그래프 기반 인지 메모리와 버전 관리의 통합: Kumiho 아키텍처의 형식적 신념 수정 접근법

본 논문은 AI 에이전트가 생성하는 다양한 디지털 산출물(코드, 디자인, 문서 등)을 체계적으로 버전 관리하고, 동시에 에이전트의 인지 메모리를 지원하는 통합 그래프‑네이티브 아키텍처 Kumiho를 제안한다. 기존 시스템(Graphiti, Mem0, Letta 등)은 메모리와 자산 관리 기능을 각각 별도로 구현했으나, 구조적 원시 요소가 동일함에도 불구하고 통합 설계가 부족했다는 점을 지적한다. Kumiho는 ‘불변 리비전’, ‘가변 태그 포인터’, ‘타입드 의존성 엣지’, ‘URI 기반 주소 지정’이라는 네 가지 핵심 프리미티브를 도입해, 메모리와 작업 자산을 동일 그래프에 저장한다. 이를 통해 에이전트는 과거 상호작용을 기억하고, 다른 에이전트의 출력물을 정확히 찾아 재사용할 수 있다. 형식적 기여는 AGM 신념 수정 프레임워크와 속성 그래프 연산 사이의 동형 대응을 제시한다. 신념 베이스를 ‘ground triple’ 형태의 명제 집합으로 제한하고, 그래프 연산(삽입, 삭제, Supersedes 엣지 생성)으로 AGM 기본 포스트리트(K*2‑K*6)를 구현한다. 또한 Hansson이 정의한 ‘Relevant’와 ‘Core‑Retainment’ 포스트리트를 만족하도록 설계했으며, ‘Recovery’ 포스트리트를 의도적으로 배제해 불변 리비전이 복구를 방지하도록 했다. 이러한 형식적 검증은 자동화된 AGM 준수 테스트(49 시나리오, 7 포스트리트)에서 100% 통과함으로써 실증되었다. 시스템 구현은 이중 저장소 모델을 채택한다. Redis는 워킹 메모리로서 빠른 읽기·쓰기와 실시간 업데이트를 담당하고, Neo4j는 장기 저장소로서 복잡한 그래프 탐색과 타입드 관계를 유지한다. 검색은 전통적인 BM25 기반 텍스트 검색과 임베딩 기반 벡터 검색을 결합한 하이브리드 방식을 사용한다. 주요 아키텍처 혁신은 세 가지이다. 첫째, ‘Prospective Indexing’은 LLM이 생성한 미래 시나리오를 메모리 요약과 동시에 인덱싱해, cue‑trigger 간 의미 격차를 사전에 메워준다. 둘째, ‘Event Extraction’은 요약에 구조화된 사건(event)과 그 결과를 부착해, 압축 과정에서 손실되는 인과 정보를 보존한다. 셋째, ‘Client‑side LLM Reranking’은 소비자 에이전트가 자체 LLM을 이용해 메타데이터 기반 후보 리비전을 재정렬하도록 함으로써, 추가 추론 비용 없이 최적 답변을 선택한다. 평가에서는 두 개의 최신 벤치마크를 사용한다. LoCoMo(2024)에서는 토큰‑레벨 4‑카테고리 F1 0.447, 전체 F1 0.565, 그리고 97.5%의 적대적 거부 정확도를 기록했다. 적대적 거부가 높은 이유는 메모리 그래프가 허위 정보를 포함하지 않으므로 모델이 ‘hallucinate’할 여지가 없기 때문이다. LoCoMo‑Plus(2026)에서는 레벨‑2 인지 메모리 과제에서 93.3%의 판정 정확도와 98.5%의 회수 정확도를 달성했으며, 기존 최고 성능인 Gemini 2.5 Pro(45.7%)보다 47.6%p 높은 성과를 보였다. 독립 재현 실험에서도 80%대 중반의 점수를 유지해 결과의 재현성을 확인했다. 모델‑디커플링 실험에서는 GPT‑4o‑mini(≈88%)에서 GPT‑4o(≈93.3%)로 교체했을 때 파이프라인 변경 없이 정확도가 5.3%p 상승했으며, 401개 입력에 대한 총 비용이 약 $14에 불과했다. 이는 메모리 아키텍처 자체가 성능 향상의 핵심임을 시사한다. 논문은 또한 URI 기반 주소 체계, 안전‑강화된 비동기 통합 파이프라인(출판 아이템 보호, 회로 차단기, 드라이‑런 검증, 커서 기반 재개) 등을 상세히 기술한다. 이러한 설계는 기업 수준의 거버넌스 요구(증거 추적, 책임성, 감사 가능성)를 충족시키며, 인간 운영자와 에이전트 모두가 동일 SDK와 대시보드로 메모리와 자산을 관리·감사할 수 있게 한다. 결론적으로 Kumiho는 그래프‑네이티브 구조와 AGM 신념 수정 이론을 결합해, 인지 메모리와 작업 자산 관리라는 두 핵심 요구를 하나의 통합 시스템으로 해결한다. 향후 연구 과제로는 AGM 포스트리트 K*7·K*8의 형식적 확장, 멀티‑모달(이미지·코드) 트리플 지원, 대규모 멀티‑에이전트 파이프라인에 대한 실증 연구가 제시된다.