Agent Memory 종합 리서치¶
AI agent memory의 분류, 아키텍처, 검색, 프레임워크와 운영 평가를 종합합니다.
자체 에이전트 프레임워크로 B2C 서비스 에이전트를 운영하는 개발 조직을 대상으로, 메모리를 정교화해 실시간 추천과 개인 맞춤 구매 유도 메시지를 제공하기 위한 리서치 결과물이다.
30초 요약¶
| # | 핵심 결론 |
|---|---|
| 1 | 읽기(실시간)와 쓰기(비동기)를 완전히 분리한다. LLM을 쓰는 extraction·consolidation·routing은 전부 비동기로. 실시간 경로의 LLM 호출은 응답 생성 1회만 |
| 2 | Retention을 메모리 유형별로 분리한다. 약정·호환 조건은 pinned, 세션 의도는 half-life 수십 분, 취향은 90~180일 |
| 3 | constraint는 랭킹 가중치가 아니라 하드 필터다. 커머스 메모리 설계에서 가장 흔한 실패 지점 |
| 4 | Dual-Store에서 시작한다. Redis(세션) + PostgreSQL/pgvector(프로필)로 개인화의 대부분을 커버. Full Cognitive는 오버엔지니어링 위험이 가장 큰 패턴 |
| 5 | 대화만이 메모리 입력이 아니다. 조회·장바구니·구매·반품이 커머스에서는 대화보다 강한 신호 |
| 6 | 평가 하네스를 먼저 만든다. baseline 없이는 이후 모든 최적화가 추측이 된다 |
다이어그램¶
| 파일 | 내용 |
|---|---|
| images/01-memory-taxonomy.svg | 6패밀리 30기법 전체 지도 |
| images/02-architecture-patterns.svg | 5가지 아키텍처 패턴 비교 |
| images/03-memory-pipeline.svg | 쓰기 경로 / 읽기 경로 분리 |
| images/04-production-tiers.svg | 프로덕션 계층 저장 + 가드레일 |
| images/05-commerce-blueprint.svg | B2C 커머스 메모리 블루프린트 |
목적별 빠른 경로¶
이관 전 문서별 상세 읽기 목표와 대상 독자는 원문 독자 지도에 역사적 기록으로 보존한다.
시간이 없다면 → 06. 커머스 적용 설계 만 읽는다. 나머지 문서의 결론이 여기 수렴한다.
설계를 시작한다면
구현에 들어간다면
Phase 요약¶
| Phase | 내용 | 산출물 |
|---|---|---|
| 0 | 평가 하네스 + baseline + 이벤트 스키마 + PII·동의 게이트 | 측정 가능한 상태 |
| 1 | Dual-Store (Redis + pgvector), 비동기 추출, hybrid search, constraint 하드 필터, 기본 로깅 | 되묻지 않는 에이전트 |
| 2 | Temporal Memory, Episodes, Consolidation, Decay, 개인화 강도 L1~L4 | 의도와 취향을 구분하는 추천 |
| 3 | HOT/WARM 티어링, Structured RAG, Product Graph, 관측성 | 규모에서의 지연·비용 통제 |
| 4 | Memory Routing, Procedural, Self-Reflection, COLD 아카이브 | 선택적 고도화 |
상세는 06. 커머스 적용 설계 §10 참조.
참고 자료¶
1차 자료 — 이 리서치가 직접 기반한 문서¶
| # | 자료 | 내용 |
|---|---|---|
| 1 | Microsoft — ai-agents-for-beginners / 13-agent-memory | 메모리 유형 정의, Structured RAG, self-improving 패턴 |
| 2 | NirDiamant — Agent Memory Techniques | 30기법 / 6패밀리, 아키텍처 패턴 · 비교 매트릭스 |
근거 문헌 — 본문 개념·수치의 원 출처¶
| # | 논문 | 본문에서 근거로 쓰인 부분 |
|---|---|---|
| 3 | MemGPT: Towards LLMs as Operating Systems (arXiv:2310.08560) | Tiered / Full Cognitive 패턴, core·recall·archival 3계층 |
| 4 | Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory (arXiv:2504.19413) | extraction → update 2단계 파이프라인, 비동기 처리의 지연·비용 효과 |
| 5 | Zep: A Temporal Knowledge Graph Architecture for Agent Memory (arXiv:2501.13956) | Graph-Augmented 패턴, Graphiti 시간 인식 그래프 |
| 6 | MemoryBank: Enhancing LLMs with Long-Term Memory (arXiv:2305.10250) | Ebbinghaus 망각 곡선 기반 decay와 접근 시 reinforcement |
| 7 | Generative Agents: Interactive Simulacra of Human Behavior (arXiv:2304.03442) | memory stream, reflection, 최신성·중요도·관련도 3축 스코어링 |
| 8 | GraphRAG (arXiv:2404.16130) | 엔티티 그래프 인덱스 + 커뮤니티 요약 |
| 9 | HyDE (arXiv:2212.10496) | 가상 답변 생성 기반 쿼리 변환과 그 위험 |
| 10 | LoCoMo (arXiv:2402.17753) · LongMemEval (arXiv:2410.10813) | 표준 벤치마크의 구성과 한계 |
| 11 | A Survey on the Memory Mechanism of LLM based Agents (arXiv:2404.13501) | 학술적 분류 체계 · 정리 저장소 |
| 12 | GDPR Article 17 — Right to erasure | 전 계층 삭제 요구사항 |
자료 활용 원칙. 문서 본문의 서술은 1차 자료 2건을 기준으로 구성했고, 그 안에서 언급되거나 개념의 출처가 되는 논문을 확인해 근거 문헌으로 분리했다. 표의 모든 링크는 실제 접속해 제목·저자·연도를 확인했다. 다만 RRF(SIGIR 2009)와 MMR(SIGIR 1998)은 ACM DL 유료 문헌이라 03. 파이프라인과 검색에 서지 정보만 표기했다.
문서별 상세 참고 자료는 각 문서 하단에 있다.