에이전트 메모리는 데이터베이스가 아니다

요약

에이전트 메모리를 단순한 데이터베이스(CRUD)로 취급할 때 발생하는 네 가지 실패 모드를 분석하고, 이를 해결하기 위한 새로운 모델인 GEM(Governed Evolving Memory)을 소개합니다. 메모리를 레코드 단위가 아닌 상태(state) 단위의 진화 과정으로 재정의해야 함을 강조합니다.

핵심 포인트

메모리를 저장소로 취급할 시 조절되지 않는 성장 및 의미론적 수정 누락 등의 문제 발생
GEM 모델은 CRUD 대신 수용, 수정, 망각, 검색이라는 네 가지 상태 수준 연산 제안
에이전트 설계의 핵심은 스키마 정의가 아닌 메모리 상태의 진화 어휘를 구축하는 것

5월 말에 발표된 한 논문은 에이전트 메모리 (Agent memory)가 데이터베이스가 아니라고 주장합니다. 저는 이 말이 옳다고 생각합니다.

그 문장이 이 논문의 핵심 논지입니다. 이 포스트의 나머지 내용은 그것이 무엇을 의미하는지에 대한 것입니다.

네 가지 실패 모드 (The four failure modes)

Orogat and Mansour는 메모리를 저장소 (storage)처럼 취급할 때 직면하게 되는 네 가지 실패 모드를 명명했습니다:

조절되지 않는 성장 (Unregulated growth) — 형태 제어 없이 사실 (facts)들이 무기한으로 쌓임
의미론적 수정 누락 (Missing semantic revision) — 시스템이 시간이 흐름에 따라 사실이 갖는 '의미'를 업데이트할 수 없으며, 오직 행 (row) 자체만 업데이트할 수 있음
용량 기반 망각 (Capacity-driven forgetting) — 저장 용량 제한이 결정권을 갖기 때문에, 잘못된 것부터 먼저 잊어버림
읽기 전용 검색 (Read-only retrieval) — 검색 (retrieval)이 상태 (state)를 재구성할 수 없음; 읽기가 학습 (learning)과 분리되어 있음

만약 당신이 진지한 에이전트를 구축해 왔다면, 이 네 가지 모두 익숙할 것입니다. 이것들은 예외적인 사례 (edge cases)가 아닙니다. 추상화 (abstraction)가 잘못되었을 때 발생하는 현상들입니다.

GEM — 네 가지 상태 수준 연산 (four state-level operations)

저자들의 모델인 **Governed Evolving Memory (GEM)**는 레코드 수준의 CRUD를 네 가지 상태 수준의 연산으로 대체합니다:

수용 (Ingestion) — 새로운 관찰 (observation)을 메모리 상태에 통합
수정 (Revision) — 단순히 내용뿐만 아니라 기존 메모리가 의미하는 바를 업데이트
망각 (Forgetting) — 명시적이고 통제된 상태의 감소
검색 (Retrieval) — 분리된 조회가 아닌, 상태와 결합된 읽기

무엇이 빠져 있는지 주목하십시오. 삽입 (insert)은 없습니다. 업데이트 (update)도 없습니다. 삭제 (delete)도 없습니다. 이 연산들은 메모리 안의 '행 (rows)'이 아니라 메모리의 '상태 (state)'에 관한 것입니다.

가장 강력한 주장

그다음 그들은 논문에서 가장 강력한 주장을 펼칩니다:

하부에 어떤 저장 엔진 (storage engine)이 있든 간에, 레코드 수준의 시스템은 정확성 조건 (correctness conditions)을 충족할 수 없다.

이 부분이 깊이 생각해 볼 만한 대목입니다.

이 주장은 데이터베이스가 느리다는 것이 아닙니다. 추상화가 잘못되었다는 것입니다. 정확성은 단일 레코드가 아니라, 메모리 상태가 시간이 지남에 따라 어떻게 진화하는지에 달려 있습니다.

무언가를 기억해야 하는 장기 실행 에이전트 (long-running agents)를 구축하는 모든 이들에게, 이는 설계 질문을 재정의합니다.

기존의 질문: "메모리 행을 위한 올바른 스키마 (schema)는 무엇인가?" 가 아니라 말입니다.

더 나아가: "메모리 상태 진화 (memory state evolution)를 위한 올바른 어휘 (vocabulary)는 무엇인가?" 입니다.

솔직한 격차 (The honest gap)

이 프로토타입은 속성 그래프 (property graph) 위에서 작동하며, 저자들은 그 격차에 대해 솔직하게 밝히고 있습니다. 즉, 상태 수준의 수정 (state-level revision)과 망각 (forgetting)을 제대로 수행하는 것은 비용이 많이 듭니다. 네이티브 엔진 (Native engine) 작업은 아직 갈 길이 멉니다.

읽어볼 만한 가치 (Worth reading)

짧은 논문입니다. 기억해야 하는 에이전트 (agents)를 구축한다면 읽어볼 가치가 있습니다.

📄 논문: arxiv.org/abs/2605.26252

_LinkedIn에서도 공유됨 — Edward Izgorodin, 2026년 6월 11일.

AI 에이전트 메모리에 관한 관련 연구는 mnemoverse.com/docs/library에서 확인할 수 있습니다. 저는 AI 에이전트를 위한 오픈 소스 지속성 메모리 (persistent memory)인 Mnemoverse를 구축하고 있습니다.

AI 자동 생성 콘텐츠

원문 바로가기