Memora는 Microsoft Research가 제안한 장기 작업 AI 에이전트용 메모리 시스템이다. 핵심은 저장할 내용과 검색할 구조를 분리해, 세부 정보를 잃지 않으면서도 오래된 상호작용을 효율적으로 찾아오게 하는 것이다.
왜 필요한가
현재 많은 에이전트는 대화 이력을 원문 조각으로 검색하거나, 요약으로 압축해 기억한다. 원문 조각은 세부 정보는 보존하지만 파편화되고, 요약은 효율적이지만 중요한 숫자·제약·맥락을 잃기 쉽다. Memora는 이 추상화와 구체성의 긴장을 직접 다룬다.
| 접근 | 장점 | 한계 |
|---|---|---|
| 전체 컨텍스트 투입 | 정보 손실이 적음 | 토큰 비용과 지연이 큼 |
| RAG 조각 검색 | 세부 문장을 보존 | 사건 흐름과 관계를 잃기 쉬움 |
| 요약 메모리 | 가볍고 빠름 | 구체적 근거가 사라질 수 있음 |
| Memora | 풍부한 내용 + 가벼운 cue anchor 분리 | 별도 메모리 구축·평가 필요 |
Microsoft는 Memora가 LoCoMo와 LongMemEval에서 Mem0, RAG, full-context inference를 앞섰고, 최대 98% 적은 컨텍스트 토큰으로 동작했다고 설명한다.
구조
Memora는 풍부한 기억 단위를 그대로 보존하면서, 검색에는 cue anchor와 추상 구조를 사용한다. 에이전트는 가벼운 구조를 따라 관련 기억 후보를 찾고, 실제 응답에는 필요한 상세 내용을 불러온다. 프로젝트 타임라인, 의사결정 근거, 이해관계자 선호처럼 장기간 누적되는 지식에 잘 맞는다.
관련 문서
- agentic-memory-tips-reusable — AI 에이전트가 실제로 재사용하는 기억 만들기
- dense-mem — 증거와 충돌 관리를 내장한 메모리 서버
- cognee — 지식 그래프 기반 에이전트 메모리 플랫폼
참고 자료
- Memora: A Harmonic Memory Representation Balancing Abstraction and Specificity — Microsoft Research (2026-06-30)