지금 하려는 것은 우리가 지금까지 만든 짧은 대화 기억(History + Summary)에서 한 단계 발전해서,
Agent가 대화가 끝나도 중요한 정보를 PostgreSQL DB에 저장하고, 나중에 다시 꺼내 사용하는 장기 메모리(Long-term Memory)
를 만드는 것입니다.
그리고 지금까지 해오신 Python → OpenAI API → Agent → History → Summary 학습 흐름에서 아주 자연스러운 다음 단계입니다.
[전체 요약]
# 1. Docker Desktop 설치
# 2. PowerShell 또는 CMD:
docker --version
===> Docker version 29.7.2, build a7dcaa6
docker ps
===> (아직 실행 중인 컨테이너가 없다면)
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
# 3. PostgreSQL Docker 실행 명령어
docker run --name agent-postgres -e POSTGRES_USER=agent_user -e POSTGRES_PASSWORD=agent_password -e POSTGRES_DB=agent_db -p 5432:5432 -d postgres:15
(처음부터 Volume을 사용하는 것을 권장. 아래.)
docker stop agent-postgres
docker rm agent-postgres
docker run --name agent-postgres -e POSTGRES_USER=agent_user -e POSTGRES_PASSWORD=agent_password -e POSTGRES_DB=agent_db -p 5432:5432 -v agent_postgres_data:/var/lib/postgresql/data -d postgres:15
===> (정상이라면 긴 문자열) b01fdca870cde5c..............
# 4. PostgreSQL이 실행 중인지 확인
docker ps
===>
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
b01fdca870cd postgres:15 "docker-entrypoint.s…" 21 seconds ago Up 21 seconds 0.0.0.0:5432->5432/tcp, [::]:5432->5432/tcp agent-postgres
# 5. Docker 내부의 PostgreSQL에 직접 접속
docker exec -it agent-postgres psql -U agent_user -d agent_db
===> agent_db=#
# 6. SQL을 직접 실행
\dt
===> 아직 아무 테이블도 없으므로 비어 있을 것
# 7. user_profiles 테이블 만들기
CREATE TABLE user_profiles (
user_id SERIAL PRIMARY KEY,
user_name VARCHAR(50),
location VARCHAR(100),
preferences VARCHAR(200)
);
===> (성공하면)CREATE TABLE
# 8. 테이블 구조 확인
\d user_profiles
===> Table "public.user_profiles"
Column | Type | Collation | Nullable | Default
-------------+------------------------+-----------+----------+------------------------------------------------
user_id | integer | | not null | nextval('user_profiles_user_id_seq'::regclass)
user_name | character varying(50) | | |
location | character varying(100) | | |
preferences | character varying(200) | | |
Indexes: "user_profiles_pkey" PRIMARY KEY, btree (user_id)
# 9. 테스트 데이터 넣기
INSERT INTO user_profiles (
user_name,
location,
preferences
)
VALUES (
'Kim',
'Seoul',
'AI Agent 코드를 자세하게 설명받는 것을 선호'
);
===> 확인: SELECT * FROM user_profiles;
===> 결과:
user_id | user_name | location | preferences
---------+-----------+----------+---------------------------------------------
1 | Kim | Seoul | AI Agent 코드를 자세하게 설명받는 것을 선호
# 10. Python에서 PostgreSQL 접속 & Python DB연결 테스트
우선 설치: pip install "psycopg[binary]"
Python DB 연결 테스트: (새 파일 만들고, 코드 입력) test_postgres.py
실행: python test_postgres.py
===> PostgreSQL 연결 성공! (1, 'Kim', 'Seoul', 'AI Agent 코드를 자세하게 설명받는 것을 선호') 연결 종료
0. 전체 그림부터 이해하기
지금까지 만든 Chat Agent는 대략 이렇습니다.
사용자
│
▼
┌──────────────┐
│ Chat Loop │
└──────────────┘
│
▼
┌──────────────┐
│ messages │
│ 단기 대화기억 │
└──────────────┘
│
▼
┌──────────────┐
│ OpenAI Model │
└──────────────┘
│
▼
사용자에게 답변문제는 프로그램을 종료하면:
messages = []가 되어버린다는 것입니다.
즉,
어제:
사용자 → 나는 AI Agent를 공부하고 있어.
오늘:
프로그램 다시 실행
Agent → 처음 만난 사람처럼 행동할 수 있습니다.
그래서 DB가 등장합니다.
1. PostgreSQL을 넣으면 무엇이 달라질까?
구조가 이렇게 바뀝니다.
┌──────────────────┐
│ PostgreSQL │
│ │
│ 사용자 프로필 │
│ 사용자 선호 │
│ 중요한 정보 │
│ 장기 기억 │
└────────▲─────────┘
│
저장 / 조회
│
▼
┌──────────┐ ┌──────────────────┐
│ 사용자 │ ──────► │ Agent │
└──────────┘ │ │
│ Short-term Memory│
│ Summary Memory │
│ Long-term Memory │
└────────┬─────────┘
│
▼
┌──────────────┐
│ OpenAI Model │
└──────────────┘
│
▼
답변여기서 기억을 3단계로 나누면 이해가 쉽습니다.
| Short-term Memory | Python messages | 최근 대화 |
| Summary Memory | Python 메시지 | 오래된 대화 압축 |
| Long-term Memory | PostgreSQL | 프로그램 종료 후에도 유지 |
이제 우리가 PostgreSQL로 만들려는 것은 바로 세 번째입니다.
2. Docker가 왜 필요한가?
원래 PostgreSQL을 설치하려면:
PostgreSQL 다운로드
↓
Windows 설치
↓
환경설정
↓
서비스 설정
↓
포트 설정
↓
계정 설정등을 해야 합니다.
Docker를 사용하면:
Docker
│
▼
PostgreSQL이라는 완성된 상자(Container)
│
▼
바로 실행이라고 생각하면 됩니다.
조금 더 정확히 표현하면:
Docker Image
↓
postgres:15
↓
Docker Container 생성
↓
agent-postgres
↓
실행입니다.
3. 지금 가지고 있는 Docker Desktop의 역할
이미 Docker Desktop을 설치하셨다면 기본 준비는 상당 부분 되어 있습니다.
우선 PowerShell 또는 CMD를 열고 아래를 입력하세요.
docker --version정상이라면 대략:
Docker version 28.x.x처럼 나옵니다.
그리고:
docker ps를 입력해 보세요.
아직 실행 중인 컨테이너가 없다면:
CONTAINER ID IMAGE COMMAND CREATED STATUS처럼 비어 있어도 정상입니다.
4. PostgreSQL 실행 명령어의 중요한 오류
사용하신 명령어:
docker run --name agent-postgres \
-e POSTGRES_USER=agent_user \
-e POSTGRES_PASSWORD=agent_password \
-e POSTGRES_DB=agent_db \
-e 5432:5432 \
-d postgres:15여기에는 작은 오류가 있습니다.
이 부분:
-e 5432:5432는 잘못되었습니다.
-e는 환경변수(Environment Variable)를 의미합니다.
포트 연결은:
-p를 사용해야 합니다.
즉:
-p 5432:5432이어야 합니다.
5. 추천하는 PostgreSQL Docker 실행 명령어
Windows PowerShell에서 한 줄로 실행하면 가장 쉽습니다.
docker run --name agent-postgres -e POSTGRES_USER=agent_user -e POSTGRES_PASSWORD=agent_password -e POSTGRES_DB=agent_db -p 5432:5432 -d postgres:15각 부분을 하나씩 보겠습니다.
docker run
docker run의미:
Docker Image를 이용해서 새로운 Container를 만들고 실행해라.
--name agent-postgres
--name agent-postgresContainer의 이름입니다.
agent-postgres라는 이름의 PostgreSQL 서버가 만들어집니다.
나중에:
docker stop agent-postgres처럼 사용할 수 있습니다.
-e POSTGRES_USER=agent_user
-e POSTGRES_USER=agent_userPostgreSQL 사용자 계정을 만듭니다.
사용자 ID
agent_user-e POSTGRES_PASSWORD=agent_password
-e POSTGRES_PASSWORD=agent_password비밀번호입니다.
학습용으로는 괜찮지만 실제 서비스에서는 절대 이렇게 단순하게 사용하면 안 됩니다.
예를 들어:
agent_user
agent_password가 데이터베이스 접속 계정이 됩니다.
-e POSTGRES_DB=agent_db
-e POSTGRES_DB=agent_db처음 생성할 데이터베이스 이름입니다.
agent_db-p 5432:5432
이 부분이 매우 중요합니다.
-p 5432:5432의미는:
내 Windows PC
localhost:5432
│
│ Docker 연결
▼
Docker Container
PostgreSQL:5432입니다.
PostgreSQL의 기본 포트는:
5432입니다.
그래서 Python에서는 나중에:
host="localhost"
port=5432로 접속할 수 있습니다.
-d
-d백그라운드 실행입니다.
즉:
터미널은 계속 사용할 수 있고
PostgreSQL은 뒤에서 계속 실행합니다.
postgres:15
postgres:15PostgreSQL 15 버전 Image를 사용한다는 뜻입니다.
Docker에 해당 이미지가 없으면:
Docker Hub
↓
postgres:15 다운로드
↓
Container 생성
↓
PostgreSQL 실행을 자동으로 합니다.
6. 먼저 실행해보세요
PowerShell에서:
docker run --name agent-postgres -e POSTGRES_USER=agent_user -e POSTGRES_PASSWORD=agent_password -e POSTGRES_DB=agent_db -p 5432:5432 -d postgres:15실행합니다.
정상이라면 긴 문자열이 나옵니다.
예:
7f8d9e....이것은 Container ID입니다.
7. PostgreSQL이 실행 중인지 확인
docker ps입력합니다.
정상이라면:
CONTAINER ID IMAGE STATUS
xxxxxxxxxxxx postgres:15 Up 2 minutes그리고 이름은:
agent-postgres일 것입니다.
8. 가장 중요한 문제: 데이터가 사라질 수 있다
처음 명령어에는 Volume 설정이 없습니다.
이 상태에서는 Container를 삭제할 경우 데이터가 같이 사라질 가능성이 있습니다.
그래서 저는 처음부터 Volume을 사용하는 것을 권장합니다.
기존 Container를 만들었다면:
docker stop agent-postgres그리고:
docker rm agent-postgres한 뒤 다시 만듭니다.
추천 명령어:
docker run --name agent-postgres -e POSTGRES_USER=agent_user -e POSTGRES_PASSWORD=agent_password -e POSTGRES_DB=agent_db -p 5432:5432 -v agent_postgres_data:/var/lib/postgresql/data -d postgres:15추가된 부분은:
-v agent_postgres_data:/var/lib/postgresql/data입니다.
구조는:
Docker Container
┌────────────────────────────┐
│ │
│ PostgreSQL │
│ │
└─────────────┬──────────────┘
│
▼
Docker Volume
agent_postgres_data
│
▼
실제 DB 데이터이렇게 하면 Container를 삭제하더라도 Volume을 유지하면 데이터를 계속 사용할 수 있습니다.
9. Docker 안의 PostgreSQL에 직접 접속하기
이제 Docker Container 내부의 PostgreSQL에 들어갈 수 있습니다.
docker exec -it agent-postgres psql -U agent_user -d agent_db이 명령어는:
docker exec
↓
실행 중인 Container 안에서 명령 실행
agent-postgres
↓
Container 이름
psql
↓
PostgreSQL 명령어 프로그램
-U agent_user
↓
사용자
-d agent_db
↓
데이터베이스정상이라면:
agent_db=#처럼 나옵니다.
이 상태는:
PostgreSQL 안에 직접 들어온 상태
입니다.
10. 지금부터 SQL을 직접 실행할 수 있습니다
예를 들어 현재 테이블 확인:
\dt아직 아무 테이블도 없으므로 비어 있을 것입니다.
11. user_profiles 테이블 만들기
정상 코드는:
CREATE TABLE user_profiles (
user_id SERIAL PRIMARY KEY,
user_name VARCHAR(50),
location VARCHAR(100),
preferences VARCHAR(200)
);입니다.
PostgreSQL에서 실행해보세요.
CREATE TABLE user_profiles (
user_id SERIAL PRIMARY KEY,
user_name VARCHAR(50),
location VARCHAR(100),
preferences VARCHAR(200)
);성공하면:
CREATE TABLE이 나옵니다.
12. 테이블 구조 확인
\d user_profiles그러면 대략:
Column Type
--------------------------------
user_id integer
user_name character varying(50)
location character varying(100)
preferences character varying(200)처럼 나옵니다.
13. 테스트 데이터를 넣어봅시다
INSERT INTO user_profiles (
user_name,
location,
preferences
)
VALUES (
'Kim',
'Seoul',
'AI Agent 코드를 자세하게 설명받는 것을 선호'
);확인:
SELECT * FROM user_profiles;결과:
user_id | user_name | location | preferences
--------------------------------------------------
1 | Kim | Seoul | AI Agent 코드를...이제 중요한 것을 한 것입니다.
Python 프로그램 메모리
❌ 프로그램 종료하면 사라짐
PostgreSQL
✅ 프로그램 종료해도 유지14. Python에서 PostgreSQL 접속하기
이제 Python으로 넘어갑니다.
우선 설치:
pip install psycopg그런데 Windows에서는 저는 조금 더 명확하게 이것을 추천합니다.
pip install "psycopg[binary]"그러면 Python에서 PostgreSQL 드라이버를 쉽게 사용할 수 있습니다.
15. Python DB 연결 테스트
새 파일을 만드세요.
test_postgres.py그리고:
import psycopg
# ============================================================
# PostgreSQL 연결
# ============================================================
conn = psycopg.connect(
host="localhost",
port=5432,
dbname="agent_db",
user="agent_user",
password="agent_password"
)
print("PostgreSQL 연결 성공!")
# ============================================================
# Cursor 생성
# ============================================================
cursor = conn.cursor()
# ============================================================
# 데이터 조회
# ============================================================
cursor.execute(
"""
SELECT *
FROM user_profiles
"""
)
rows = cursor.fetchall()
# ============================================================
# 출력
# ============================================================
for row in rows:
print(row)
# ============================================================
# 종료
# ============================================================
cursor.close()
conn.close()
print("연결 종료")실행:
python test_postgres.py예상 결과:
PostgreSQL 연결 성공!
(1, 'Kim', 'Seoul', 'AI Agent 코드를 자세하게 설명받는 것을 선호')
연결 종료여기까지 성공하면:
Python ↔ PostgreSQL ↔ Docker
연결이 성공한 것입니다.
16. 지금 만든 구조를 그림으로 보면
┌──────────────────────────────────────┐
│ Windows PC │
│ │
│ ┌──────────────┐ │
│ │ Python Agent │ │
│ └──────┬───────┘ │
│ │ │
│ │ psycopg │
│ │ │
│ ▼ │
│ localhost:5432 │
│ │ │
│ ▼ │
│ ┌───────────────────────┐ │
│ │ Docker Desktop │ │
│ │ │ │
│ │ ┌───────────────────┐ │ │
│ │ │ agent-postgres │ │ │
│ │ │ │ │ │
│ │ │ PostgreSQL 15 │ │ │
│ │ │ Port 5432 │ │ │
│ │ └───────────────────┘ │ │
│ └───────────────────────┘ │
│ │
└──────────────────────────────────────┘17. 그런데 이것만으로는 아직 "Agent 장기 메모리"는 아닙니다
현재 구조는 단순히:
Python
↓
SQL
↓
DB 저장입니다.
진짜 Agent Long-term Memory는 다음 단계가 필요합니다.
사용자:
"나는 AI Agent를 공부하고 있어"
↓
Agent
↓
이 정보가 중요한가?
↓ YES
PostgreSQL 저장
user_id = 1
memory_type = preference
content = AI Agent를 공부하고 있음그리고 나중에:
사용자:
"내가 요즘 뭘 공부하고 있지?"
↓
Agent
↓
PostgreSQL 검색
↓
AI Agent 학습
↓
답변:
"AI Agent를 공부하고 계십니다."입니다.
18. 추천하는 DB 구조
처음부터 너무 복잡하게 만들지 않는 것이 좋습니다.
우선은 2개의 테이블이면 충분합니다.
사용자 기본정보
CREATE TABLE user_profiles (
user_id SERIAL PRIMARY KEY,
user_name VARCHAR(50),
location VARCHAR(100),
preferences TEXT
);그리고 두 번째:
장기 기억
CREATE TABLE memories (
memory_id SERIAL PRIMARY KEY,
user_id INTEGER REFERENCES user_profiles(user_id),
memory_type VARCHAR(50),
content TEXT,
importance INTEGER DEFAULT 5,
created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);이 구조가 중요한 이유는:
user_profiles
Kim
│
├── 이름
├── 위치
└── 기본 선호
memories
Kim
│
├── AI Agent 공부 중
├── Python 학습 중
├── 코드 설명은 자세한 것을 선호
└── 실제 업무용 Agent 개발 목표처럼 구성할 수 있기 때문입니다.
19. 앞으로 우리가 만들 Agent의 모습
제가 추천하는 학습 순서는 다음과 같습니다.
1단계
Docker PostgreSQL 설치
↓
2단계
Python에서 DB 연결
↓
3단계
SQL로 데이터 저장 / 조회
↓
4단계
Memory 저장 함수 만들기
↓
save_memory()
↓
5단계
Memory 검색 함수 만들기
↓
get_memories()
↓
6단계
Agent에 연결
↓
사용자 질문
↓
DB에서 관련 기억 검색
↓
OpenAI에게 전달
↓
답변
↓
중요한 새 정보 발견
↓
DB 저장최종적으로:
사용자
│
▼
┌──────────────┐
│ Agent │
└──────┬───────┘
│
┌──────────┼──────────┐
│ │ │
▼ ▼ ▼
최근대화 Summary PostgreSQL
Memory Memory Long Memory
│ │ │
└──────────┼──────────┘
│
▼
OpenAI Model
│
▼
답변추천하는 다음 실습
지금은 바로 Agent 전체를 만들기보다 두 번째 단계로 가는 것이 좋습니다.
즉, 다음 코드를 직접 만들어보는 것입니다.
database.py
├── connect_db()
├── create_user()
├── get_user()
├── save_memory()
├── get_memories()
└── close_connection()그리고 별도의:
test_memory_db.py에서:
1. 사용자 생성
2. 사용자 조회
3. 기억 저장
4. 기억 여러 개 저장
5. 기억 조회
6. 결과 출력을 테스트하는 것입니다.
이 단계를 확실히 해두면 그 다음에 "OpenAI가 사용자의 말에서 중요한 정보를 판단 → PostgreSQL 저장 → 다음 대화에서 검색해서 기억하는 진짜 Long-term Memory Agent"로 매우 자연스럽게 연결할 수 있습니다.
'Agentic AI > Memory' 카테고리의 다른 글
| 2. [Summary Memory] 대화 이력 슬라이딩 윈도우 및 자동 요약 압축 시스템 (0) | 2026.08.31 |
|---|---|
| 1. [Short-term Memory] 대화 이력 자동 압축 및 요약 시스템 (0) | 2026.08.31 |
