엔비디아, NemoClaw로 기업 에이전트에 지속 기억과 통제된 실행을 제공하는 방식 공개

엔비디아가 기업용 AI 에이전트가 지속 기억을 사용하되 그 기억이 통제되지 않은 권한으로 바뀌지 않도록 하는 기술 예제를 공개했다. 9월 4일 게시된 “Building a Memory-Driven Agent with NVIDIA NemoClaw” 글은 Chief of Staff 형태의 에이전트를 설명한다. 이 에이전트는 사람, 프로젝트, 우선순위, 업무 패턴을 사람이 읽을 수 있는 self model로 유지하고, 의무, 순위, 수정, 감사 이벤트는 별도의 원장에 기록한다.

엔비디아가 다루는 문제는 업무용 에이전트를 실험하는 많은 팀이 겪는 문제다. 쓸모 있는 비서는 매번 요청을 완전히 새로운 대화처럼 다뤄서는 안 된다. 어떤 프로젝트가 중요한지, 협업자들이 어떻게 연결되는지, 이미 어떤 결정이 내려졌는지, 아직 남은 의무가 무엇인지 기억해야 한다. 하지만 기억은 위험도 만든다. 잘못된 판단을 오래 보존하거나, 숨은 가정을 유지하거나, 문맥이 사용자 승인 없이 행동 권한처럼 작동할 수 있기 때문이다. 엔비디아의 설계는 증거, 지식, 통제된 실행을 분리해 개발자가 결론이 어떻게 나왔는지 확인할 수 있게 한다.

예제에서 self model은 구조화된 Markdown 페이지로 저장된다. 여기에는 사람, 프로젝트, 우선순위, 목표, 개념, 반복되는 업무 패턴이 들어간다. SQLite 원장은 의무 순위, 사용자 수정, 감사 기록 같은 판단 정보를 저장한다. 이 분리는 의도적이다. 기억 페이지가 어떤 협업자가 Slack을 선호한다고 알려줘도 Slack 메시지를 보내는 일은 여전히 자격 증명, 런타임 정책, 사용자 승인에 달려 있다. 문맥은 행동에 참고가 될 수 있지만 행동을 승인하지는 않는다.

엔비디아는 이 접근법이 측정 가능한 향상을 만들었다고 밝혔다. Agent Memory Benchmark에서 self model은 agentic RAG 기준선의 82.8% 대비 전체 정확도를 90.9%로 높였다. 가장 큰 개선은 시간이 지나며 바뀐 사실 추적, 특정 시점 추론, 엔티티 구분 같은 어려운 범주에서 나타났다. 이는 지속 기억이 단순한 편의 기능이 아니라 많은 메시지와 결정에 걸친 연속성을 처리하는 데 도움이 된다는 뜻이다.

보안도 핵심 축이다. 예제는 NVIDIA NemoClaw와 자율 에이전트를 위한 보안 런타임 NVIDIA OpenShell을 함께 사용해 에이전트를 샌드박스 안에서 실행하고 파일 시스템, 프로세스, 네트워크 접근을 통제한다. 관리형 추론과 MCP 연결에 필요한 자격 증명은 샌드박스 밖에 둔다. 기업 기억, 검색 문서, 도구 설명은 모델 입력이지 보안 정책이 아니기 때문에 이런 경계가 중요하다.

더 큰 의미는 에이전트 기억이 인프라가 되고 있다는 점이다. 공급업체들은 이제 도구를 호출할 수 있는 에이전트만 보여주는 것이 아니라 기억하고, 수정될 수 있고, 감사 가능하며, 강제 가능한 한계 안에서 행동하는 시스템을 보여주려 한다. 기업 구매자에게 이는 인상적인 데모와 실제 배포 가능한 시스템을 가르는 기준이 될 수 있다.