Amazon Bedrock AgentCore 에이전트에 메모리 추가
AgentCore 메모리는 AI 에이전트가 과거 상호 작용을 기억할 수 있는 기능을 제공하여 보다 지능적이고 컨텍스트를 인식하며 개인화된 대화를 제공할 수 있는 완전 관리형 서비스입니다. 복잡한 인프라를 구축하거나 관리할 필요 없이 단기 컨텍스트와 장기 지식 보존을 모두 처리할 수 있는 간단하고 강력한 방법을 제공합니다.
AgentCore 메모리는 에이전트 AI의 근본적인 과제인 상태 비저장 문제를 해결합니다. 메모리 기능이 없으면 AI 에이전트는 이전 대화에 대한 지식 없이 각 상호 작용을 새 인스턴스로 취급합니다. AgentCore 메모리는이 중요한 기능을 제공하므로 에이전트는 시간이 지남에 따라 사용자에 대한 일관된 이해를 구축할 수 있습니다.
AgentCore 메모리는 다양한 SDKs 및 에이전트 프레임워크를 지원합니다. 예제는 Amazon Bedrock AgentCore 메모리 예제를 참조하세요.
주제
메모리 유형
AgentCore 메모리는 지능형 컨텍스트 인식 AI 에이전트를 생성하기 위해 함께 작동하는 두 가지 유형의 메모리를 제공합니다.
- 단기 메모리
-
단기 메모리는 단일 세션 내에서 turn-by-turn 상호 작용을 캡처합니다. 이를 통해 에이전트는 사용자가 정보를 반복할 필요 없이 즉각적인 컨텍스트를 유지할 수 있습니다.
예: 사용자가 "시애틀의 날씨는 어떤가요?"라고 묻는 경우 와는 "내일은 어떨까요?"와 함께 에이전트는 최근 대화 기록에 의존하여 "내일"이 시애틀의 날씨를 가리킨다는 것을 이해합니다.
- 장기 메모리
-
장기 메모리는 사용자 기본 설정, 중요한 사실, 세션 요약을 포함하여 여러 세션의 대화에서 주요 인사이트를 자동으로 추출하고 저장하여 여러 세션에서 지속적인 지식을 보존합니다.
예: 고객이 항공편 예약 중에 창가 좌석 선호를 언급하는 경우 에이전트는이 선호를 장기 메모리에 저장합니다. 향후 상호 작용에서 에이전트는 창가 좌석을 사전에 제공하여 맞춤형 경험을 제공할 수 있습니다.
메모리 키 이점
-
보다 자연스러운 대화 생성: 대화의 이전 턴을 기억하면 에이전트는 컨텍스트를 이해하고, 모호한 문을 해결하고, 더 인간적인 방식으로 상호 작용할 수 있습니다.
-
개인화된 경험 제공: 세션 전반에 걸쳐 사용자 기본 설정, 기록 데이터 및 주요 사실을 유지하여 개별 사용자에 맞게 응답과 작업을 조정합니다.
-
개발 복잡성 감소: 대화 상태 및 메모리 관리라는 차별화되지 않은 부담을 덜어 에이전트의 핵심 비즈니스 로직 구축에 집중할 수 있습니다.
메모리의 일반적인 사용 사례
-
대화 에이전트: 고객 지원 챗봇은 사용자의 이전 문제와 기본 설정을 기억하므로 향후 상호 작용에서 더 관련성이 높은 지원을 제공할 수 있습니다.
-
작업 지향/워크플로 에이전트: 인보이스 승인과 같은 다단계 비즈니스 프로세스를 오케스트레이션하는 AI 에이전트는 메모리를 사용하여 각 단계의 상태를 추적하고 워크플로 진행 상황을 유지합니다.
-
다중 에이전트 시스템: 공급망을 관리하는 AI 에이전트 팀이 메모리를 공유하여 인벤토리 수준을 동기화하고, 수요를 예측하고, 물류를 최적화합니다.
-
자율 또는 계획 에이전트: 자율 차량은 메모리를 사용하여 경로를 계획하고, 교통 상황에 적응하고, 과거 경험을 통해 학습하여 향후 주행 결정을 개선합니다.
