AI 에이전트가 짧은 작업을 처리할 때는 프롬프트와 메모리만으로도 충분해 보입니다. 그러나 작업이 길어지고, 중간 판단이 누적되고, 결과를 나중에 검토해야 하는 순간부터 문제는 달라집니다. 필요한 것은 단순한 기억이 아니라, 상태가 어떻게 이어지고 바뀌었는지를 설명할 수 있는 구조입니다.
ActiveGraph가 흥미로운 이유가 여기에 있습니다. 문서를 읽히고 “이걸로 작은 실험을 만들어줘”라고 AI에게 시킬 수 있다는 점도 중요하지만, 더 본질적인 가치는 장기 실행 에이전트의 연속성을 설계하려는 접근에 있습니다.
ActiveGraph는 무엇인가
ActiveGraph는 BabyAGI 창립자 Yohei Nakajima가 제안한 장기 실행 에이전트용 연속성 레이어입니다.1 여기서 연속성이란 에이전트가 무엇을 알고, 무엇을 했고, 어떤 상태가 바뀌었으며, 그 변화가 어떤 맥락에서 발생했는지를 이어서 보존하는 구조를 뜻합니다.
이름 때문에 “에이전트를 그래프로 작성하는 도구”처럼 보일 수 있지만, 핵심은 다릅니다. ActiveGraph는 그래프 메모리나 워크플로 DAG로 정의되지 않습니다.1 공식 문서는 이를 “장기 실행·감사 가능한 에이전트 시스템을 위한 이벤트 소싱 기반 반응형 그래프 런타임”으로 설명합니다.2
즉 ActiveGraph의 관심사는 에이전트의 작업 흐름을 예쁘게 그리는 것이 아니라, 시간이 지나도 추적 가능한 상태를 남기는 데 있습니다.
왜 ‘메모리’만으로는 부족한가
많은 에이전트 시스템은 대화 기록, 장기 지식, 도구 사용 이력, 의사결정 로그를 모두 “메모리”라고 부릅니다. 하지만 실제 운영 관점에서는 이들이 같은 문제가 아닙니다.
예를 들어 대화를 기억하는 것과, 어떤 증거가 어떤 주장으로 이어졌는지 추적하는 것은 다릅니다. 이전 답변을 다시 불러오는 것과, 특정 시점의 상태를 재현하거나 다른 실행 결과와 비교하는 것도 다릅니다.
ActiveGraph는 이 차이를 분리해 봅니다. 그래프는 현재 세계의 상태를 나타내고, 이벤트 로그는 무엇이 바뀌었는지를 기록합니다.2 이 구조를 통해 실행 결과를 나중에 재생하고, 특정 시점에서 분기하고, 두 실행 결과를 비교할 수 있습니다.3
이런 접근은 단순히 “더 똑똑한 메모리”를 만드는 것과 다릅니다. 에이전트가 장기 작업을 수행할 때 필요한 것은 기억의 양이 아니라, 상태 변화의 계보입니다.
어디에 유용한가
ActiveGraph의 관점은 최종 답변보다 “그 답이 어떻게 만들어졌는가”가 중요한 영역에 잘 맞습니다. 리서치, 법무, 컴플라이언스, 기업 지식 관리처럼 주장과 근거, 반박, 위험, 결정 과정을 남겨야 하는 작업이 대표적입니다.
이런 환경에서는 에이전트가 그럴듯한 결론을 내는 것만으로 충분하지 않습니다. 어떤 자료를 근거로 삼았는지, 중간에 어떤 판단이 바뀌었는지, 왜 특정 선택을 했는지를 나중에 확인할 수 있어야 합니다.
ActiveGraph가 제안하는 연속성 레이어는 바로 이 지점을 겨냥합니다. 메모 하나를 저장하는 것이 아니라, 상태와 변화의 흐름을 남겨 장기 실행 에이전트를 더 검토 가능하고 감사 가능하게 만드는 방식입니다.
문서와 실험이 중요한 이유
ActiveGraph는 개념만 제시하는 프로젝트가 아닙니다. 공식 문서는 설치 후 바로 activegraph quickstart를 실행하도록 안내합니다. 이 데모는 별도 API 키나 설정 없이 번들된 Diligence pack을 실행해 결과를 보여줍니다.2
이는 개발자에게 실용적인 의미가 있습니다. 긴 설명을 모두 읽기 전에, AI에게 문서를 참고하게 하고 설치와 작은 실험을 맡겨 볼 수 있습니다. 실제로 ActiveGraph를 이해하는 가장 빠른 방법은 추상적인 정의를 외우는 것이 아니라, 상태가 어떻게 기록되고 변화하는지 실행 결과로 확인하는 것입니다.
GitHub 문서에는 객체, 관계, 이벤트, 행동, 패치, 리플레이, 포크 같은 핵심 개념도 정리되어 있습니다.3 따라서 LLM에게 코드를 작성하게 할 때도 단순한 API 사용법뿐 아니라, ActiveGraph가 어떤 모델로 문제를 바라보는지 함께 참고시킬 수 있습니다.
적용 전에 볼 기준
ActiveGraph를 평가할 때는 “또 하나의 에이전트 프레임워크인가”보다 “내 에이전트의 상태를 설명 가능하게 남길 수 있는가”를 먼저 봐야 합니다.
특히 다음과 같은 시스템이라면 검토할 가치가 큽니다.
작업이 오래 지속된다
중간 상태를 나중에 재현해야 한다
실패와 재시도가 중요하다
승인, 감사, 검토 과정이 필요하다
실행 결과를 분기하거나 비교해야 한다
반대로 단발성 질의응답이나 짧은 자동화라면 ActiveGraph의 가치가 즉시 드러나지 않을 수 있습니다. 핵심은 “그래프를 쓰는가”가 아니라 “상태 변화의 연속성을 관리해야 하는가”입니다.
기억보다 중요한 것은 연속성이다
ActiveGraph가 던지는 메시지는 명확합니다. 에이전트가 오래 일하려면 메모리만으로는 부족합니다. 무엇이 있었고, 무엇이 바뀌었고, 왜 그렇게 됐는지를 남기는 연속성 설계가 필요합니다.
장기 실행 에이전트를 만들고 있다면 질문을 바꿔야 합니다. “무엇을 기억하게 할까?”가 아니라 “상태가 어떻게 변해 왔는지 설명할 수 있는가?”를 물어야 합니다. ActiveGraph는 그 질문에 답하려는 시도입니다.
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.