AI
에이전트 메모리를 구성하는 요소
The components of agent memory
두줄요약
Claude의 에이전트 메모리를 로그 정리와 중요도 판단으로 구성하는 방식을 살펴봤습니다. 검증된 규칙 중심의 작은 메모리가 장기 과제 수행에 유리했음을 보여줍니다.
핵심 발표
- Claude의 세션 간 경험 보존을 위한 에이전트 메모리 설계와 평가 사례 소개
- 로그를 오프라인 상태에서 재검토·정리하는 ‘dreaming’ 방식 활용
연구 방법·결과
- CL-Bench 1.0 데이터베이스 과제에서 Claude Opus 5, Claude Opus 5.5, Claude Sonnet 5.5의 검증된 규칙 기반 학습 루프 관찰
- Pokémon Red 평가에서 Claude Fable 5의 소규모 전략·계획 중심 메모리와 4개 배지 획득 사례
- Claude Sonnet 3.7의 413개 파일·225개 폴더 기록과 1개 배지 획득 사례
개발자 영향
- 현재 화면에서 확인 가능한 상태보다 전략, 계획, 검증된 규칙처럼 재구성하기 어려운 정보의 저장 필요
- 강한 모델에서는 고정된 기록 규칙보다 모델의 중요도 판단에 맡기는 방식의 높은 효과
- 이전 모델에서는 메모리 사전 읽기와 가설 검증 지시를 통한 벤치마크 점수 향상
한계·주의점
- 모든 정보를 기록하는 방식의 빠른 최신성 저하와 메모리 탐색 비용 증가
- ‘실패만 기록’ 규칙 적용 시 Opus 5와 Opus 4.7의 메모리 성능 향상폭 감소
