 정보 손실: 컨텍스트를 과도하게 압축할 경우 중요한 세부 사항이나 데이터 간의 미묘한 관계가 소실될 수 있다 [21].
- 메모리 관리 비용: 복잡한 메모리 레이어링과 체크포인팅 시스템 구축은 인프라 자원과 운영 리소스를 추가로 요구한다 [22].
🔗 Knowledge Connections
Related Concepts
- Agent Harness (에이전트 하네스): 하네스의 C-component와 S-component가 이 메모리 관리 기능을 수행하는 물리적 주체이다.
- AI Reasoning & Retrieval Architectures (AI 추론 및 검색 아키텍처): 저장된 메모리와 외부 지식을 어떻게 효과적으로 검색하고 추론에 활용할 것인가를 다룬다.
Practical Application Contexts
- Long-running Tasks: 수일간 지속되는 프로젝트형 작업에서는 체크포인팅과 액티브 메타데이터 관리를 통해 에이전트의 '기억 상실'을 방지한다.
- Quality Assurance: 데이터 계약과 리니지 추적을 결합하여 에이전트가 생성한 결과물의 데이터 소스가 신뢰할 수 있는지 상시 검증한다.
Last updated: 2026-05-05