AI 에이전트가 지식 그래프(knowledge graph)를 다룰 때 겪는 비효율성을 해결하기 위해 '딥 메모리(Deep Memory)'라는 새로운 라이브러리가 공개되었습니다. 이 라이브러리는 AI 에이전트에게 어휘(vocabulary) 기반의 구조화되고 영구적인 메모리 기능을 제공하여, AI가 지식 그래프를 읽고, 쓰고, 탐색하는 과정을 마찰 없이 수행하도록 돕습니다.
딥 메모리의 핵심은 '어휘 거버넌스(vocabulary governance)'입니다. 기존 AI 에이전트는 지식 그래프에 정보를 저장하기 전에 어떤 엔티티 유형, 속성, 관계 유형이 존재하는지 파악해야 하는 '콜드 스타트(cold-start)' 문제에 직면했습니다. 이로 인해 추측과 비일관성이 발생하고 토큰 낭비가 심했습니다. 딥 메모리는 에이전트가 저장소를 열면 완전한 스키마인 어휘를 먼저 제공하여, 어떤 유형이 있고 어떤 속성을 설정해야 하는지 정확히 알게 합니다. 이를 통해 AI는 단 한 번의 도구 호출로 엔티티를 생성할 수 있으며, 유효성 검사를 통해 잘못된 유형이나 누락된 필수 속성을 걸러내 데이터 일관성을 유지합니다. 또한, 새로운 유형 제안 시 자동 승인 및 중복 제거 기능을 제공하여 확장 시 마찰을 줄이고, 수백 개의 토큰만으로 전체 어휘를 내재화할 수 있어 토큰 사용 효율성도 높입니다.
이러한 어휘 기반 접근 방식 덕분에 AI 에이전트는 훈련 데이터나 소수샷(few-shot) 예제 없이도 저장소를 열고 엔티티를 생성하며 관계를 탐색하는 과정을 몇 초 만에 처리할 수 있습니다. 딥 메모리는 인메모리(in-memory), SQL 서버, 코스모스DB(CosmosDB), 네오4j(Neo4j) 등 다양한 저장소 옵션을 지원하며, OpenAI 호환 임베딩(embeddings) 제공자와 문서 색인 파이프라인(document indexing pipeline)도 포함합니다. 이는 AI 에이전트가 복잡한 정보를 더욱 정교하고 일관되게 관리할 수 있는 기반을 제공하며, 궁극적으로 AI 시스템의 신뢰성과 효율성을 크게 향상시킬 것으로 기대됩니다.