Perplexity, Brain 메모리 아키텍처와 에이전트 API 테스트 상세 공개

Perplexity는 2026년 11월 2일, AI 에이전트의 지속적 메모리에 관한 기술 가이드를 공개했다. 이 가이드는 Perplexity Computer의 Brain 시스템, Agent API의 메모리 구축 구성 요소, 그리고 저장된 맥락이 에이전트의 후속 작업을 개선하는지 확인하는 테스트를 자세히 다룬다.

Brain의 아키텍처와 보고된 결과

Perplexity는 Brain을 Computer를 위한 자체 개선형 메모리 시스템으로 설명한다. 과거 작업과 수정 사항을 정리해 계속 발전하는 지식 위키를 구축하도록 설계됐다. 이 시스템은 토큰 수준의 메모리를 사용한다. 즉, 정보는 모델 외부에 저장되며 필요할 때 문맥에 불러온다. 위키 페이지를 수정하면 모델이 학습한 가중치를 바꾸지 않고도 에이전트가 다음 작업에서 읽을 수 있는 내용이 달라진다.

Brain은 이러한 기록을 에이전트의 샌드박스에 파일로 저장하며, 저장 구조는 세 계층으로 이루어진다. 그 sessions/ 디렉터리에는 원본 대화 기록과 그 요약이 보관되고, notes/ 정제된 정보는 주제별로 정리되며, knowledge/ 위키의 연결된 Markdown 페이지에는 사람, 프로젝트, 개념에 관한 내용이 담긴다. 가이드는 세션 기록을 일화 기억으로, 위키를 의미 기억으로 분류한다. 스킬과 저장된 지침은 작업을 수행하는 방법에 관한 절차 기억을 제공한다.

Dream이라는 백그라운드 에이전트는 매일 밤 그날의 세션 기록을 처리해 요약을 만들고, 정보가 바뀌면 위키를 수정한다. Perplexity에 따르면, Git을 통해 변경 사항을 반영하기 전에 준비된 편집 내용을 검토하며, 검토할 수 있도록 변경 내역도 남긴다. 각 메모리 항목은 출처로 연결된다. 한편 Brain은 백그라운드 업데이트를 통해 여전히 유효한 정보를 강화하고, 변경된 내용에 따라 항목을 수정하며, 오래된 자료를 표시한다.

Perplexity는 30일간 진행한 쌍별 평가에서 Brain을 사용한 세션의 정답률이 9.3%포인트, 재현율이 8.9%포인트 향상됐으며 토큰 사용량은 약 15% 줄었다고 보고했다. 별도로 금융 문서 관련 질문 150개를 대상으로 한 내부 벤치마크에서는 표준 파일 도구를 사용하는 탐색 에이전트의 답변 점수가 0.627이었다. 같은 문서 모음에서 시맨틱 검색을 사용했을 때는 약 0.37이었다.

Agent API의 메모리 구성 요소

Perplexity는 개발자용 제품과 Brain을 명확히 구분한다. Agent API에는 자체적으로 유지·관리되는 메모리 시스템이 포함되지 않는다. 대신 버전 관리되는 절차, 요청 간 대화 맥락을 이어 가는 방법, 개발자가 관리하는 저장소에서 데이터를 읽고 쓰는 도구를 제공한다.

맞춤형 스킬은 지침, 절차, 지원 파일을 하나로 묶어 버전 번호를 부여한다. 프로필은 모델, 지침, 도구, 스킬, 커넥터, 실행 설정을 포함한 더 폭넓은 구성을 하나의 버전 관리 ID로 저장한다. 스킬은 독립적으로 학습하지 않는다. 사람이나 자동화 프로세스가 새 버전을 업로드하면 스킬의 지침이 바뀐다.

개발자는 차례가 바뀌어도 작업 맥락을 보존하는 두 가지 방법을 사용할 수 있다. 다음 요청의 입력 배열에 앞서 주고받은 메시지 중 필요한 내용을 넣어, 무엇을 유지하고 요약하거나 가리고 삭제할지 결정할 수 있다. 또는 완료된 응답의 ID를 다음과 같이 전달할 수 있다 previous_response_id, 그러면 애플리케이션이 이전 대화 내용을 다시 보내지 않아도 Perplexity가 서버에서 대화 상태를 유지한다. 어느 방법을 사용하든 다음 응답에 필요한 새 지침, 도구 또는 모델 설정은 별도로 지정해야 한다.

일화 기억과 의미 기억을 저장하는 일은 여전히 개발자의 책임이다. 함수 호출을 사용하면 에이전트가 작업하기 전에 읽기 작업을 수행하고 작업 후에 쓰기 작업을 수행하도록 구성할 수 있다. 이때 애플리케이션이 호출을 실행하고 결과를 반환한다. 결과와 근거 자료, 이후 사용자가 제공한 수정 사항을 기록하면 단순히 정보를 검색했다는 사실만 로그에 남기는 것이 아니라 일화 기록의 기초를 만들 수 있다. 호환되는 원격 MCP 서버를 통해 별도의 맞춤 함수 래퍼 없이 메모리 작업을 노출하는 방법도 있다. Perplexity는 관리형 커넥터로 GitHub, Slack, Google Drive, Datadog, Linear, Notion을 제공하며, 맞춤형 커넥터를 사용하면 내부 시스템에도 접근할 수 있다고 설명한다.

테스트와 Computer 제어 기능

가이드의 새 세션 테스트는 이전 메시지를 다시 전달하지 않거나 previous_response_id, 동일한 메모리 저장소에 대한 접근 권한은 유지한 채 요청을 시작한다. 그런 다음 에이전트에 이전 수정 사항을 다시 알려 주지 않고 관련 작업을 수행하도록 한다. 배포 에이전트의 경우, 영향을 받은 서비스에 대해 검증된 롤백 명령을 에이전트가 검색해 사용하는지, 다른 서비스의 절차는 변경하지 않는지, 명령이 바뀌면 추적 가능한 출처를 유지하면서 새로운 지침을 적용하는지 확인할 것을 Perplexity는 제안한다.

메모리 사용 여부를 비교할 때 Perplexity는 모델, 프로필, 스킬 버전을 동일하게 유지하고 알려진 저장소 스냅샷에서 테스트를 시작할 것을 권장한다. 그래야 한 테스트에서 학습한 답을 에이전트가 다음 테스트에 활용하는 일을 막을 수 있다. 또한 이후 수정 작업에서 통과해야 할 실패 사례를 저장해 둘 것을 권한다. 가이드는 재현율만 보는 대신 메모리에 의존하는 작업이 완료되는지를 측정하고, 비용과 지연 시간도 함께 포함해야 한다고 설명한다.

Computer에서 Brain은 세션, 연결된 도구, 파일 및 산출물, 사용자 수정 사항을 활용합니다. 메모리 보기에서 사용자는 항목을 확인하고 출처를 추적하며 수정하거나 삭제할 수 있습니다. Brain은 시크릿 세션을 제외하며 별도의 토글 기능을 제공합니다.

가이드에 제시된 Rho의 사례는 청구서 발행 프로젝트를 다룬다. 이 프로젝트에서 Computer는 밤사이 변경 사항을 검토하고, 불일치 사항을 표시한 뒤, 아침 요약을 Slack에 게시했다. Rho는 주간 회의 시간을 2.5시간에서 15분으로 줄였다고 보고했으며, 12주간의 프로젝트에서 업무 시간 120시간을 절감한 것으로 추산했다. Perplexity는 120시간이라는 추정치가 커넥터, 야간 실행, Slack 요약을 결합한 워크플로 전체를 포함하며, 메모리 자체의 별도 기여도는 아직 정량화할 수 없다고 밝혔다.

따라서 가이드에서는 Rho가 보고한 절감 시간 중 메모리가 개별적으로 기여한 정도를 확정하지 않습니다.