Team C: 네임스페이스 설계

분석 대상

Memory 네임스페이스 구조, retrieve_memories 검색, save_conversation 저장

네임스페이스 구조

examplecorp/
├── user/
│   └── {actor_id}/
│       ├── facts/          ← Semantic Memory
│       │   ├── "[e-mail] 권한 정보"
│       │   └── "VPC-A에 reporting, VPC-B에 database"
│       │
│       ├── preferences/    ← User Preference Memory
│       │   ├── "SOP: CloudWatch → 연결성 분석 → 수정"
│       │   └── "요약 형식 선호, 한국어 응답"
│       │
│       └── {session_id}/   ← Summary Memory
│           ├── "PathID: nip-xxx, 분석 완료"
│           └── "SG 수정 필요, 포트 3306"

retrieve_memories: 벡터 검색

memories = self.memory_client.retrieve_memories(
    memory_id=self.memory_id,    # Memory 리소스 식별자
    namespace=namespace,          # 검색 범위 (예: "facts")
    query=query,                  # 검색 쿼리 (자연어)
    top_k=3                       # 상위 3개 결과
)

검색 동작:

1. query를 Amazon Titan Embed V2로 벡터화

2. 지정된 namespace 내에서 코사인 유사도 검색

3. 유사도 높은 상위 top_k개 메모리 반환

반환 형식

memories = [
    {
        "content": {"text": "사용자 [e-mail]은 관리자 권한 보유"},
        "metadata": {...},
        "score": 0.95
    },
    {
        "content": {"text": "reporting 서버는 VPC-A subnet-1에 위치"},
        "metadata": {...},
        "score": 0.87
    }
]

save_conversation: 대화 저장

self.memory_client.save_conversation(
    memory_id=self.memory_id,
    actor_id=self.actor_id,
    session_id=self.session_id,
    messages=[
        (messages[-1]["content"][0]["text"], messages[-1]["role"])
    ]
)

저장 동작:

1. 메시지 텍스트와 역할(user/assistant)을 튜플로 전달

2. AgentCore Memory가 자동으로 적절한 전략에 따라 저장

3. Semantic Memory → 사실 추출 후 벡터화

4. Summary Memory → 대화 요약 자동 생성

top_k 파라미터와 성능

top_k	장점	단점
1	빠름, 가장 관련성 높은 결과	정보 누락 가능
3 (현재)	균형 잡힌 성능	적당한 컨텍스트 크기
10	풍부한 컨텍스트	프롬프트 길이 증가, 비용 증가

크로스-세션 검색 패턴

# on_agent_initialized에서 이전 세션 검색
for session_pattern in ["troubleshooting_session", "main_session", "default_session"]:
    recent_turns = self.memory_client.get_last_k_turns(
        memory_id=self.memory_id,
        actor_id=self.actor_id,
        session_id=session_pattern,
        k=10,
    )
    if recent_turns:
        break  # 첫 번째 유효한 세션 사용

토론 질문

1. 네임스페이스를 더 세분화하면 (예: facts/dns, facts/connectivity) 검색 성능이 향상될까요?

2. top_k=3에서 중복된 결과가 반환될 수 있나요?

3. save_conversation이 호출될 때마다 벡터 임베딩이 새로 생성되나요?