오늘날 에이전트 열풍에서 빠진 조각

오늘날의 GitHub Trending을 살펴보면, 대화의 중심은 실행 (execution) (예: 비디오 편집을 자동화하는 browser-use)과 인지 (perception) (예: RAG를 위해 PDF 데이터를 정제하는 olmocr)에 집중되어 있습니다. 이것들은 매우 중요하지만, 지능의 근본적인 구성 요소인 **기억 (Memory)**을 놓치고 있습니다.

과거의 상호작용, 학습된 기술, 또는 실행 간의 컨텍스트를 기억하지 못하는 에이전트는 단발성 작업(single-turn tasks)에 국한됩니다. 진정으로 자율적인 워크플로우를 구축하려면, 에이전트에게는 "기억 플라이휠 (memory flywheel)"이 필요합니다.

MemFlywheel 소개

MemFlywheel은 에이전트 하네스 (Agent Harnesses)를 위해 설계된 파일 네이티브 장기 기억 (file-native long-term memory) 레이어입니다. 이것은 귀하의 LLM이나 도구(tooling)를 대체하는 것이 아니라, 에이전트가 회상하고, 추출하며, 진화할 수 있도록 하는 기초 구성 요소입니다.

작동 방식

MemFlywheel는 에이전트 하네스 (생명주기, 모델 및 도구를 소유하는 호스트)에 직접 통합되어 세 가지 핵심 기능을 추가합니다:

1. 사전 회상 (Pre-recall): 에이전트가 행동하기 전에, 관련 있는 과거 컨텍스트를 검색하기 위해 MEMORY.md 인덱스 큐 (index cues)를 스캔합니다.
2. 점진적 읽기 (Progressive Read): 인덱스 큐에서 실제 메모리 본문 및 소스 추적 (source traces)으로 이어지는 계층적 읽기를 수행합니다.
3. 실행 후 학습 (Post-run Learning): 실행 후, 지속 가능한 기억을 추출하고 "꿈" (유휴 상태에서의 통합, idle consolidation)을 통합하여 기억을 복구하거나 정제합니다.
4. 기술 플라이휠 (Skill Flywheel): 반복되는 워크플로우는 에이전트가 향후 작업에서 검토하고 재사용할 수 있는 재사용 가능한 "학습된 기술 (learned skills)"로 자동 진화합니다.

하네스 네이티브 및 오픈 소스

MemFlywheel는 호스트에 구애받지 않도록 설계되었습니다. npm 패키지를 통해 인기 있는 에이전트 하네스를 지원합니다:

• Pi: pi install npm:@iflytekopensource/adapters
• Hermes: memflywheel-hermes-install
• OpenCode: opencode plugin @iflytekopensource/adapters --global
• OpenClaw: openclaw plugins install npm:@iflytekopensource/adapters

MemFlywheel는 기억을 파일 네이티브 (file-native) Markdown 형식으로 유지함으로써, 기억이 **검사 가능(inspectable)**하고, **차이 비교(diffable)**가 가능하며, **투명(transparent)**하도록 보장합니다. 에이전트가 무엇을 왜 기억했는지 정확히 확인할 수 있으며, 이는 디버깅(debugging)과 기업의 컴플라이언스(compliance) 준수에 매우 중요합니다.

이것이 지금 중요한 이유

산업이 범용 챗봇(generic chatbots)에서 수직적이고 실행 중심적인 에이전트(Agents)(RPA 및 특화된 에이전트의 부상에서 볼 수 있듯이)로 전환됨에 따라, 상태 비저장(statelessness)의 비용이 명확해지고 있습니다. MemFlywheel를 통해 개발자는 다음과 같은 에이전트를 구축할 수 있습니다:

• 경험으로부터 학습: 시간이 지남에 따라 사용자의 특정 워크플로(workflows)에 더 능숙해집니다.
• 컨텍스트(context) 유지: 세션 전반에 걸쳐 선호도와 제약 사항을 기억합니다.
• 안전한 운영: 파일 네이티브 저장 방식을 통해 쉬운 감사(auditing)와 로컬 배포(local deployment)가 가능합니다.

시작하기

iflytek/memflywheel에서 코드와 문서를 살펴보세요. 차세대 AI 에이전트를 위한 메모리 레이어(memory layer)를 구축하는 여정에 함께해 주세요.