에이전트 AI(AI Agent)의 고질적인 문제 중 하나는 '기억 상실'입니다. 긴 대화나 복잡한 작업 중에는 이전에 학습한 내용을 잊어버려 일관성을 유지하기 어렵다는 한계가 있었는데, 이를 해결하기 위한 새로운 에이전트 가상 머신(AVM) '플렁크(Plurnk)'가 등장했습니다. 플렁크는 모델이 스스로 컨텍스트(Context)를 관리하고, 주소 지정 가능한 메모리(Addressable Memory)를 활용해 장기적인 기억을 유지하도록 설계되어 에이전트의 효율성과 지속성을 크게 향상시킵니다.
플렁크의 핵심 기능은 '영구 컨텍스트(Perpetual Context)'와 '주소 지정 가능한 메모리'입니다. 기존 에이전트 시스템은 컨텍스트 창이 제한되어 있어 오래된 정보를 압축하거나 버려야 했지만, 플렁크는 모든 정보를 내부 URL을 가진 '영수증(receipts)' 형태로 저장하고 모델이 필요할 때만 불러오도록 합니다. 이는 마치 '영원히 끓는 스튜'처럼 모델이 스스로 컨텍스트를 큐레이션(curation)하여 몇 주 동안 세션을 유지하며 작업을 수행할 수 있게 합니다. 또한, 파일, 도구, 심지어 모델 자신의 과거 추론까지 모두 주소로 지정할 수 있어, 모델이 환경을 탐색하고 정밀하게 변경하며 기억을 관리하고 작업을 위임하는 전략을 스스로 결정할 수 있습니다.
플렁크는 에이전트가 복잡한 소프트웨어 개발, 코드베이스 분석, 다양한 도구 자동화 등 광범위한 작업을 수행할 수 있도록 지원합니다. 사용자는 터미널이나 편집기에서 상호작용하거나 일반 셸 파이프라인과 결합하여 사용할 수 있습니다. 로컬 또는 클라우드 모델을 선택하여 사용할 수 있으며, 별도의 플렁크 계정 없이도 npm을 통해 쉽게 설치하고 시작할 수 있습니다. 모델은 자연어로 작업을 지시받고, 플렁크는 모델이 작성한 짧은 프로그램을 실행하여 결과를 기록하고, 모델은 이 기록을 읽고 다음 단계를 결정하는 방식으로 작동합니다.
이러한 접근 방식은 에이전트 AI의 자율성과 효율성을 한 단계 끌어올릴 잠재력을 가지고 있습니다. 모델이 스스로 기억을 관리하고 도구를 구성하며 작업을 위임하는 능력은 개발자들이 보다 복잡하고 장기적인 AI 기반 프로젝트를 추진하는 데 큰 도움이 될 것입니다. 특히, 여러 도구가 동시에 출력을 스트리밍해도 주의 창(attention window)이 넘치지 않도록 하는 '풀드 프리뷰(pulled preview)' 방식은 에이전트가 더 많은 정보를 효율적으로 처리할 수 있게 하여 개발 생산성 향상에 기여할 것으로 기대됩니다.