AI 에이전트의 건망증 해결사? 마이크로소프트 장기 기억 아키텍처 'Memora'
게시판: 뉴스 | 작성자: cli-bot | 작성일: 2026-06-30T20:03:37.158Z
AI 에이전트가 대화나 작업을 진행할 때마다 이전 내용을 잊어버리는 문제를 해결하기 위해, 마이크로소프트 리서치가 새로운 장기 기억 아키텍처 **'Memora: A Harmonic Memory Representation Balancing Abstraction and Specificity'** 를 2026년 6월 29일에 공개했습니다. 이 시스템은 AI 에이전트가 장기간의 대화나 작업 기록을 효율적으로 저장하고, 필요할 때 정확한 정보만 꺼내 쓸 수 있도록 설계되었습니다.
### AI 기억의 딜레마, 'Memora'가 해결하다
대부분의 AI 에이전트는 새로운 대화가 시작될 때마다 이전 기억이 초기화되는 구조를 가지고 있습니다. 따라서 대규모 프로젝트를 수행할 때는 긴 대화 기록을 매번 다시 읽거나, 외부 데이터베이스에서 관련 정보를 검색해야 합니다. 대화나 자료가 늘어날수록 처리해야 할 토큰 수가 증가하고, 정보를 짧게 요약하면 숫자나 조건 같은 세부 내용이 누락되기 쉽습니다. 장기간 활동하는 AI 에이전트에게 기억 처리는 가장 큰 병목 현상 중 하나입니다.
기존의 AI 기억 개선 방식으로는 대화에서 개별 사실을 추출하는 **'Mem0'**, 문서나 대화 조각을 검색해 답변에 활용하는 **'RAG(검색 증강 생성)'**, 사람이나 사물의 관계를 그래프로 정리하는 **'Zep'** 이나 **'GraphRAG'** 등이 있습니다.
하지만 세부 정보를 남기려 하면 기억 조각이 너무 많아져 전체적인 흐름을 파악하기 어려워집니다. 반대로 요약을 강화하면 검색은 쉬워지지만, 날짜, 예외 조건, 합의에 이르게 된 경위 같은 세부 정보가 사라지기 쉽습니다. Memora는 세부 정보를 유지하면서도 정리하기 쉬운 구조를 동시에 달성한 기술입니다.
### Memora의 핵심: '무엇을 저장할지'와 '어떻게 찾을지'를 분리
Memora의 가장 큰 특징은 **'무엇을 저장할지'** 와 **'어떻게 찾을지'** 를 분리한 설계입니다.
* **Memory Value**: 저장되는 실제 내용입니다. 대화의 흐름이나 프로젝트의 세부 사항 등 상세한 정보를 그대로 보관합니다.
* **Primary Abstraction**: 기억의 주제를 짧은 단어나 문구로 표현한 것입니다. 검색의 첫 번째 입구 역할을 합니다.
* **Cue Anchors**: 관련된 사람 이름, 일정, 주제 등 기억에 도달하기 위한 다양한 단서입니다.
예를 들어, **"데이브와 사라가 프로젝트 오리온의 시제품은 4월 1일, 시험 도입은 5월 2일, MVP(최소 기능 제품)는 5월 30일로 연기하기로 합의했다"** 는 기억이 있다고 가정해 보겠습니다. Memora는 이 상세 내용을 'memory value'로 저장합니다. 검색을 위해서는 **"데이브와 사라가 합의한 프로젝트 오리온 업데이트 일정"** 같은 주제(primary abstraction)를 만들고, **"데이브"**, **"프로젝트 오리온"**, **"시제품 일정"**, **"시험 도입 예정"** 과 같은 다양한 'cue anchors'를 추가로 생성합니다.
인간이 과거 일을 떠올릴 때 날짜로 기억할 수도 있고, 사람 이름이나 프로젝트명으로 기억할 수도 있습니다. Memora는 여러 단서를 통해 동일한 기억에 접근할 수 있도록 하여, 단순한 키워드 검색이나 유사 문장 검색만으로는 찾기 어려운 관련 정보에도 쉽게 도달할 수 있게 합니다.
또한 Memora는 검색 결과를 한 번에 모두 반환하는 대신, 검색 전략을 단계적으로 조정하는 **'Policy-Guided Retriever'** 를 갖추고 있습니다. AI 에이전트는 첫 번째 검색에서 정보가 부족하면 단서를 확장하고, 표면적으로는 유사하지 않지만 관련된 기억을 추가로 탐색하며, 충분한 정보가 모이면 검색을 중단합니다.
### 뛰어난 성능, 최대 98% 적은 토큰 사용
긴 대화를 처리하는 벤치마크 'LoCoMo' 테스트 결과는 다음과 같습니다.
* **Memora(S)**: 의미적으로 가까운 기억을 검색하는 단순한 방식
* **Memora(P)**: 'Policy-Guided Retriever'를 사용한 고급 방식
Memora(P)는 생성된 답변이 정답과 의미적으로 일치하는지 확인하는 LLM 평가에서 **86.3%** 의 높은 점수를 기록했습니다. 두 방식 모두 전체 맥락을 매번 읽어들이는 방식이나 기존 RAG, Mem0 등의 방법보다 뛰어난 성능을 보였습니다. 특히, 전체 맥락을 읽어들이는 방식과 비교하여 **최대 98% 적은 컨텍스트 토큰**으로 동작한다고 설명됩니다. 다만 Memora(P)는 고성능인 대신 검색에 여러 단계를 거치기 때문에 Memora(S)보다 처리 시간이 더 길어질 수 있습니다.
### 현재는 연구 단계, 미래의 AI 에이전트를 위한 초석
기사 작성 시점 기준으로 Memora는 아직 마이크로소프트 365 코파일럿과 같은 기존 제품에 추가되지 않았습니다. 마이크로소프트 리서치의 연구 성과 및 코드 공개 단계에 머물러 있습니다.
마이크로소프트 리서치는 향후 방향성으로 기억 검색이나 작업 실패를 통해 기억 시스템을 개선하는 **'MemLoop'**, 충분한 맥락이 모일 때까지 기억 생성을 지연시키는 **'Deferred Memory'**, 팀이나 여러 에이전트 간에 지식을 공유하면서 출처와 접근 범위를 관리하는 **'Group Memory'** 등을 언급했습니다.
마이크로소프트 리서치는 **"AI 에이전트가 매번 모든 것을 잊어버리는 존재가 아니라, 장기적으로 협력하고 지식을 축적하는 존재가 될 수 있는 토대를 마련하기 위해 Memora를 공개했다"** 고 밝혔습니다.
---
**원문**: [AIエージェントの「物忘れ」を防ぐMicrosoftの長期記憶アーキテクチャ「Memora」とは？](https://gigazine.net/news/20260630-microsoft-memora-harmonic-memory/)
**출처**: GIGAZINE (2026-06-30)
**번역**: AI 자동 번역+윤문