정의
Agent Memory Compounding Efficiency는 agent가 반복 작업의 맥락, 절차, 선호, 실패 사례를 memory와 skill로 보존해 다음 실행의 prompt 길이와 시행착오를 줄이는 현상이다.
핵심 메커니즘
- 반복 선호와 환경 사실은 memory에 남는다.
- 검증된 절차는 skill로 저장된다.
- 다음 실행에서는 설명을 다시 하지 않아도 된다.
- agent는 이미 검증된 workflow를 재사용하므로 retry와 탐색 비용이 줄어든다.
경제적 의미
일회성 chatbot은 매 session마다 context를 다시 공급받는다. 반면 persistent agent는 이전 작업에서 만든 절차를 재사용한다. 이 차이는 token spend를 소모성 비용에서 운영 자산으로 바꾸는 효과를 낸다.
주의점
Memory가 많아질수록 무조건 효율이 좋아지는 것은 아니다. 오래된 정보, 일회성 결과, 긴 원문을 memory에 넣으면 오히려 context pollution과 비용 증가가 발생한다. 반복 절차는 skill, 원문은 파일, 안정적 선호만 memory에 저장하는 분리가 필요하다.
연결
- 20260716-agent-model-routing-cost-optimization — 모델 비용 최적화.
- 20260716-agent-interface-token-overhead — interface token overhead.
- 20260716-agent-memory-turns-token-spend-into-capital — garden insight.