AI 에이전트 메모리는 모델의 즉각적 응답을 넘어 필요한 정보를 저장·조직·검색하는 시스템으로, 모델의 컨텍스트 윈도우와는 다른 개념이다. 메모리는 크게 현재 작업 상태를 담는 워킹(단기) 메모리, 과거 사건과 결과를 기록하는 에피소드 메모리, 사실과 개념을 저장하는 시맨틱 메모리, 작업 수행 방식을 담는 절차 메모리로 나뉘며, 각 기록에는 출처·시점·권한 정보가 필요하다. 검색은 벡터 유사도만으로는 부족하며 최신성·중요도·권한·범위·다양성 등 여러 신호를 결합해야 신뢰할 수 있다. 흔한 실패 유형으로는 오래된 사실이 최신 값을 덮어쓰는 부실화, 모델의 추론을 확정 사실처럼 저장하는 허위기억, 유사하지만 무관한 기록으로 인한 검색 잡음, 사용자 간 기록 누출, 악의적 콘텐츠 주입 등이 꼽힌다. 대부분의 에이전트 메모리는 모델 가중치를 바꾸지 않고 런타임에 공급되는 외부 정보이므로, 학습·파인튜닝과 달리 언제든 수정하거나 삭제할 수 있다는 것이 핵심 이점이다.
- •AI 에이전트 메모리는 워킹·에피소드·시맨틱·절차 메모리 4가지로 구분되는 검색·거버넌스 아키텍처
- •컸텍스트 윈도우와 달리 메모리는 무엇을, 얼마나, 누구의 권한으로 저장할지 결정하는 시스템
- •신뢰할 검색은 벡터 유사도 외에 최신성·중요도·권한·범위·다양성 신호를 함께 고려해야 함
- •흔한 실패로 부실화·허위기억·검색잡음·사용자 간 누출·악의적 콘텐츠 주입(poisoning) 등이 있음
- •대부분의 메모리는 모델 가중치를 바꾸지 않는 외부 정보라 학습 없이 수정·삭제 가능
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
What Is AI Agent Memory? Short-Term, Long-Term, Episodic, and Semantic Memory Explained
- 1.에이전트 메모리를 작업기억·일화기억·의미기억·절차기억 4가지로 분류하고 각 역할과 저장 구조를 정리했다
- 2.MemGPT의 OS식 계층 메모리와 Generative Agents의 관찰-회상-성찰 구조를 대표 아키텍처 사례로 소개한다
- 3.검색 시 의미적 관련성뿐 아니라 최신성·중요도·권한 범위·다양성까지 함께 반영해야 신뢰할 수 있다고 강조한다
- 4.오래된 사실 재사용, 모델 추론의 사실화, 사용자 간 정보 유출(포이즈닝 포함)을 7대 실패 유형으로 제시한다
왜 중요한가?
컨텍스트 창을 늘리는 것만으로는 해결되지 않는 장기 실행 에이전트의 메모리 설계 문제(정보 신선도·권한 관리·환각 방지)를 구조화해, 개인화 기능이나 멀티턴 에이전트를 만드는 개발팀에 실무 체크리스트를 제공한다.
언급 프로젝트
본문 미리보기
Agent memory is not one database or an endlessly growing prompt. It is a designed system for retaining working context, episodes, facts, and learned procedures—and retrieving the right information at the right time.
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:53AI 초안
