레디스, 기업용 AI 에이전트 ‘기억력’ 겨냥…실시간 컨텍스트 엔진 공개

레디스는 기업용 인공지능(AI) 에이전트의 ‘맥락 부족’ 문제를 해결하기 위한 실시간 ‘컨텍스트 엔진(Context Engine)’을 공개했다. 단순히 사용자와 대화하는 수준을 넘어, 실제 업무를 처리하는 AI 에이전트의 정확도와 안정성을 높이겠다는 구상이다.

이번에 공개된 컨텍스트 엔진은 ‘레디스 컨텍스트 리트리버’, ‘레디스 에이전트 메모리’, ‘레디스 데이터 통합’ 등 3개 도구로 구성된다. 이 중 데이터 통합 기능은 이날부터 정식 출시됐고, 나머지 두 기능은 미리보기 형태로 제공된다.

레디스는 기업 현장에서 AI 에이전트가 잘못된 정보를 내놓거나 작업 도중 멈추는 이유로 ‘컨텍스트 문제’를 지목했다. 필요한 데이터를 제때 불러오지 못하거나, 이전 상호작용과 업무 맥락을 기억하지 못해 환각 현상과 오류가 발생한다는 설명이다. 예를 들어 고객 상담을 처리하는 AI 에이전트라면 고객관계관리(CRM) 시스템, 배송 데이터베이스, 사내 정책이 담긴 PDF 문서까지 동시에 참고해야 하는데, 기존 방식으로는 이런 연결이 느리고 유지보수도 어렵다는 것이다.

핵심은 데이터와 에이전트 사이의 전용 계층

레디스는 자사 인메모리 데이터 저장 기술을 기반으로, AI 에이전트와 기업 데이터 사이에 전용 ‘컨텍스트 계층’을 두는 방식을 제시했다. 이를 통해 각 에이전트가 자신이 놓인 업무 환경을 ‘에이전트가 읽기 쉬운’ 형태로 이해하고, 데이터 간 관계까지 빠르게 파악할 수 있도록 돕겠다는 전략이다.

가장 주목되는 기능은 컨텍스트 리트리버다. 개발자는 이를 활용해 기업 데이터의 의미 구조를 모델링할 수 있다. 가령 특정 고객이 어떤 영업 기회와 연결돼 있는지, 어떤 지원 티켓과 관련돼 있는지를 AI 에이전트가 구조적으로 이해하도록 만드는 식이다. 레디스는 이 기능이 기존 ‘텍스트 투 SQL’ 방식보다 안정적이라고 강조했다. AI가 자연어를 SQL 쿼리로 바꾸는 과정에서 오류가 자주 발생하는 만큼, 필요한 데이터 접근 도구를 자동 생성하는 방식이 더 효율적이라는 설명이다. 이 과정에는 오픈소스 ‘모델 컨텍스트 프로토콜(MCP)’이 활용된다.

단기 기억과 장기 기억을 함께 관리

에이전트 메모리 기능은 AI 에이전트의 상태를 ‘이중 계층’으로 관리한다. 단기적으로는 현재 대화와 상호작용 이력을 추적하고, 장기적으로는 이전 세션에서 축적된 선호도와 과거 기록을 저장하는 구조다. 이를 통해 AI 에이전트가 단발성 응답에 그치지 않고, 지속적인 업무 맥락을 반영할 수 있게 된다.

데이터 통합 기능은 이 같은 구조를 뒷받침하는 기반 역할을 맡는다. 기업의 주요 관계형 데이터베이스와 데이터 웨어하우스에서 정보를 지속적으로 동기화해, AI 에이전트가 몇 주 전 낡은 정보가 아니라 최신 데이터를 바탕으로 판단하도록 지원한다.

레디스의 강점은 이미 확보한 기업 침투력

이번 제품이 주목받는 배경에는 레디스의 기존 기업 시장 입지가 있다. 회사에 따르면 자사의 대표 오픈소스 인메모리 데이터 저장소는 현재 전체 기업용 AI 에이전트 스택의 43%에서 활용되고 있다. 이 기술은 데이터베이스, 캐시, 스트리밍 엔진, 메시지 브로커 역할을 함께 수행해온 것이 강점으로 꼽힌다.

업계 시각에서 보면, 레디스는 단순한 고속 캐시 기업을 넘어 AI 에이전트를 위한 ‘운영체제’ 성격의 인프라 기업으로 확장하려는 흐름을 분명히 드러냈다. 기업 입장에서는 더 복잡한 업무를 맡길 수 있으면서도 쉽게 흔들리지 않는 AI 에이전트를 구축할 수 있다는 점이 핵심 가치로 읽힌다.

결국 이번 컨텍스트 엔진은 AI 에이전트의 성능 경쟁이 모델 자체보다 ‘얼마나 정확한 맥락과 최신 데이터를 공급하느냐’로 이동하고 있음을 보여준다. 기업용 AI 시장에서는 이제 대화 능력보다 ‘기억’과 ‘문맥 이해’가 더 중요한 경쟁력이 되고 있다.