오픈소스 프로젝트인 Agent Memory를 확장하여 Team

에이전트가 사용자 특성을 올바르게 적용하는 정확도가 48%에서 76%로 59% 상대 향상했다. 사용자가 누구이며 어떻게 일하는지에 대한 안정적이고 정제된 이미지를 구축하는 페르소나 레이어(Persona Layer)를 도입한 결과다. Tencent(텐센트)의 벤치마크 결과, 이 레이어는 에이전트가 장기간 사용된 이후에도 사용자 특성을 정확하게 적용하는 성능을 높인다.

Tencent(텐센트)는 오픈소스 프로젝트인 Agent Memory(에이전트 메모리)를 확장하여 Team Memory(팀 메모리) 베타 버전을 출시했다. Team Memory는 개별 에이전트가 독립적인 컨텍스트를 보유하는 기존 방식 대신, 팀 전체가 동일한 컨텍스트를 공유할 수 있도록 하는 접근 방식을 제공한다. 해당 저장소는 이번 주 GitHub(깃허브)의 TypeScript(타입스크립트) 트렌딩 리스트 1위를 기록했다.

공유 프롬프트 대신 네 가지 유형의 재사용 가능한 자산을 갖춘

네 가지 유형의 재사용 가능한 자산을 등록하는 공유 허브 구조가 모든 에이전트의 윈도우에 거대한 컨텍스트 블록을 반복해서 붙여넣는 공유 프롬프트 방식을 대체한다. 자산은 대화 기록과 페르소나를 담은 Chat Memory(채팅 메모리), 작업 절차를 캡처한 Skill(스킬), 구조화된 문서인 LLM-Wiki(엘엘엠 위키), 코드베이스를 인덱싱한 Code-Graph(코드 그래프)로 구성한다. 공유 프롬프트 방식이 모든 에이전트에게 동일한 지침을 강제했다면, 공유 허브 방식은 자산의 등록과 할당이라는 관리 프로세스를 도입한다. 각 에이전트는 전체 데이터 세트가 아니라 현재 수행 중인 작업에 필요한 특정 자산만 할당받아 사용하며, 불필요한 정보 유입을 차단해 추론 효율을 높인다.

텐센트(Tencent)는 단순한 정보 검색 기술인 RAG(검색 증강 생성)와 Team Memory의 차이를 권한과 유효성 판단 여부로 구분한다. RAG가 무엇을 찾을 수 있는가라는 질문에 답하는 검색 중심의 도구라면, Team Memory는 누가 그것을 사용할 수 있고 어떤 버전이 유효하며 어떤 에이전트가 이를 수신해야 하는지를 결정하는 거버넌스 도구로 작동한다. 단순한 데이터 추출을 넘어 자산의 사용 권한을 제어하고 최신 버전의 유효성을 검증하는 기능을 수행한다. 이를 통해 정보의 단순 검색을 넘어 실제 실행 가능한 자산의 배포와 관리 체계를 구축한다.

공유 메모리 시스템은 잘못된 사실이 팀 전체 에이전트로 빠르게

Private, Team, Restricted, Agent로 구분된 네 단계의 가시성 계층이 메모리 접근 권한을 결정한다. 모든 새로운 자산은 기본적으로 Private으로 설정되어 무분별한 노출을 막는다. 이를 통해 Scout(정찰) 에이전트나 Builder(빌더) 에이전트처럼 각자의 역할에 최적화된 특정 자산만 할당하는 Agent Loadout(에이전트 로드아웃) 방식을 구현한다. 에이전트별로 필요한 지식 집합을 정밀하게 제어함으로써 운영 효율을 높인다.

소유권 지정과 버전 관리 기능은 제공하지만 이미 다른 에이전트가 읽고 재사용해버린 잘못된 사실을 수정하거나 만료시키는 프로세스는 갖추지 않았다. 단일 에이전트 메모리 시스템에서는 오류가 발생해도 해당 사용자의 반복적인 수정으로 해결이 가능하다. 반면 공유 메모리 시스템에서는 단 한 번의 잘못된 기록이 팀 전체 에이전트로 즉시 퍼져나간다. 거버넌스 공백이 지식의 전파 속도를 높이는 동시에 오류의 확산 경로를 단축시킨다.

에이전트가 팀의 지식을 재학습하는 비용은 줄어드나, 한 번 기록된 잘못된 사실이 수정 및 만료 프로세스 없이 팀 전체로 즉시 전파되는 리스크를 감수해야 한다.