퍼플렉시티, AI 에이전트용 기억 시스템 '브레인' 공개…마크다운 위키로 장기 기억 구현

수개월 동안 수백 번의 대화를 나눈 AI 에이전트에게 여전히 매번 보고서를 PNG 대신 PDF로 달라고 설명해야 한다면 협업 도구로서 실격입니다.

기존 에이전트들은 이전 대화를 쉽게 잊어버리거나, 반대로 수많은 로그를 프롬프트에 억지로 밀어 넣어 문맥 창을 낭비하곤 했습니다. Perplexity는 8월 19일 자사의 Computer AI 에이전트를 위한 장기 기억 시스템인 Brain을 공개했습니다. 장기 문맥을 스스로 업데이트되는 위키 백과 형태로 다루는 아키텍처입니다.

3계층 파일 시스템으로 구성된 기억 구조

Perplexity는 복잡한 전용 데이터베이스를 새로 만드는 대신, 에이전트가 사용하는 샌드박스 내부의 파일 시스템을 그대로 활용하는 방식을 택했습니다.

Brain의 메모리 트리는 3개 폴더로 나뉩니다. sessions에는 과거 세션의 원본 기록과 요약이 들어가고, notes에는 주제별로 정제된 단문 메모가 보관됩니다.

최상위 폴더인 knowledge가 바로 위키 본체입니다. 몇 주 혹은 몇 달간 이어진 세션 내용을 종합해 엔티티와 프로젝트별 Markdown 문서로 엮어냅니다.

문서들은 두 종류의 링크로 연결됩니다. 위키링크는 관련 개념과 담당자 등을 가로로 이어주고, 인용 태그는 해당 내용의 근거가 된 과거 세션 기록을 세로로 가리킵니다. 여기에 Git 버전 관리를 결합해 여러 에이전트가 동시에 기억을 업데이트하더라도 충돌 없이 변경 내역을 추적할 수 있도록 했습니다.

500배 느린 원격 호출을 우회한 방법

에이전트가 기억을 탐색할 때 가장 큰 문제는 지연 시간이었습니다.

원격 파일 시스템을 마운트하는 방법도 고려되었으나, 에이전트의 검색 작업은 한 번에 수천 번의 파일 입출력을 일으킵니다. 내부 테스트 결과 원격 경로에서 단순한 grep 명령어를 실행했을 때 로컬 파일보다 400배에서 500배나 느려지는 병목이 확인되었습니다.

그렇다고 부팅할 때마다 모든 과거 기록을 로컬로 내려받는 것은 자원 낭비입니다. Brain은 최근 메모리와 핵심 색인만 먼저 로컬 샌드박스에 띄우는 혼합 방식을 도입했습니다.

에이전트가 추가 맥락을 필요로 하면 보조 에이전트인 Memory Agent를 호출해 시맨틱 검색을 수행합니다. 찾아낸 관련 기록들만 로컬 파일 트리로 선별 복사해 오기 때문에 에이전트는 빠른 속도로 탐색을 이어갈 수 있습니다.

왜 중요한가

AI 에이전트 분야에서 장기 기억 관리는 여전히 가장 까다로운 엔지니어링 과제 중 하나입니다. 프롬프트에 무조건 다 밀어 넣는 방식은 비용이 감당되지 않고, 벡터 검색만 쓰면 파편화된 문장만 튀어나와 전후 맥락을 놓치기 쉽습니다.

우리는 Perplexity가 Markdown 파일과 Git, 그리고 셸 명령어라는 지극히 기초적인 개발 도구를 활용해 기억 구조를 풀어낸 점이 매우 똑똑한 선택이라고 봅니다. 복잡한 블랙박스 대신 사람이 직접 열어보고 수정할 수 있는 투명성을 확보했기 때문입니다.

수주에 걸친 시장 조사나 대규모 코딩 프로젝트를 진행하는 사용자라면, 에이전트가 이전의 결정 사항을 스스로 기억하고 찾아오는 것만으로도 작업 효율이 크게 달라질 것입니다.

다만 백그라운드 에이전트가 세션을 요약하고 위키를 정리하는 과정에서 잘못된 판단을 내릴 경우, 그 오류가 위키 문서에 박제되어 향후 작업에 계속 왜곡된 영향을 미칠 위험은 남아 있습니다.

그럼에도 불구하고 불투명한 임베딩 검색에만 의존하던 기존 에이전트 메모리 방식을 벗어나 직관적이고 검증 가능한 파일 시스템 구조를 제시했다는 점에서 업계에 주는 시사점이 큽니다.