텐센트, AI 에이전트용 공유 메모리 "Team Memory" 베타 공개

중국 IT 대기업 텐센트는 여러 AI 에이전트가 동일한 기억과 문맥을 공유할 수 있는 오픈소스 시스템 "Team Memory"의 베타 버전을 공개했다. 이는 에이전트가 단독으로 정보를 보유하는 것이 아니라 팀 전체가 공통의 "기억 허브"를 참조할 수 있는 구조이며, 이번 주 GitHub의 TypeScript 트렌드 1위를 기록했다고 한다.

이 프로젝트의 출발점은 AI 에이전트가 긴 대화 세션 중에 문맥 정보를 잃어버리는 문제였다. 텐센트 팀은 약 6개월에 걸쳐 이 과제에 취급했으며, 그 과정에서 탄생한 것이 전신이 되는 "Agent Memory"이다. 핵심이 되는 "페르소나 계층"은 사용자의 특성과 작업 방식을 대화의 축적으로부터 증류하여 안정적인 프로필로 유지하는 기능으로, 이를 추가함으로써 텐센트 독자의 벤치마크상 정확도가 48%에서 76%로 향상되었다(상대 개선율로 약 59%). Team Memory는 이 접근법을 팀 전체로 확장한 것으로 위치 지어진다.

Team Memory가 관리하는 것은 4가지 유형의 공유 자산이다. 먼저 "채팅 메모리"는 사용자의 선호도와 결정 사항을 대화 기록으로부터 장기적인 페르소나로 응축하여 유지한다. 다음으로 "스킬"은 완료된 작업으로부터 절차를 추출하고 버전 관리와 검토를 거친 후 공유되는 구조이다. "LLM-Wiki"는 문서와 명세서를 구조화된 페이지로 변환하고, "코드 그래프"는 코드베이스 내의 관계성을 색인화하여 변경의 영향 범위를 사전에 확인할 수 있도록 한다. 각 에이전트에게는 이들 전부가 제공되는 것이 아니라 역할에 따른 자산 세트("에이전트 로아웃")만 할당되는 설계이다.

텐센트의 문서에서는 일반적인 검색증강생성(RAG)과의 차이를 이렇게 설명하고 있다. "RAG는 '무엇을 찾을 수 있는가'에 답한다. Team Memory는 더 나아가 '누가 사용할 수 있는가' '어느 버전이 유효한가' '어느 에이전트에 전달해야 하는가'에도 답한다". 접근 제어 계층을 통해 읽기 권한이 관리되며, 에이전트가 참조할 수 있는 정보의 범위를 제어할 수 있다.

이 취급이 주목받는 배경에는 AI 에이전트의 신뢰성에 관한 과제가 있다. 올해 6월 VentureBeat가 실시한 조사에서는 기업의 57%가 "에이전트의 오답을 문맥 정보의 결여나 불일치로 거슬러 올려 식별한 경험이 있다"고 답했다. 단일 에이전트의 기억량을 늘리는 것만으로는 여러 에이전트가 협조하여 움직이는 팀 환경에서의 문제에 대처하지 못한다는 현실이 드러나고 있다.

한편 현 시점에서는 공유된 기억 내에 오류 정보가 포함되어 있는 경우의 거버넌스——즉 누가 언제 정정하는지, 어떻게 검증하는지라는 체계——는 아직 정비되지 않았다는 점이 과제로 남는다. 단일 에이전트가 오류 문맥을 가진 경우와 달리 팀 전체에서 공유된 오류 정보는 더 광범위한 영향을 초래할 가능성이 있다는 관점도 있을 수 있다. Team Memory는 오픈소스로 공개되고 있으며, 향후 커뮤니티와 기업에 의한 활용 속에서 이러한 거버넌스 측면의 정비가 어떻게 진행될지가 주목점 중 하나가 될 것으로 보인다.