AI 에이전트에 메모리를 더 많이 주면 더 똑똑해질까?
이 글은 Claude Code 에이전트에서 세션 캐시(claude-mem)와 외부 저장소(Vault KV·Milvus·Mem0)를 다양한 방식으로 조합한 메모리 계층 구성을 비교했습니다. 약 2,650회 실험으로 토큰 사용량·응답 시간·정확도를 측정하면서 메모리 계층 구성이 에이전트의 응답 비용과 품질에 어떤 영향을 주는지 다뤘습니다.
Daven
DevOps Engineer
InfoGrab에서 DevOps(FDE) 엔지니어로 재직중이며, DevOps 전환(프로세스·도구·운영체계 개선)을 메인 업무로 수행하고 있으며, 가장 큰 강점으로 삼고 있습니다. GitLab 인스턴스 운영과 CI/CD 파이프라인 개선, 고객사 이슈 대응을 주로 담당하고, Runner·Upgrade·권한/관리자 작업 등 GitLab 운영 전반을 다룹니다. 또한 n8n·MCP 기반 자동화를 활용해 반복 업무를 줄이고, 문서·워크플로·운영 표준을 재사용 가능한 형태로 정리해 팀 생산성을 높이는 데 관심이 많습니다.
이 글은 Claude Code 에이전트에서 세션 캐시(claude-mem)와 외부 저장소(Vault KV·Milvus·Mem0)를 다양한 방식으로 조합한 메모리 계층 구성을 비교했습니다. 약 2,650회 실험으로 토큰 사용량·응답 시간·정확도를 측정하면서 메모리 계층 구성이 에이전트의 응답 비용과 품질에 어떤 영향을 주는지 다뤘습니다.
Daven
Google의 Opal은 자연어 프롬프트로 AI 애플리케이션을 설계·생성할 수 있는 노코드/로코드 플랫폼입니다. 이는 빠른 프로토타입 제작과 간단한 자동화 시나리오 구현에 유용합니다. 이 글은 Opal의 핵심 원리, 기술 블로그 작성 자동화 예제, DevOps 환경에서 실질적인 활용 방안을 다뤘습니다.
Daven