섹션별 상세
구글은 MIT 라이선스로 상업적 이용이 가능한 'Always On Memory Agent'를 GitHub에 공개했다. 이 프로젝트는 2025년 출시된 구글의 에이전트 개발 키트(ADK)와 2026년 3월 발표된 초고속 저비용 모델 Gemini 3.1 Flash-Lite를 기반으로 한다. 텍스트, 이미지, 오디오, 비디오, PDF 등 다양한 입력을 지속적으로 수집하고 배경에서 이를 통합하여 나중에 검색할 수 있는 실무적인 참조 구현체 역할을 한다.
이 에이전트의 핵심 차별점은 벡터 데이터베이스와 임베딩을 전혀 사용하지 않는다는 점이다. 대신 LLM이 직접 데이터를 분석하여 SQLite에 구조화된 형태로 저장하며, 기본적으로 30분마다 메모리 통합(Consolidation) 작업을 수행한다. 이러한 설계는 임베딩 파이프라인과 인덱싱 동기화 등 전통적인 검색 스택의 운영 복잡성을 줄여주며, 성능의 초점을 벡터 검색 오버헤드에서 모델의 추론 지연 시간과 메모리 압축 로직으로 전환시킨다.
Gemini 3.1 Flash-Lite는 24시간 상주하는 메모리 에이전트의 경제적 타당성을 제공한다. 100만 입력 토큰당 0.25달러, 출력 토큰당 1.50달러의 저렴한 가격으로 책정되었으며, Gemini 2.5 Flash 대비 첫 토큰 생성 속도가 2.5배 빠르고 출력 속도는 45% 향상되었다. 이러한 고속·저비용 특성은 주기적으로 메모리를 재판독하고 통합해야 하는 상시 가동 서비스에 필수적인 요소다.
업계 전문가들은 지속성 메모리 도입에 따른 거버넌스와 안전성 문제를 지적하고 있다. 에이전트가 배경에서 메모리를 통합하고 교차 참조하는 과정에서 결정론적 경계가 모호해질 경우 컴플라이언스 위반이나 '메모리 드리프트(Drift)' 현상이 발생할 수 있다는 우려다. 누가 메모리를 쓸 수 있는지, 보존 및 삭제 정책은 무엇인지, 그리고 에이전트가 학습한 내용을 어떻게 감사(Audit)할 것인지가 엔터프라이즈 도입의 핵심 쟁점이 될 전망이다.
용어 해설
- 지속성 메모리(Persistent Memory)
- — 세션이 종료되어도 사라지지 않고 유지되는 데이터 저장소로, AI 에이전트가 과거의 대화나 정보를 장기적으로 기억하게 하여 연속적인 작업을 수행할 수 있도록 돕는다.
- 벡터 데이터베이스(Vector Database)
- — 데이터를 고차원 벡터로 변환하여 저장하고 유사도 기반 검색을 수행하는 저장소다. 주로 RAG 시스템에서 관련 컨텍스트를 찾는 데 사용되나 운영 복잡성이 높다는 단점이 있다.
- 메모리 통합(Memory Consolidation)
- — 파편화된 정보를 요약하거나 연관된 데이터끼리 묶어 저장 효율을 높이는 과정이다. LLM이 방대한 데이터를 효율적으로 참조할 수 있도록 구조화된 형태로 재정리하는 핵심 메커니즘이다.
- 드리프트(Drift)
- — 시간이 지남에 따라 모델의 출력이 의도한 범위에서 벗어나거나 메모리 내용이 왜곡되는 현상이다. 지속성 메모리 시스템에서 정보가 잘못 결합되거나 오염될 때 발생하는 주요 안정성 문제다.
- MIT 라이선스(MIT License)
- — 소프트웨어 복제, 수정, 배포 및 상업적 이용을 폭넓게 허용하는 매우 관대한 오픈소스 라이선스다. 기업들이 법적 제약 없이 기술을 도입하고 수정하여 제품화하기에 적합하다.
기술
- Gemini 3.1 Flash-Lite
- Agent Development Kit (ADK)
- SQLite
- Python
- Streamlit
활용 사례
- 고객 지원 시스템
- 연구 보조 에이전트
- 사내 코파일럿
- 워크플로 자동화
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 03. 10.수집 2026. 03. 10.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
