심층 해설 · 약 3분 읽기
Databricks의 MemCurrent가 Agent Bricks Beta로: 내부 평가를 읽는 법
원시 기록과 정리된 지식을 백그라운드에서 통합하는 두 계층 메모리이며, 기업 성과는 공급업체의 평가다.
- 원문 게시일
- 사이트 게시일
- 출처 확인일
Databricks는 10월 20일 Agent Memory Beta와 기반 구조 MemCurrent를 공개했다. 세션 사이의 지식을 관리하는 서비스다. 연구의 질문은 모든 것을 기억하는지가 아니라 유용한 내용을 골라 새 작업에 적용하고 반복 탐색을 줄이는지다.
뉴스 듣기
이 기사를 읽어 드리거나 뉴스를 계속 재생합니다.
읽기를 준비하는 중…
기기 음성
읽기는 브라우저나 기기에서 처리합니다. AISubHub는 내용을 오디오 API로 보내지 않습니다. 사용 가능한 음성과 잠금 화면 재생은 기기에 따라 다릅니다.
계속 재생할 때 짧은 구절이 반복될 수 있습니다.
핵심 요약
- Lakebase에서 관리형 세션, 지속 메모리, 백그라운드 정리 파이프라인을 결합한다.
- 내부 시험은 사용자 29명, 사례 114개, 과거 세션 2,233개이며 일반 모델 순위가 아니다.
제품 제공과 연구 설계를 구분하기
Agent Memory는 순서 있는 세션 기록, 오래 쓸 사실과 작업 절차, 이를 추출하는 파이프라인을 관리한다. 저장 기반은 Databricks의 서버리스 Postgres인 Lakebase다. 개발자는 항목을 확인·내보내기·삭제하고 무엇을 남길지 정할 수 있다. 대화를 저장하는 일과 다음 답변의 기준이 될 사실을 선택하는 일은 다르다. Beta 상태이므로 모든 설치에서 연구 설명과 동일한 동작이 보장된다고 해석해서는 안 된다.
두 계층이 함께 작동하는 방식
MemCurrent는 추가만 가능한 사건 기록과 파일처럼 계층화된 수정 가능한 파생 지식을 보존한다. 세션 시작에 색인을 넣고 이후 검색과 상세 조회 도구로 정보를 가져온다. 명시적인 추가·변경·삭제는 온라인 도구가 맡고, 암묵적 학습 추출·중복 통합·충돌 해결은 오프라인 과정이 맡는다. 기록은 근거를 보존하고 색인은 무엇을 찾을지 알려준다. 추출을 응답 경로 밖으로 옮기면 즉시 작업량이 줄지만 암묵적 학습이 다음 세션에 도달하기까지 지연이 생긴다. 즉시 수정과 정기 유지의 역할이 서로 다르다.
기업 시험의 실제 범위
Genie 대화에서 검토해 만든 114개 사례는 사용자 29명과 과거 세션 2,233개에 기반한다. 과거 문장을 되찾는 것뿐 아니라 여러 단계 데이터 작업에 지식을 적용하는지를 본다. 공급업체는 메모리 없이 22.3%, MemCurrent로 68.4% 성공률을 보고했다. 후자는 작업당 418K token과 평균 252초를 사용했다. token 31% 감소와 실행 시간 26% 감소는 이 비교에 속한다. 모든 회사의 결과를 예측하거나 공개 채팅 구독을 비교하는 수치가 아니다. 내부 Genie 평가는 Claude Opus 4.6 에이전트와 GPT 5.6 sol 메모리 모델을 사용해 세 번 반복했다.
긴 문맥과 혼동하지 말아야 하는 이유
공개 대화 메모리 시험 세 개의 평균 정확도는 88.1% 대 전체 기록 문맥 87.8%였고 질문당 입력은 약 8.4K 대 103K token이었다. 이는 질의응답이므로 기업 작업 전체의 token 수와 섞을 수 없다. 내부 분리 실험에서 원시 기록만은 35.8%, 파생 지식만은 66.1%, 둘 다는 68.4%였다. 파생 지식 추출은 오프라인만 63.5%, 온라인 도구만 53.9%, 결합 66.1%였다. 이 설계에서 상호 보완을 지지하지만 기록을 더 저장하면 언제나 좋아진다는 증거는 아니다. 공개 질의응답은 GPT 5.6 luna를 쓰고 LangGraph·OpenAI Agents SDK 실행기와 세 번 반복의 평균을 냈다.
도입 전에 검증할 조건
AISubHub 분석: 파일럿에는 바뀐 사실, 충돌하는 지시, 메모리가 필요 없는 질문도 포함해야 한다. 가상의 팀이 활성 고객의 정의를 바꾼다면 이전에 맞던 절차가 옛 정의 때문에 오류를 반복할 수 있다. 기억의 근거, 수정의 후속 세션 반영, 검색 이후 삭제와 사용자 경계 유지를 확인해야 한다. 현재 프롬프트가 짧아진 것뿐 아니라 백그라운드 정리를 포함한 총 시간과 성공률을 측정하자. 이는 제안하는 인수 기준이며 당사가 검증한 기능·성능이 아니다. 발표에는 새로운 구독 가격이 없다.
중요한 이유
AISubHub 분석: 확인 가능한 지식 기반을 유지하면 프롬프트를 계속 늘리는 것 외의 최적화가 가능하다. 정보의 유효성과 현재 권한이 전제이며 성공률, 유지, 수정 비용을 함께 측정해야 한다.
제한 및 이용 가능성
제품은 Beta다. 수치는 Databricks 평가이며 당사의 실측이 아니다. 내부 데이터와 특정 모델·실행 구성이 일반화를 제한하며 보편적인 가격, 지연, 개선을 보장하지 않는다.
출처와 근거
원문 게시일: 2026. 10. 20. · 출처 확인일: 2026. 10. 21.
원문 게시일: 2026. 10. 20. · 출처 확인일: 2026. 10. 21.
AI 보조 편집 기사를 명시한 일차 출처와 대조합니다. 업체 주장은 출처를 밝히며 게재는 추천을 뜻하지 않습니다.