에이전트는 과거 인시던트에서 작동했던 내용을 기억하고 설명서를 참조하여 시간이 지남에 따라 더 효과적입니다.
메모리 작동 방식
질문을 할 때 에이전트는 모든 지식 원본을 동시에 검색합니다.
| 출처 | 찾은 내용 | 적합한 대상 |
|---|---|---|
| 과거 사고 | 유사한 문제를 해결한 단계 | "이전에 이 문제를 어떻게 해결했나요?" |
| 사용자 메모리 | 명시적으로 저장한 팩트 | "내 환경이 사용한다는 것을 기억하십시오..." |
| 기술 자료 | 업로드된 런북 및 문서 | "표준 절차를 따르세요" |
에이전트는 정보가 어디에서 왔는지 정확하게 보여 주는 클릭 가능한 인용 이 포함된 접지 응답을 반환합니다.
자동 학습
에이전트는 모든 대화에서 학습합니다. 수동 학습은 필요하지 않습니다.
각 스레드가 완료되면 에이전트는 다음 정보를 캡처합니다.
| What | 설명 |
|---|---|
| 관찰된 증상 | 오류 메시지, 동작, 패턴 |
| 효과가 있었던 단계 | 성공한 해결 경로 |
| 근본 원인 | 문제의 원인 |
| 피해야 할 문제 | 효과가 없었던 것들, 막다른 길 |
이 프로세스는 자동으로 수행됩니다. 스레드가 조용해지면 30분 후에 에이전트가 대화를 평가하고 학습을 인덱싱합니다.
동일한 리소스 우선 순위
리소스 문제를 조사할 때 에이전트는 정확히 동일한 리소스에 대해 과거 세션의 우선 순위를 지정합니다.
"App Service app-prod-01 is returning 503 errors"
에이전트는 먼저 app-prod-01와 관련된 문제를 이전에 확인한 적이 있는지 점검합니다. 그렇다면 관련성이 가장 높기 때문에 이러한 학습이 먼저 나타납니다.
사전 지식 지속성
에이전트는 완료된 스레드에서 학습하는 것 외에도 대화 중에 검색된 내용을 적극적으로 저장합니다. 에이전트가 중요한 항목(까다로운 구성, 명확하지 않은 종속성 또는 디버깅 gotcha)을 발견하면 세션 간에 전달되는 영구 지식 파일에 인사이트를 기록합니다.
작동 방식
에이전트는 memories/synthesizedKnowledge/에서 지식 디렉터리를 유지합니다. 에이전트는 모든 대화가 시작될 때 시스템 프롬프트에 특수 파일을 overview.md자동으로 로드합니다. 이 방법을 사용하면 에이전트가 사용자 환경에 대한 가장 중요한 컨텍스트에 즉시 액세스할 수 있습니다.
| 구성 요소 | 용도 |
|---|---|
overview.md |
서비스 요약 및 인덱스입니다. 항상 컨텍스트 내로 로드됩니다(최대 2,000자 제한). |
| 토픽 파일 | 특정 주제에 대한 자세한 참고 사항(예: aks-networking-gotchas.md). |
| 개요의 링크 |
overview.md 는 에이전트가 어떤 세부 지식이 있는지 알 수 있도록 토픽 파일에 연결합니다. |
에이전트가 저장하는 내용
에이전트는 대화 중에 인사이트를 사전에 기록합니다.
| 카테고리 | 예제 |
|---|---|
| 문제 제약 조건 | 이 서비스는 할당량 제한으로 인해 복제본을 10개 이상으로 확장할 수 없습니다. |
| 효과가 있는 전략 | "--grace-period=0를 재시작하여 중단된 배포가 해결되었습니다." |
| 실패한 전략 | "메모리 제한을 늘리는 것은 도움이 되지 않았습니다. CPU 제한 문제"라고 말했습니다. |
| 명확하지 않은 종속성 | "앱 프런트엔드는 먼저 시작해야 하는 사이드카 프록시에 의존합니다." |
| 구성 세부 정보 | "프로덕션은 Key Vault에 저장된 사용자 지정 TLS 인증서를 사용합니다." |
지식 조직
에이전트는 시간순 이 아닌 항목을 통해 정보를 의미 체계적으로 구성합니다. 각 파일은 독립적인 참조입니다.
| 파일 | 캡처한 내용 |
|---|---|
overview.md |
서비스 요약, 키 링크, 토픽 파일 인덱스(최대 2,000자) |
team.md |
팀 구성원, 역할, 전문 지식(최대 500자) |
architecture.md |
구성 요소, 연결, 환경(최대 1,500자) |
logs.md |
로그 원본, 테이블, 키 필드, 유용한 쿼리(~1,500자) |
deployment.md |
파이프라인 세부 정보, 버전 조회, 롤백 프로시저(~1,000자) |
auth.md |
인증 메커니즘, ID 흐름(~800자) |
debugging.md |
일반적인 문제, 문제 해결 가이드, Runbook 링크(~1,000자) |
queries/*.md |
토픽별로 구성된 추출된 쿼리(각각 최대 1,000자) |
기존 지식을 업데이트할 때 에이전트는 현재 파일을 읽고, 새 정보를 병합하고, 오래되었거나 올바르지 않은 모든 정보를 제거합니다.
팁 (조언)
에이전트에게 지식을 저장하도록 요청할 수도 있습니다.
자동 지속성 외에도 정보 파일에 정보를 저장하도록 에이전트에 명시적으로 요청할 수 있습니다.
Save this to your knowledge: our Redis cache uses Premium tier with 6GB,
and failover takes about 90 seconds.
에이전트는 적절한 지식 파일을 만들거나 업데이트하고, 그것을 overview.md에서 연결합니다.
이 방법은 개별 팩트를 별도의 메모리 저장소에 저장하는 명령(다음 섹션에 설명됨)과 다릅니다 #remember . 지식 파일은 모든 대화가 시작될 때 에이전트가 참조하는 구조적 영구 참조입니다. 사용자 메모리는 #retrieve를 통해 검색할 수 있는 개별 사실입니다.
사용자 메모리
에이전트가 자동으로 학습하고 유지하는 것 외에도 에이전트가 기억할 개별 팩트를 명시적으로 저장할 수 있습니다. 사용자 기억은 인시던트에서 표시되지 않을 수 있지만 컨텍스트에 중요한 환경별 세부 정보에 적합합니다.
다음 표에서는 사용자 메모리에 적합한 후보를 설명합니다.
| 카테고리 | 예제 |
|---|---|
| 환경 팩트 | "프로덕션은 미국 서부 2에서 3개의 AKS 클러스터를 사용합니다." |
| 팀 기본 설정 | "배포를 위해 포털보다 CLI를 선호합니다." |
| 아키텍처 세부 정보 | "app-service-01은 sql-prod에 따라 달라집니다." |
| 에스컬레이션 경로 | "PagerDuty, Teams 채널, 전화" |
메모리 명령
이러한 채팅 명령을 사용하여 사용자 추억을 관리합니다.
| Command | 용도 | 예시 |
|---|---|---|
#remember |
나중에 참조할 수 있는 팩트 저장 | #remember our Redis cache uses Premium tier |
#retrieve |
저장된 추억 검색 | #retrieve what's our caching setup? |
#forget |
저장된 메모리 제거 | #forget the outdated Redis info |
다음 예제에서는 일반적인 메모리 워크플로를 보여줍니다.
중요한 컨텍스트 저장:
#remember Production uses 3 AKS clusters in West US 2
#remember Our escalation path: PagerDuty, then Teams channel, then phone
#remember Database failover takes approximately 15 minutes
나중에 검색:
#retrieve how long does database failover take?
에이전트는 저장된 메모리에 따라 응답합니다. "데이터베이스 장애 조치(failover)는 약 15분이 걸립니다."
참조 자료
설명서를 업로드하고 외부 원본을 연결하여 에이전트에 더 광범위한 참조 라이브러리를 제공합니다.
문서 업로드
Builder > 기술 자료로 이동하여 설명서를 업로드합니다.
| 문서 유형 | 적합한 |
|---|---|
| 런북들 | 단계별 인시던트 절차 |
| 아키텍처 가이드 | 환경 이해 |
| 대기중인 플레이북 | 에스컬레이션 및 응답 절차 |
| API 설명서 | 서비스 관련 지식 |
| 팀 절차 | 워크플로 및 프로세스 문서 |
지원되는 형식: Markdown(.md), 일반 텍스트(.txt). 최대 파일 크기는 16MB입니다.
외부 원본 연결
커넥터를 사용하여 외부 시스템에서 직접 지식 에 액세스합니다.
| Connector | 제공하는 내용 |
|---|---|
| Azure DevOps | ADO 위키 페이지 쿼리 |
| 깃허브 | 리포지토리, wiki, 문제 검색 |
| Microsoft Learn | 공식 Microsoft 설명서 |
| 사용자 지정 MCP | 설정하는 모든 지식 소스 |
설정 > 커넥터에서 커넥터를 구성합니다. 자세한 내용은 커넥터를 참조하세요.
대화에 지식 사용
에이전트는 질문과 관련된 정보를 자동으로 검색합니다.
How should I handle a database failover?
Runbook을 업로드하면 에이전트가 신뢰할 수 있는 답변으로 응답합니다.
데이터베이스 운영 절차서(인용 링크)에 따라 장애 극복 단계는 다음과 같습니다.
- 보조 복제본의 상태를 확인합니다...
전체 원본 문서를 보려면 인용 링크를 선택합니다.
세션 인사이트
모든 스레드(동기 채팅 대화 또는 비동기 자동 실행 작업) 후에 에이전트는 세션 인사이트를 생성합니다. 세션 인사이트는 시간이 지남에 따라 에이전트가 더 스마트해지는 방법입니다.
캡처되는 항목
각 세션 인사이트는 검색 가능한 메모리가 되는 구조적 학습을 추출합니다.
| 구성 요소 | 캡처한 내용 | 예시 |
|---|---|---|
| 관찰된 증상 | 오류 패턴, 동작 | "HTTP 503 오류, 메모리 95%" |
| 해결 단계 | 효과가 있었던 것들 | "App Service SKU 강화" |
| 근본 원인 | 왜 그런 일이 일어났는가? | 배포 버전 v2.3의 메모리 누수 |
| 피해야 할 문제 | 무엇이 효과가 없었는지 | "다시 시작하는 데 도움이 되지 않습니다." |
인사이트가 생성되는 경우
다음 표에서는 세션 인사이트가 생성되는 시기를 설명합니다.
| 스레드 유형 | 언제 | 자동 또는 수동 |
|---|---|---|
| 채팅 동기화 | 마지막 메시지 30분 후 | 자동 |
| 비동기 작업 | 완료 후 30분 | 자동 |
| 사용자 피드백 | 응답을 평가하는 경우 | 당신이 트리거합니다. |
세션 인사이트 보기
세션 인사이트 모니터링 > 으로 이동하여 다음을 확인합니다.
- 에이전트 작업 타임라인
- 평가 점수
- 추출된 주요 학습
- 원본 스레드 링크: 각 인사이트 카드는 생성된 스레드로 다시 연결되므로 원래 대화에 대한 인사이트를 추적할 수 있습니다.
자세한 메트릭 및 관리는 에이전트 사용 모니터링을 참조하세요.
모범 사례
에이전트의 메모리 및 기술 기능에서 가장 많은 가치를 얻으려면 다음 권장 사항을 따르세요.
업로드할 내용 및 연결 선택
| Upload | 커넥터를 통해 연결 |
|---|---|
| 인시던트 런북 | 라이브 위키 페이지(ADO, GitHub) |
| 아키텍처 다이어그램 | 소스 코드 리포지토리 |
| 에스컬레이션 절차 | 실시간 모니터링 데이터 |
| 정적 API 문서 | 자주 업데이트되는 문서 |
최신 지식 유지
문서가 오래되면 잘못된 응답이 발생합니다. 분기별로 기술 자료를 검토합니다. 에이전트가 현재 가지고 있는 문서를 보려면 다음을 요청합니다.
What knowledge documents do you have?
Builder > 기술 자료에서 오래된 문서를 제거합니다.
문서 이름을 명확하게 지정합니다.
설명이 포함된 파일 이름을 사용하여 에이전트와 팀이 올바른 설명서를 빠르게 찾을 수 있도록 도와줍니다.
| 사용하지 않음 | 대신 사용 |
|---|---|
| doc1.txt | production-database-failover.md (프로덕션 데이터베이스 장애조치) |
| runbook.md | aks-cluster-scaling-runbook.md |
| notes.txt | escalation-procedures-2026.txt |