Python 51

13. 중간 점검(1)

현재 단계는 성공입니다. 특히 이번 결과는 단순히 "검색이 됐다"가 아니라, 지금까지 만든 장기기억 구조가 실제 Agent 안에서 연결되어 작동했다는 것이 중요합니다.그리고 질문하신 "이제 마지막 단계인가?"에 대해서는 이렇게 보는 것이 가장 정확합니다.지금까지의 진행 상황① PostgreSQL에 장기기억 저장 ↓② Memory 추출 기능 구현 ↓③ ChromaDB 구축 ↓④ PostgreSQL → ChromaDB 동기화 ↓⑤ ChromaDB semantic search 구현 ↓⑥ Agent가 ChromaDB 기억을 검색하여 답변에 활용 ← 지금 성공 ↓⑦ 새 Memory를 PostgreSQL + ChromaDB에 동시에 저장 ..

Agentic AI/Memory 2026.09.12

12. 장기기억(9) - PostgreSQL의 memories 테이블과 ChromaDB연결 단계(3)

이제부터가 진짜 AI Agent의 장기기억 구조를 Agent에 연결하는 단계입니다.이번에는 서두르지 않고,① agent_with_memory.py가 현재 어떻게 되어 있는지 → ② 무엇이 문제인지 → ③ ChromaDB를 어떻게 연결하는지 → ④ 전체 코드를 수정 → ⑤ 테스트순서로 진행하겠습니다. [요약]# PostgreSQL의 memories 테이블과 ChromaDB연결 단계(3) # step1. agent_with_memory.py 전반적으로 수정(전체 파일 교체) # step2. memory.py의 build_memory_context() 코드 교체 # step3. 테스트(agent_with_memory.py 코딩) ===>python agent_with_memory.py 실행 ==..

Agentic AI/Memory 2026.09.12

11. 장기기억(8) - PostgreSQL의 memories 테이블과 ChromaDB연결 단계(2)

전장의 테스트 결과는 정상입니다. 오히려 이번 결과에서 아주 중요한 것이 몇 가지 확인되었습니다.특히,PostgreSQL → Dictionary → ChromaDB → user_id 필터 → 의미 기반 검색이라는 우리가 만들고 있는 구조가 실제 데이터로 정상 동작하고 있습니다.이제 말씀하신 대로 다음 단계인 search_memory()의 ChromaDB 전환으로 넘어가겠습니다. [요약]# PostgreSQL의 memories 테이블과 ChromaDB연결 단계(2) # step1. memory.py 수정 # step1.1. from vector_store import search_similar_memories추가. # step1.2. search_memory() 코드 수정 # step1.3. def ch..

Agentic AI/Memory 2026.09.12

10. 장기기억(7)- PostgreSQL의 memories 테이블과 ChromaDB연결 단계(1)

지금은 단순히 코드를 조금 고치는 단계가 아니라, PostgreSQL과 ChromaDB를 처음으로 실제 연결하는 단계이므로 한 번에 Agent까지 바꾸지 않는 것이 좋습니다. [요약]# PostgreSQL의 memories 테이블과 ChromaDB연결 단계(1) ===> memory.py, vector_store.py 수정/보완하고 테스트하기 # step1. memory.py 수정 # step1.1. 7. Memory tuple → dictionary 과 8. Memory tuple 목록 → dictionary 목록 추가. # step1.2. 기존의 7. Memory Context 생성 => 9.Memory Context 생성로 변경하고 코드 수정 # step2. vector_store.py를 ..

Agentic AI/Memory 2026.09.12

9. 장기기억(6) - 벡터스토어 만들고 테스트하기

이제 vector_store.py를 만들고, PostgreSQL의 memories 테이블과 ChromaDB를 연결하는 단계입니다. [요약]# 1. vector_store.py 만들기 # 2. 테스트 파일 만들기: test_vector_store.py # 3. 테스트1. # 4. 추가 수정 # 4.1. 검색 결과를 보기 좋게 출력하는 함수 추가: ===> def print_search_results(results): # 4.2. database.py의 get_memories() 반환값 확인후 수정: ===> user_id 추가 # 4.3. PostgreSQL tuple을 ChromaDB용 dictionary로 변환하는 과정 추가: ===> def memory_tuple_to_di..

Agentic AI/Memory 2026.09.06

8. 장기기억(5) - ChromaDB 추가로 의미 기반 검색

기존 PostgreSQL을 버리고 ChromaDB로 바꾸는 것이 아니라, PostgreSQL은 사용자·기억의 원본 저장소로 유지하고, ChromaDB는 의미 기반 검색을 담당하도록 추가하는 것입니다.이렇게 해야 지금까지 배운 내용도 버리지 않고, 실제 AI Agent 구조에 가까워집니다. [요약]# 1. pip install chromadb 설치 ===> pip show chromadb로 확인# 2. test_chroma.py ===> python .\test_chroma.py 확인1. 왜 지금 ChromaDB를 배우는 것이 좋은가?현재 Agent는 대략 다음 구조입니다.사용자 질문 ↓PostgreSQL에서 사용자의 기억 조회 ↓최근 기억 또는 중요도 높은 기억 반환 ↓LLM..

Agentic AI/Memory 2026.09.06

7. 장기기억(4)-Memory Layer를 Agent Loop에 연결하기

지금까지는 “장기기억을 저장하고 꺼내는 Memory Layer”를 독립적으로 만드는 단계였습니다.이제 다음 단계는 자연스럽게 다음과 같습니다. [요약]# 1. agent_with_memory.py 생성, 그리고 수정(장기기억용(3)) # 2. database.py 수정(장기기억용(1)(2)) # 3. 테스트 실시 다음 단계: Memory Layer를 Agent Loop에 연결하기지금까지의 구조는 다음과 같습니다.사용자 대화 ↓extract_memory() ↓중요한 기억 추출 ↓PostgreSQL 저장 ↓search_memory() ↓기억 조회 ↓build_memory_context() 이제 이것을 실제 Agent에 연결합니다.사용자 질문 ↓Agent ↓① 관련..

Agentic AI/Memory 2026.09.06

6. 장기 메모리(3)(Long-term Memory) - Memory Layer 만들기

DB를 다루는 Memory Layer 자체를 먼저 완성하고 테스트한 다음 Agent에 붙이는 것이 가장 좋습니다.1. 두 단계를 나누는 이유지금 제시하신 두 단계는 사실 서로 다른 문제입니다.1단계: Memory Layer 만들기사용자 대화 ↓extract_memory() ↓"이 내용 중 장기기억할 것이 무엇인가?" ↓save_memory() ↓PostgreSQL ↓search_memory() ↓관련 기억 검색 ↓build_memory_context() ↓Agent가 사용할 문자열 여기서는 "기억 시스템 자체가 제대로 작동하는가?"를 배우는 것입니다.2단계: Agent에 Memory Layer 연결사용자 ↓Agent ↓Memory 검색 ↓OpenAI ↓답..

Agentic AI/Memory 2026.09.05

5. 장기 메모리(2)(Long-term Memory) - Python으로 PostgreSQL을 장기 기억 저장소처럼 사용하기

이제부터는 "DB를 사용할 수 있는 Agent의 기본기"를 제대로 만드는 단계입니다.이번 단계의 목표는 OpenAI나 Agent를 아직 붙이지 않는 것입니다. 먼저 Python이 PostgreSQL을 장기 기억 저장소처럼 사용할 수 있는지를 확실하게 테스트합니다. [전체 요약]# 1. Docker PostgreSQL에 접속 docker exec -it agent-postgres psql -U agent_user -d agent_db ===> agent_db=# # 2. 사용자 테이블 CREATE TABLE IF NOT EXISTS user_profiles ( user_id SERIAL PRIMARY KEY, user_name VARCHAR(50) NOT NULL, location V..

Agentic AI/Memory 2026.09.03

4. 장기 메모리(1)(Long-term Memory) - Docker & PostgreSQL 실행하기

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 ..

Agentic AI/Memory 2026.09.01
반응형