여러 AI 에이전트가 함께 쓰는 장기 메모리의 장단점
개인용 를 만들 때 가장 큰 불편 중 하나는 세션이 바뀔 때마다 같은 배경 정보, 프로젝트 내용, 선호도를 다시 넣어야 한다는 점이다. 이렇게 반복 입력이 많아지면 자동화의 이점이 줄고, 불필요한 토큰 사용도 늘어난다. 사용자 지정 GPT의 은 가벼운 용도에는 쓸 만하지만, 에 가까워지면 이전 정보를 제대로 유지하지 못할 수 있다.
Mem 같은 노트 도구는 정보를 저장하는 데는 강하지만, 저장된 내용을 에이전트가 실제 행동에 잘 활용하지 못하는 한계가 있다. Open Campus의 에이전트 구성은 여러 개의 작은 에이전트가 각자 따로 기억하는 대신 하나의 을 함께 쓰는 방식이라, 이력서 에이전트와 계획 에이전트가 같은 사용자 이력을 바탕으로 작동할 수 있다. 이 구성은 Animoca Minds 위에 만들어진 것으로 언급된다.
다만 공유 메모리는 두 에이전트가 서로 다른 사실을 갖고 있을 때 어느 쪽이 맞는지 조정하기 어렵다는 문제가 있다.
핵심 포인트
- 세션마다 사용자 배경과 프로젝트 정보를 다시 입력하는 것은 자동화 효율을 떨어뜨리고 토큰을 낭비한다.
- 사용자 지정 GPT의 은 가벼운 용도에는 쓸 만하지만 에 영향을 받을 수 있다.
- Mem 같은 노트 도구는 저장에는 강하지만 에이전트가 행동에 활용하는 데는 한계가 있다.
- 여러 에이전트가 하나의 을 공유하면 같은 사용자 이력을 함께 활용할 수 있다.
- 공유 메모리에서는 서로 다른 사실이 저장될 때 충돌을 해결하는 방식이 중요하다.