Skip to main content

​
에이전트 메모리 (Agent Memory)

에이전트 메모리는 대화 이력과 학습된 정보를 관리하는 시스템입니다. 단기 메모리(현재 대화)와 장기 메모리(대화 간 공유)로 구분됩니다.

​
메모리 유형

유형범위저장 방식예시
단기 메모리단일 Thread체크포인터 (messages)현재 대화 이력
장기 메모리Cross-threadStore API사용자 선호도, 학습 정보

​
단기 메모리 (Thread 내)

​
MessagesState

대화 이력은 MessagesState를 통해 자동으로 관리됩니다. 
from langgraph.graph import MessagesState

# MessagesState는 다음과 동일:
# class MessagesState(TypedDict):
#     messages: Annotated[list[BaseMessage], add_messages]

graph = StateGraph(MessagesState)

​
메시지 관리 최적화

대화가 길어지면 메시지 수가 증가하여 토큰 비용이 높아집니다.

​
메시지 요약

from langchain.chat_models import init_chat_model
from langchain_core.messages import HumanMessage, SystemMessage, RemoveMessage

llm = init_chat_model("gpt-4o-mini", temperature=0)

def summarize_messages(state: MessagesState) -> MessagesState:
    """메시지가 많아지면 요약으로 대체"""
    messages = state["messages"]

    if len(messages) <= 10:
        return state  # 메시지 적으면 그대로

    # 오래된 메시지 요약
    old_messages = messages[:-4]  # 최근 4개 제외
    summary = llm.invoke([
        SystemMessage(content="다음 대화 내용을 핵심만 2-3문장으로 요약하세요."),
        *old_messages,
    ])

    # 오래된 메시지 삭제 + 요약으로 대체
    delete_messages = [RemoveMessage(id=m.id) for m in old_messages]
    summary_message = SystemMessage(content=f"이전 대화 요약: {summary.content}")

    return {"messages": delete_messages + [summary_message]}

​
메시지 필터링

def filter_messages(state: MessagesState) -> MessagesState:
    """최근 N개의 메시지만 유지"""
    messages = state["messages"]
    if len(messages) > 20:
        # 시스템 메시지 + 최근 10개만 유지
        system_msgs = [m for m in messages if isinstance(m, SystemMessage)]
        recent_msgs = messages[-10:]
        return {"messages": system_msgs + recent_msgs}
    return state

​
장기 메모리 (Cross-thread)

​
Store API

Store API는 thread와 독립적으로 정보를 저장하고 조회합니다. 
from langgraph.store.memory import InMemoryStore

# Store 생성
store = InMemoryStore()

# 그래프에 Store 연결
app = graph.compile(
    checkpointer=checkpointer,
    store=store,
)

​
사용자 선호도 저장

from langgraph.store.base import BaseStore

def agent_with_memory(state: MessagesState, *, store: BaseStore) -> MessagesState:
    """Store에서 사용자 정보를 읽고 저장하는 에이전트"""
    user_id = "user-123"
    namespace = ("preferences", user_id)

    # 저장된 선호도 읽기
    preferences = store.search(namespace)
    pref_text = "\n".join(
        f"- {item.value['key']}: {item.value['content']}"
        for item in preferences
    )

    # 선호도를 포함하여 응답 생성
    messages = state["messages"]
    if pref_text:
        messages = [
            SystemMessage(content=f"사용자 선호도:\n{pref_text}"),
        ] + messages

    response = llm.invoke(messages)

    # 새로운 선호도가 감지되면 저장
    if "좋아" in messages[-1].content or "선호" in messages[-1].content:
        store.put(
            namespace,
            key="latest_preference",
            value={"key": "선호도", "content": messages[-1].content},
        )

    return {"messages": [response]}

​
메모리 패턴 비교

패턴범위비용적합한 경우
전체 이력 유지Thread높음짧은 대화
메시지 요약Thread중간긴 대화
최근 N개만 유지Thread낮음독립적 질문
Store (장기 메모리)Cross-thread낮음사용자 프로필, 선호도
시작 추천: 체크포인터로 단기 메모리를 설정하고, 대화가 길어지면 메시지 요약을 추가하세요. 사용자별 맞춤화가 필요하면 Store API로 장기 메모리를 구현합니다.