Agent Memory System (에이전트 메모리 시스템)

📌 Brief Summary

Agent Memory System은 에이전트가 런타임 중에 획득한 정보, 사용자의 선호도, 현재 작업의 상태, 그리고 과거의 성공/실패 경험을 체계적으로 저장하고 관리하는 다층 메모리 아키텍처이다. 메모리 시스템은 에이전트가 단기적인 문맥 유지(Context)를 넘어, 장기적인 학습과 성장을 가능하게 하는 핵심 지식 기반(Knowledge Base) 역할을 한다.

📖 Core Content

다층 메모리 구조 (Layered Memory):
- Short-Term Memory (STM): 현재 턴과 직전 요청의 핵심 제약사항을 유지. (RAM 역할)
- Working Task Memory (WTM): 활성화된 미션의 목표, 진행 단계, 추출된 증거를 관리.
- Long-Term Memory (LTM): 사용자 선호, 프로젝트 규칙, 반복되는 설계 철학을 영구 보존. (Disk 역할)
- Evidence Memory (EM): 실제 읽은 파일, 실행 로그 등 검증된 사실만을 격리 저장.
워크플로우 메모리 (AWM): 개별 에이전트의 기억을 넘어, 여러 에이전트가 협업하는 워크플로우 전체의 상태와 결과물을 공유하고 동기화한다.
추론 결합 지속성 (Inference-Coupled Persistence): 모델이 작업을 마친 후 스스로 성공 여부를 분석하고, 향후 재사용 가능한 '스킬'이나 '에피소드'로 요약하여 저장소에 기록한다.
메모리 인덱싱 및 검색 (RAG): 방대한 메모리 중 현재 작업에 가장 관련성 높은 정보를 벡터 검색(Vector Search)이나 키워드 검색을 통해 컨텍스트에 주입한다.
망각 및 정제 (Compaction): 오래되거나 가치가 낮은 정보를 삭제하거나 압축하여 메모리 블로트(Memory Bloat)를 방지하고 검색 효율을 높인다.

⚖️ Trade-offs & Caveats

메모리 중독 (Memory Poisoning): 잘못된 정보나 악의적인 데이터가 메모리에 기록될 경우, 이후 모든 세션의 판단에 악영향을 미칠 수 있다.
검색 노이즈: 메모리가 너무 커지면 관련 없는 정보가 검색되어 모델의 컨텍스트를 오염시킬 수 있다.
동기화 오버헤드: 여러 에이전트나 세션 간에 메모리를 실시간으로 동기화하는 과정에서 성능 저하와 데이터 충돌이 발생할 수 있다.

🔗 Knowledge Connections

Inference-Coupled Persistence
- 연결 이유: 메모리를 생성하고 영구화하는 핵심 기전이다.
S-component (State Store)
- 연결 이유: 메모리 시스템이 실제로 데이터를 저장하는 하네스의 구성 요소이다.
Context Engineering
- 연결 이유: 저장된 메모리 중 어떤 정보를 컨텍스트에 넣을지 결정하는 전략이다.

Deeper Research Questions

에이전트가 자신의 실수를 분석하여 '부정적 지식(Negative Knowledge)'을 메모리에 저장하고 이를 회피하는 로직은 어떻게 설계해야 하는가?
메모리의 신뢰도(Confidence Score)를 실시간으로 업데이트하여, 시간이 지남에 따라 정보의 가중치를 조절하는 알고리즘은 무엇인가?
메모리에 저장된 지식이 최신 프로젝트 상태와 충돌할 때(Obsolescence), 이를 자동으로 감지하고 폐기하는 메커니즘은 무엇인가?

Practical Application Contexts

Implementation: VS Code 확장 프로그램에서 세션 종료 시 현재 작업의 핵심 결과를 AgentMemoryState 객체로 직렬화하여 로컬 파일에 저장하고, 재시작 시 이를 복구한다.
System Design: 에이전트 간 메모리 공유를 위해 중앙 집중형 벡터 DB를 구축하고, 각 에이전트가 공유된 지식 베이스 위에서 독립적으로 사고하도록 설계한다.

Last updated: 2026-05-01

4.0 KiB Raw Blame History