자동화된 코드 문서화 (Automated code documentation)는 현대 소프트웨어 개발에 필수적이며, 인간 개발자와 코딩 에이전트(coding agents)가 대규모 코드베이스를 탐색하는 데 의존하는 맥락적 근거 (contextual grounding)를 제공합니다. 기존의 저장소 수준 (repository-level) 접근 방식은 구성 요소들을 독립적으로 처리하여, 문서 간에 중복된 검색과 상충되는 설명을 유발하며 계층적 구조가 부족한 출력을 생성합니다. 따라서 우리는 전체 저장소를 아우르는 단일 통합 컨텍스트 내에서 문서화를 생성하는 장기 지평 에이전트 프레임워크 (long-horizon agentic framework)인 MemDocAgent를 제안합니다. 이는 두 가지 구성 요소를 결합합니다: (i) 의존성 및 세분화 계층 (dependency and granularity hierarchies)을 존중하는 탐색 순서를 미리 결정하는 의존성 인식 탐색 가이드 (Dependency-Aware Traversal Guiding); (ii) 에이전트가 읽기, 쓰기 및 검증 작업을 통해 이전 작업 흔적 (work traces)을 축적하는 공유 메모리인 RepoMemory와 상호작용하는 메모리 가이드형 에이전트 상호작용 (Memory-Guided Agentic Interaction). 심층적인 다기준 평가 (multi-criteria evaluation)를 통해, MemDocAgent는 오픈 소스 및 폐쇄형 소스 베이스라인 모두에서 최고의 성능을 달성하였으며 실제 소프트웨어 개발 워크플로에서의 실용적인 적용 가능성을 입증했습니다.