챕터별 상세
자가 진화 에이전트의 두 가지 유형
자가 진화 프로젝트는 크게 에이전트 하네스나 소프트웨어 자체를 개선하는 그룹과 인컨텍스트 학습 및 메모리 출력을 최적화하는 그룹으로 나뉜다. AutoAgent와 AutoResearch는 사용자가 정의한 비전을 바탕으로 시스템 코드(agent.py)를 직접 수정하고 평가 루프를 무한 반복하여 특정 작업에 최적화된 에이전트를 생산한다. 반면 Hermes Agent나 Claude Code의 Auto-dream은 모델 가중치 수정 없이 대화 맥락과 기억을 관리하여 시간이 지날수록 똑똑해지는 방식을 취한다. 이러한 구분은 개발자가 에이전트의 자율성과 예측 가능성 사이에서 적절한 아키텍처를 선택하는 기준이 된다.
Claude Code의 3단계 메모리 시스템
Claude Code는 CLAUDE.md, Auto-Memory, Auto-dream으로 구성된 3단계 메모리 아키텍처를 사용한다. CLAUDE.md는 시스템 프롬프트에 항상 포함되는 'Hot Memory' 역할을 하며, 사용자의 선호도나 프로젝트 규칙을 저장한다. Auto-Memory는 에이전트가 대화 중 중요한 정보를 감지하여 별도의 마크다운 파일로 자동 기록하는 기능을 수행한다. 마지막으로 Auto-dream은 백그라운드에서 실행되는 비동기 프로세스로, 누적된 메모리 파일들을 읽고 중복을 제거하거나 낡은 정보를 업데이트하여 컨텍스트 오염을 방지한다.
Hermes Agent의 자동 기술 생성 메커니즘
Hermes Agent는 10번의 도구 호출 단계마다 비동기적으로 '기술 리뷰 에이전트'를 실행하는 독특한 구조를 가진다. 이 리뷰 에이전트는 메인 작업 흐름을 방해하지 않으면서 과거의 시행착오를 분석하고, 반복적으로 사용 가능한 '기술(Skill)'을 자동으로 생성하거나 수정한다. 생성된 기술은 안전 검사(Safety Scan)를 거쳐 정규표현식 패턴에 위배되지 않을 때만 저장되어 에이전트의 도구함에 추가된다. 이 방식은 에이전트가 복잡한 작업을 수행하며 얻은 도메인 지식을 정형화된 자산으로 변환하여 다음 작업의 성공률을 높인다.
에이전트 메모리의 계층적 구조: Hot, Warm, Cold
성공적인 자가 진화 에이전트는 메모리를 Hot(항상 로드), Warm(필요 시 로드), Cold(검색 가능)의 세 계층으로 관리한다. Hot Memory는 인덱스나 핵심 규칙을 담아 모든 프롬프트에 포함되며, Warm Memory는 특정 기술이나 도메인 지식을 담아 작업 맥락에 맞게 동적으로 주입된다. Cold Memory는 전체 대화 기록을 SQLite DB 등에 저장하여 필요할 때만 검색을 통해 참조한다. 이러한 계층화는 LLM의 컨텍스트 윈도우 제한을 극복하면서도 에이전트가 일관된 페르소나와 지식을 유지하게 돕는다.
python
# Every time the agent finishes a tool-call loop,
# the _iters_since_skill counter increments by 1.
# When it reaches skill_nudge_interval (default: 10 iterations),
# a skill review is triggered.
if (self.skill_nudge_interval > 0
and self._iters_since_skill >= self.skill_nudge_interval
and "skill_manager" in self.valid_tool_names):
should_review_skills = True
self._iters_since_skill = 0 # Reset the counterHermes Agent에서 10단계마다 자동으로 기술 리뷰 에이전트를 실행하는 로직 예시
용어 해설
- 인컨텍스트 학습(In-Context Learning)
- — 모델의 가중치를 직접 수정하지 않고 프롬프트 내에 예시나 지침을 제공하여 모델이 새로운 작업을 수행하도록 유도하는 기법이다. 에이전트가 과거의 대화나 피드백을 컨텍스트에 포함함으로써 실시간으로 행동을 교정하고 성능을 개선하는 데 핵심적인 역할을 한다.
- 에이전트 하네스(Agent Harness)
- — 에이전트가 특정 환경에서 작업을 수행하고 외부 도구와 상호작용할 수 있도록 지원하는 실행 프레임워크 또는 런타임 구조이다. 에이전트의 로직과 실제 실행 환경을 연결하며 자가 진화 에이전트 시스템에서는 시스템 자체를 수정하거나 평가하는 기반이 된다.
- 기억 통합(Memory Consolidation)
- — 단기적인 대화 기록이나 파편화된 정보를 분석하여 장기적으로 유용한 지식이나 규칙으로 변환하고 정리하는 과정이다. Claude Code의 Auto-dream 기능처럼 백그라운드에서 중복을 제거하고 핵심 정보를 추출하여 컨텍스트 오염을 방지하고 효율성을 높인다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 04. 21.수집 2026. 04. 21.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
