메모리

메모리 동작 방식

에이전트는 대화 컨텍스트를 유지하기 위해 슬라이딩 윈도우 메모리를 사용합니다. 시스템 메시지는 항상 보존됩니다. 윈도우가 가득 차면 오래된 메시지가 삭제됩니다.

[system] 항상 보존
[user] 메시지 1     <- 윈도우가 가득 차면 삭제될 수 있음
[assistant] 응답 1  <- 윈도우가 가득 차면 삭제될 수 있음
...
[user] 최신         <- 항상 유지
[assistant] 최신    <- 항상 유지

설정

const agent = new Agent({
  name: "Chat Bot",
  instructions: "You are helpful.",
  memory: { maxMessages: 100 },
  transport: schift.transport,
});

옵션	타입	기본값	설명
maxMessages	number	50	유지할 최대 메시지 수
transformContext	(messages: ChatMessage[]) => ChatMessage[]	—	각 LLM 호출 전 메시지 변환

컨텍스트 변환

transformContext로 LLM에 보내기 전 메시지를 수정할 수 있습니다. 오래된 메시지 요약, 컨텍스트 주입, 필터링에 유용합니다:

const agent = new Agent({
  memory: {
    maxMessages: 100,
    transformContext: (messages) => {
      // 긴 도구 결과를 잘라서 토큰 절약
      return messages.map((m) =>
        m.role === "tool" && m.content.length > 2000
          ? { ...m, content: m.content.slice(0, 2000) + "..." }
          : m,
      );
    },
  },
  ...
});

기본적으로 Stateless

각 agent.run() 호출은 새로운 메모리를 생성합니다. 시스템 메시지와 사용자 입력은 자동으로 추가됩니다.

멀티턴 대화의 경우 대화 상태를 외부에서 관리하세요:

// 간단한 멀티턴 패턴
const messages: string[] = [];

async function chat(userMessage: string) {
  messages.push(userMessage);
  const result = await agent.run(messages.join("\n---\n"));
  return result.output;
}

메모리와 도구 호출

ReAct 루프 중에 도구 호출과 결과가 메모리에 저장되어 LLM이 이전 도구 출력을 참조할 수 있습니다:

[system] instructions
[user] "What's the weather?"
[assistant] [Tool call: get_weather({"city": "Seoul"})]
[tool] {"temperature": 22}
[assistant] "It's 22C in Seoul."  <- 최종 답변