에이전트의 장기 기억을 위한 시간적 메모리 API, Chronos OS 구축기

커뮤니티 반응

작성자가 직접 개발한 도구에 대해 긍정적인 반응이며, 특히 SVO 추출 방식과 하이브리드 랭킹의 기술적 세부 사항에 대해 관심을 보이고 있다.

주요 논점

01찬성다수

시스템 프롬프트의 한계를 극복하기 위해 별도의 메모리 API와 이중 인덱스 구조가 필요하다.

합의점 vs 논쟁점

합의점

에이전트의 장기 기억을 위해 시간적 순서와 의미적 유사성을 모두 고려해야 한다.
SVO 추출은 비정형 데이터를 구조화하는 데 유용한 방법론이다.

실용적 조언

에이전트 메모리 구축 시 특정 시점의 사건 검색이 중요하다면 관계형 DB와 벡터 DB를 병행하여 사용하라.
복잡한 문장에서 주어와 목적어를 명확히 추출하기 위해 SVO 분해 기법을 적용해 보라.

섹션별 상세

에이전트의 기억 상실 문제를 해결하기 위해 텍스트를 SVO(주어-동사-목적어) 이벤트로 자동 분해하는 방식을 채택했다. AI가 입력된 비정형 데이터를 구조화된 이벤트로 변환하여 저장함으로써 단순 키워드 검색 이상의 정밀한 관계 추적이 가능해졌다. 이 과정에서 암시적 주어나 복합문의 처리가 기술적 핵심 과제로 다뤄졌다.

PostgreSQL을 이용한 시간적 쿼리와 pgvector를 이용한 의미론적 검색을 병렬로 처리하는 이중 인덱스 구조를 설계했다. PostgreSQL은 특정 날짜에 발생한 사건을 정확히 찾아내고, pgvector는 특정 주제와 관련된 맥락을 검색하는 역할을 수행한다. 이러한 하이브리드 접근 방식을 통해 약 80ms의 빠른 속도로 랭킹된 검색 결과를 반환하는 성능을 확보했다.

python

import httpx
headers = {"X-API-Key": "chrn_your_key"}
httpx.post("https://your-hf-backend/ingest", headers=headers, json={
 "source_id": "my-crm",
 "events": [{"text": "Acme Corp signed $50K contract for Q2"}]
})
result = httpx.post("https://your-hf-backend/query", headers=headers, json={
 "query": "What happened with contracts?"
})

Chronos OS API를 사용하여 이벤트를 수집하고 쿼리하는 예시 코드

LangGraph 기반의 에이전트 러너에서 '검색-주입-응답' 루프를 구현하여 상태 유지 작업의 품질을 개선했다. 메모리 API를 통해 추출된 과거 맥락이 시스템 프롬프트의 한계를 보완하며 에이전트의 응답 정확도를 높이는 결과로 이어졌다. 실제 구현 시 API 키를 포함한 간단한 HTTP POST 요청만으로 데이터 수집과 질의가 가능하도록 인터페이스를 단순화했다.

용어 해설

시간적 메모리(Temporal Memory): — 데이터가 발생한 시간 순서와 맥락을 함께 저장하고 검색할 수 있는 기억 체계이다. 에이전트가 과거의 특정 시점에 발생한 사건이나 결정 사항을 정확히 추적할 수 있게 하여 장기적인 문맥 유지를 가능하게 한다.
주어-동사-목적어 추출(SVO Extraction): — 비정형 텍스트에서 주어(Subject), 동사(Verb), 목적어(Object) 구조를 추출하여 정형화된 이벤트로 변환하는 기법이다. 이를 통해 단순 텍스트 검색보다 구조화된 쿼리와 정밀한 관계 분석이 가능해진다.
하이브리드 랭킹(Hybrid Ranking): — 키워드 기반의 전통적인 검색 방식과 벡터 기반의 의미론적 검색 결과를 결합하여 순위를 매기는 방식이다. 시간적 순서와 의미적 유사성을 동시에 고려하여 가장 관련성 높은 정보를 추출하는 데 사용된다.

언급된 도구

Chronos OS추천링크

에이전트용 시간적 메모리 API

LangGraph추천

에이전트 워크플로 및 루프 관리

pgvector추천

PostgreSQL 기반 벡터 검색

언급된 리소스

DemoChronos OS Live Demo