AI 메모리 블라인드 스팟 해결: 에이전트를 위한 생물학적 영감 기반 지속 메모리

대부분의 AI 에이전트에게 메모리는 이진 상태이다: 사실이 현재 컨텍스트 윈도우에 있거나, 무상태 세션의 공허 속으로 사라진다. Retrieval-Augmented Generation (RAG)과 벡터 데이터베이스가 이 격차를 메우려 했지만, 종종 “블라인드 스팟”에 시달린다—벡터 공간에서 높은 코사인 유사성을 공유하지 않는 관련 사실들을 연결하지 못한다.

YourMemory는 지속 메모리를 위한 생물학적 영감을 받은 접근 방식을 도입한다. 의미론적 벡터 검색을 그래프 기반 확장 레이어와 Ebbinghaus 망각 곡선에 기반한 감쇠 메커니즘과 결합함으로써, 단순히 데이터를 저장하는 것이 아니라 인간 뇌가 정보를 관리하듯 유용한 컨텍스트를 강화하고 오래된 정보를 정리하는 메모리 시스템을 만든다.

아키텍처: 세 가지 지능 레이어

YourMemory는 "flat RAG"를 넘어, 실제 정보가 에이전트에 의해 사용되는 미묘함을 처리하도록 설계된 3단계 엔진을 구현한다.

1. 의미론적 벡터 검색

이는 검색의 첫 번째 단계이다. 표준 벡터 검색을 사용해 현재 질의와 가장 관련성이 높은 메모리를 찾는다. 빠르고 정확하지만, 이 레이어는 어휘에 제한을 받는다; 질의와 메모리가 관련은 하지만 표현이 다르면 벡터 검색이 이를 놓칠 수 있다.

2. 그래프 기반 컨텍스트 확장

“블라인드 스팟”을 해결하기 위해 YourMemory는 그래프 레이어를 사용한다. 초기 벡터 검색 후, 시스템은 그래프를 통해 관련 메모리를 찾아내는 두 번째 단계를 수행한다.

이는 특히 “브리지 질문”에 중요하다—Fact A가 Fact B로 이어지지만 Fact B가 원래 질의와 거의 의미적 유사성을 공유하지 않을 때. spaCy NER(Named Entity Recognition)을 사용해 동일한 명명된 엔터티를 공유하는 메모리를 연결함으로써, YourMemory는 이러한 엣지를 따라가 퍼즐의 누락된 조각을 찾을 수 있다.

3. 생물학적 영감 기반 정리 (Ebbinghaus 감쇠)

모든 메모리가 동일하게 생성되는 것은 아니다. YourMemory는 Ebbinghaus 망각 곡선을 구현해 메모리가 “우아하게 노화”하도록 한다.

  • 자연 감쇠: 일시적인 컨텍스트는 시간이 지나면서 사라지고, 중요한 사실은 지속된다.
  • 리콜 전파: 메모리가 회상될 때마다, 그래프 내 연결된 이웃들이 “신선도 상승”을 받는다. 이는 관련 메모리 클러스터가 많이 사용될수록 전체 그룹이 더 오래 살아남는다는 의미다.
  • 연쇄 인식 정리: 메모리를 삭제하기 전에 시스템은 이웃을 확인한다. 연결된 사실이 여전히 관련 있으면 클러스터를 보존해 “고아” 사실이 생성되는 것을 방지한다.

“블라인드 스팟” 벤치마킹

이 접근 방식을 검증하기 위해 YourMemory는 여러 공개 데이터셋에 대해 테스트했으며, 전통적인 유사도 기반 검색에 비해 명확한 이점을 보여주었다.

다중 홉 추론 (HotpotQA)

HotpotQA 디스트랙터 세트에서, 시스템은 하나의 질문에 대해 두 개의 지원 사실을 찾는 능력을 테스트받았다.

  • 유사도 전용 검색: 성공률 59.5%.
  • 엔티티 그래프 사용: 성공률 71.5%.

이 +12pp 상승은 주로 “브리지 질문”에서 나타나며, 두 번째 지원 사실은 코사인 유사도만으로는 도달할 수 없다. 그래프는 에이전트가 공유된 엔터티를 통해 첫 번째 사실에서 두 번째 사실로 “홉”할 수 있게 한다.

장기 회상 (LoCoMo & LongMemEval‑S)

LoCoMo 데이터셋에서 YourMemory는 Recall@5 59%를 달성했으며, 동일 테스트에서 Zep Cloud(28%)보다 크게 앞섰다. 또한 LongMemEval‑S에서는 Recall‑all@5 84.8%를 기록했지만, 데이터는 시간적 추론 및 다중 세션 질문이 여전히 가장 어려운 과제로 남아 전체 세션 회상에서는 75.9%로 떨어진다는 것을 보여준다.

운영 효율성 및 다중 에이전트 지원

검색 품질을 넘어, YourMemory는 프로덕션 환경에서 AI 에이전트를 운영하는 실용적인 제약에 초점을 맞춘다.

토큰 최적화

오래된 데이터를 정리하고 목표 메모리 블록을 사용함으로써, YourMemory는 토큰 낭비를 크게 줄일 수 있다. 30개의 개발자 세션 시뮬레이션에서, 히스토리가 선형적으로 증가하는 무상태 기준(O(n))에 비해 토큰 사용량을 84.1% 감소시켰다.

다중 에이전트 메모리 스코핑

YourMemory는 MCP(Model Context Protocol) 호환 서버를 통해 복잡한 에이전트 워크플로우를 지원한다. 다음을 허용한다:

  • 공유 메모리: 모든 에이전트가 접근 가능한 전역 컨텍스트.
  • 개인 메모리: 에이전트별 비밀이나 선호도(예: API 키)로, 해당 ym_ API 키를 가진 에이전트만 접근 가능.

구현 및 통합

YourMemory는 낮은 진입 장벽을 위한 배포를 목표로 설계되었으며, Claude Code, Cursor, Windsurf, Zed와 같은 도구와 직접 통합된다. MCP 서버로 동작하여 AI 클라이언트가 필요에 따라 호출하는 백그라운드 서비스로 실행된다.

소규모 사용의 경우, 별도 설정 없이 프로세스 내에서 실행된다. 프로덕션 규모 배포에서는 PostgreSQL 및 Neo4j에 대한 선택적 백엔드를 제공해 대규모 데이터셋 및 복잡한 그래프 탐색을 처리한다.

Sources