Construyendo Kernel Memory Protocol: memoria navegable para agentes de IA

개요

Kernel Memory Protocol (KMP)은 AI 에이전트가 대화 기록 전체를 다시 읽지 않고도 작업에 필요한 맥락을 복구하고, 의사결정 과정을 재구성하며, 감사 가능한 증거를 제공할 수 있도록 설계된 탐색 가능한 메모리 API입니다.

주요 내용

* AI 에이전트 메모리의 한계: 기존 에이전트들은 프롬프트에 텍스트가 부족한 것이 아니라, 조회, 탐색, 감사 가능한 메모리 부재로 인해 실제 업무 수행에 어려움을 겪습니다. 이전 대화 내용을 프롬프트에 복사하거나, 임베딩 기반 검색, 또는 내부적으로만 관리되는 프레임워크 메모리로는 프로세스 재구성 및 의사결정 추적에 한계가 있습니다.
* Kernel Memory Protocol (KMP)의 등장: KMP는 에이전트의 메모리를 기록, 조회, 탐색, 추적, 검사할 수 있는 작고 명시적인 API를 제공합니다. 단순한 텍스트 검색을 넘어, '무엇을', '언제', '누가', '어떤 증거로' 알았는지, 그리고 '어떻게' 결정에 도달했는지 재구성하는 데 초점을 맞춥니다.
* 탐색 가능한 메모리 모델: KMP의 핵심은 벡터 데이터베이스가 아닌 탐색 가능한 메모리 구조입니다. ingest (메모리 기록), wake (작업 연속을 위한 상태 복구), ask (증거 기반 질문), goto (특정 시점/참조 이동), near (주변 탐색), rewind (되돌아가기), forward (앞으로 이동), trace (관계 경로 설명), inspect (메모리 노드 검사) 등의 API를 제공합니다.
* about 중심의 메모리 구조: KMP는 about이라는 중심 객체를 사용하여 메모리의 범위(사건, 작업, 고객 등)를 정의합니다. about 내에서 메모리는 session, agent, task, entity, attempt, incident_phase 등 여러 차원으로 나뉘며, 시간은 이러한 차원을 가로지르는 축으로 작용하여 과거 상태 파악을 가능하게 합니다.
* 네임스페이스로서의 about: about은 차원의 네임스페이스 역할을 하여, 서로 다른 about에 속한 동일한 이름의 차원이 혼합되는 것을 방지합니다. 이를 통해 메모리 조회 시 범위가 명확하게 유지됩니다.
* 프로토콜 우선, 도구 나중: KMP는 LLM이 kernel_ask, kernel_near 등의 Kernel Memory Service(gRPC 기반) 연산을 도구처럼 사용하도록 지원하지만, KMP 자체는 메모리 작동 방식을 정의하는 데 집중합니다. MCP, gRPC, 향후 등장할 HTTP API 또는 SDK 등은 모두 KMP가 정의한 메모리 시맨틱을 사용하는 방식입니다.
* 시간의 중요성: KMP는 시간을 단순한 필터가 아닌 메모리 탐색의 핵심 요소로 활용합니다. goto, near, rewind, forward 등의 연산을 통해 시간적 흐름에 따른 정보 변화와 결정 과정을 추적할 수 있습니다.
* 메모리 작성의 중요성: 탐색 가능한 메모리의 품질은 '잘 작성된' 메모리에 달려 있습니다. KMP는 텍스트 기록 이상의 구조화된 정보(입력, 관계, 증거, 차원, 시간) 입력을 요구하며, writer는 새로운 메모리가 기존 메모리와 어떻게 연결되는지를 명시해야 합니다. KMP는 이를 검증하고 감사 가능하게 만듭니다.
* 관계의 중요성과 정직성: KMP에서는 메모리 간의 관계가 중요하며, 이러한 관계는 '정직하게' 작성되어야 합니다. 모호하거나 과장된 관계 대신, 관찰된 맥락을 기반으로 의미 있는 관계를 설정하거나, 단순히 순서나 근접성 기반의 구조적 관계로 fallback하는 것을 권장합니다.
* 메모리와 해석의 경계: KMP는 메모리 복구에 집중하고, 실제 정보 해석(금액 계산, 날짜 비교, 개체 수 세기 등)은 plugins 및 reader가 담당하도록 분리합니다. 이는 KMP가 특정 도메인이나 벤치마크에 종속되지 않도록 하기 위함입니다.
* 에이전트에게 중요한 이유: KMP는 에이전트가 단순한 질문 답변을 넘어, 가설 검증, 도구 사용, 오류 수정, 새로운 정보 습득 등을 포함하는 다단계 작업을 수행할 때 발생하는 프로세스 기록을 탐색 가능한 형태로 제공합니다.
* 관찰 가능성 및 감사: KMP는 메모리 기록, 조회, 관계 품질 등 전반적인 작동 과정을 구조화된 로그와 메트릭으로 기록하여 관찰 가능성을 높입니다. 이를 통해 에이전트의 실패 원인을 구체적으로 분류하고 개선할 수 있습니다.
* 보안 및 감사: KMP는 API 경계의 명확성, 명시적인 조회 범위, 선택적 생기록 검사, 빠른 오류 처리 등을 통해 보안 및 감사 기능을 설계 단계부터 통합합니다.
* KMP의 약속: KMP는 벡터 데이터베이스 대체, 최종 응답 생성, 벤치마크 맞춤형 솔루션, 에이전트 프레임워크, 증거 해석 보증 등이 아닙니다. 대신, 결정론적이고 감사 가능한 메모리 레이어를 제공하여 사람, 에이전트, 플러그인, 리더 등이 전체 내용을 처음부터 다시 읽을 필요 없이 메모리 위에서 작업할 수 있도록 합니다.
* 벤치마크 학습: KMP는 메모리 복구와 리더의 증거 사용 간의 경계를 명확히 했습니다. MemoryArena 및 LongMemEval 벤치마크 결과를 통해, KMP는 높은 수준의 메모리 복구율을 달성했으며, 나머지 작업 실패는 주로 리더나 에이전트의 해석 또는 의사결정에서의 간극으로 분류되었습니다.
* 로드맵: 단기적으로는 MemoryArena, MemoryAgentBench 등의 실행 강화, 하이브리드 후보 복구, 그래프 및 타임라인 시각화 탐색, KMP의 안정적인 페이징 및 범위 설정에 집중합니다. 중장기적으로는 MCP 감사 궤적 기반의 커널 도구 운영 모델 훈련, 도메인별 해석 플러그인 개발, 다양한 저장 백엔드에 대한 호환성 테스트 등을 계획하고 있습니다.

시사점

Kernel Memory Protocol (KMP)은 AI 에이전트가 단순한 정보 검색을 넘어 복잡한 프로세스를 이해하고 재구성하는 데 필수적인 탐색 가능하고 감사 가능한 메모리 인프라를 구축함으로써, 에이전트의 신뢰성과 실용성을 크게 향상시킬 수 있습니다.