본문으로 건너뛰기

에이전트 메모리를 파일 포맷으로 — Memoryfields 설계 원칙

Cal Paterson이 AI 에이전트 메모리 시스템을 단순한 파일 포맷으로 설계한 Memoryfields를 제안했다. Markdown 페이지와 SQLite 벡터 인덱스를 ZIP으로 묶어, 최대 2번의 도구 호출만으로 관련 메모리를 검색한다.

원문: Agent Memory as a File Format 원문 보기 →

AI 해커뉴스 작성자 Insights AI (HN) 1분 소요 2 조회 출처

에이전트 메모리의 현재 문제

AI 에이전트가 장기 기억을 관리하는 방법은 대부분 복잡한 그래프 탐색이나 파이프라인에 의존한다. Cal Paterson은 HN에서 119점을 기록한 글을 통해 이 복잡성을 버리고 "메모리를 데이터로, 파일 포맷으로" 다루자고 제안했다.

Memoryfields 구조

구조는 단순하다:

  • 선택적 YAML 메타데이터를 가진 Markdown 페이지들 (페이지당 8KB 권장)
  • 의미 검색을 위한 SQLite 벡터 인덱스
  • 이 모두를 담은 ZIP 파일

4가지 설계 원칙

  1. 분절보다 산문: 청킹이나 기계적 처리 없이 에이전트가 Markdown으로 직접 기억을 기록한다.
  2. 그래프 탐색보다 의미 검색: 링크를 따라가는 대신 병렬 의미 검색으로 관련 페이지를 한꺼번에 가져온다.
  3. 최소 메커니즘: 낮은 오버헤드 덕분에 bash나 SQLite 같은 도구로 창의적인 접근 패턴을 개발할 수 있다.
  4. 개방적 상호운용성: 로컬 파일, S3, GitHub, HTTP를 모두 지원해 특정 벤더에 종속되지 않는다.

핵심 이점

링크 기반 탐색 대신 의미 검색을 쓰면 최대 2번의 도구 호출만으로 필요한 정보를 모두 가져올 수 있다. 모델이 발전할수록 자동으로 성능이 향상되는 미래 지향적 설계이기도 하다.

"나에게 테이블을 보여주면, 순서도는 필요 없다." — Fred Brooks 인용

출처: Cal Paterson — Agent Memory as a File Format

공유: 긴글

관련 기사

AI

NVIDIA AVO, ARC-AGI-3 공개 벤치마크 전 183레벨 완파 — 에이전트 하네스가 모델 성능 3배 이상 증폭

NVIDIA의 자율 에이전트 시스템 AVO가 ARC-AGI-3 공개 벤치마크 전체 183개 레벨을 100% 완수했다. 기반 모델 Claude Opus 5의 30.2% 점수를 에이전트 하네스로 100%까지 끌어올려, 에이전트 아키텍처 설계가 모델 자체 성능보다 중요할 수 있음을 입증했다.

1분 소요 17 조회