에이전트 메모리를 위한 Contextual Augmented Generation 스킬 unCAGd 공개

작성자가 직접 프로젝트를 소개하는 쇼케이스 글로, 에이전트의 장기 기억 관리 방식에 대한 새로운 접근법을 제시하고 있다.

• 긴 문서 작업이나 복잡한 코딩 프로젝트를 수행하는 에이전트를 설계할 때 unCAGd와 같은 의사결정 캡처 도구를 도입하여 컨텍스트 효율성을 높일 수 있다.

CAG

— Contextual Augmented Generation의 약자로, 단순한 원문 데이터 검색을 넘어 특정 결정이나 논리적 맥락을 요약하여 저장하고 이를 생성 과정에 활용하는 기법이다. 단순 RAG가 원시 텍스트를 찾는다면, CAG는 과거의 의사결정 이유와 같은 고차원 정보를 인출하여 에이전트의 일관성을 높인다.

MCP

— Model Context Protocol의 약자로, AI 모델이 외부 도구나 데이터 소스와 상호작용할 때 사용하는 표준화된 인터페이스 규격이다. 이 프로토콜을 통해 에이전트는 정해진 형식에 맞춰 데이터를 조회하거나 명령을 실행하며, 시스템 간의 상호운용성을 보장한다.

Durable Memory

— 단일 세션이 종료된 후에도 사라지지 않고 유지되는 AI 에이전트의 기억 저장소이다. 장기 프로젝트에서 에이전트가 과거의 작업 이력이나 결정 사항을 기억하게 함으로써 세션 간의 연속성을 확보하고 중복 작업을 방지하는 역할을 한다.