from strands import Agent
from strands.memory import MemoryManager
from strands.vended_memory_stores import BedrockKnowledgeBaseStore
# 스토어 — Bedrock Knowledge Base를 장기 기억 저장소로
store = BedrockKnowledgeBaseStore(
config={"knowledge_base_id": "KB12345678"},
name="user-memory",
)
# 매니저 장착 — 검색·추출·주입 자동
agent = Agent(memory_manager=MemoryManager(stores=[store]))
# 첫 대화 — 기억 추출 + 저장
agent("나는 Python과 us-east-1 리전을 선호해")
# 나중 대화 — 자동 recall + injection
agent("새 Lambda 함수를 만들어줘") # Python + us-east-1 자동 적용
PART 5 · Memory
Memory 활용 패턴
장기 기억으로 에이전트의 개인화 수준을 높이는 3가지 패턴
사용자 선호도
언어, 리전, 코딩 스타일, 출력 형식 등 반복되는 선호 축적
과거 결정 이력
이전 작업의 결과와 결정을 기억하여 일관성 유지
도메인 지식
프로젝트 구조, 팀 컨벤션, 비즈니스 규칙을 축적
takeaway
세 패턴의 공통점 — 말하지 않아도 아는 에이전트를 만드는 재료입니다.
상태 관리가 에이전트의 지능을 결정합니다.
Session · Conversation · Memory · Context — 4계층으로 기억을 설계