OpenClaw는 왜 도구 기록을 잊어버릴까요?

OpenClaw는 과거 도구 호출이 대화 기록에 존재하고 압축될 때 Markdown 요약으로 변환되기 때문에 도구 기록을 잊어버립니다. 에이전트는 "이 인수로 이 도구를 이미 호출했나요?"라고 신뢰성 있게 물어볼 수 없습니다. 지속적인 기억 계층이 모든 호출, 그 인수 및 결과의 구조화된 원장을 유지합니다.

OpenClaw는 기억 문서에 따라 일반 Markdown 파일에 기억을 저장하며, 모델은 디스크에 저장된 것만 기억합니다. 도구 호출은 대화 흐름을 통해 이루어지며, 전용 원장을 통해 이루어지지 않습니다. 세 가지 이유로 손실이 발생합니다.

1. 도구 호출은 대화 기록에 존재합니다. 각 호출과 그 관찰은 세션 동안 모델의 컨텍스트 창에 위치합니다. 새로운 단계가 들어오면 이전 호출은 압축 시 요약되거나 창에서 밀려납니다. "내가 검색 도구에 전달한 정확한 인수 집합"과 같은 세부 사항은 "이전에 몇 가지 검색을 실행했습니다."와 같은 문장으로 변환됩니다.

2. 압축 요약은 호출 구조를 잃습니다. 압축이 발생하면 에이전트는 중요한 상태를 기억 파일로 플러시합니다. 좋은 요약은 도구가 수행한 작업의 요점을 포착합니다. 계획자가 중복 제거를 할 수 있는 "도구, 인수, 결과, 타임스탬프" 튜플의 쿼리 가능한 목록을 보존하지 않습니다.

3. 기억 검색은 호출 서명으로가 아니라 의미로 기억합니다. 벡터 유사성과 키워드 매칭을 통한 하이브리드 검색은 임베딩 제공자가 구성될 때 과거 메모를 표면화합니다. 이는 내러티브 검색을 위해 구축되었으며, "이 정확한 엔드포인트에 이 정확한 인수로 호출한 적이 있나요?"를 위해 구축된 것이 아닙니다.

결과적으로: 에이전트는 이미 실행한 도구를 다시 실행하여 동일한 호출에 대해 두 번 비용을 지불하고 때때로 미세하게 다른 결과를 얻습니다.

도구 기록 손실은 모든 긴 작업에서 조용히 비용을 증가시키는 실패 모드입니다:

• 중복 호출 및 중복 지출. 모든 재호출은 모델 추론 비용과 도구 호출 비용을 포함합니다. 속도 제한이 있는 API에서는 작업 요구 사항보다 예산을 더 빨리 소모합니다.
• 일관성 없는 관찰. 압축을 거쳐 동일한 엔드포인트를 두 번 호출하면 기본 데이터가 변경되었을 수 있습니다. 에이전트는 동일한 사실의 두 가지 버전에서 추론하게 되며 이를 인식하지 못합니다.
• 자율 루프에 대한 감사 추적 없음. 긴 실행이 실패하면 어떤 도구가 어떤 순서로 어떤 인수로 실행되었는지 정확히 재구성할 수 없습니다. 기록은 마지막 몇 턴을 자세히 보유하고 있으며, 나머지는 요약입니다.

Mem0의 AI 에이전트 기억 상태 2026 보고서는 생산 제약을 명확히 설명합니다: 에이전트는 30에서 100개의 도구 단계 후에 스레드를 잃고, 도구 호출 중복 제거가 가장 먼저 실패하는 것입니다.

OpenClaw는 도움이 되는 여러 기능을 제공하지만, 도구 호출 기억을 완전히 해결하지는 못합니다.

압축 전 저장 턴. 압축이 대화를 요약하기 전에 OpenClaw는 에이전트에게 중요한 맥락을 기억 파일에 저장하도록 상기시키는 조용한 턴을 실행합니다. 내러티브 상태에 유용합니다. 구조화된 호출 원장을 생성하기 위해 설계되지 않았습니다.

하이브리드 검색을 통한 기억 검색. OpenAI, Gemini, Voyage 또는 Mistral과 같은 임베딩 제공자를 구성하면 에이전트는 유사성과 정확한 키워드로 과거 메모를 검색할 수 있습니다. "이런 것을 본 적이 있나요?"에는 강하지만, "이 인수로 이 도구를 호출한 적이 있나요?"에는 약합니다.

기억 기술. 에이전트가 배운 재사용 가능한 절차는 기술로 저장되고 호출될 수 있습니다. 이는 "X를 수행하는 방법"을 다루며 "내가 무엇을 했는가"와는 다릅니다. 두 가지는 관련이 있지만 동일하지 않습니다.

이 기능들은 OpenClaw를 투명하고 인간이 편집할 수 있도록 만듭니다. 여전히 에이전트는 자신이 이미 수행한 작업을 알기 위해 문장 요약에 의존하게 됩니다.

더 깊은 문제는 Markdown이 내러티브에 적합한 저장 형식이지만 구조화된 이벤트 스트림에는 부적합하다는 것입니다. 도구 호출은 이벤트로, 인수, 타임스탬프 및 결과를 포함합니다. 이들은 단락이 아니라 행으로 존재해야 합니다.

구조화된 도구 원장이 없으면 OpenClaw의 에이전트는 "자기 반복하지 마세요"라는 지시를 받을 수 있지만, 확인하는 데 필요한 데이터 형식이 누락되어 있기 때문에 그 규칙을 시행할 수 없습니다.

MemoryLake는 OpenClaw의 Markdown 파일 옆에 구조화된 이벤트 저장소를 추가합니다. 모든 도구 호출은 쿼리 가능한 기록이 됩니다.

• 구조화된 도구 원장. 각 도구 호출, 그 인수, 전체 출력 및 타임스탬프는 프로젝트의 사실 기억으로 저장됩니다. 에이전트는 매번 새로운 호출 전에 "오늘 이 인수로 이 도구를 이미 호출했나요?"라고 물어보고 정확히 중복을 건너뛸 수 있습니다.
• 전체 충실도 관찰 저장. 원시 도구 출력은 요약되지 않고 원래 충실도로 지속됩니다. 계획자가 10턴 전의 호출에서 정확한 결과가 필요할 때, 패러프레이즈가 아닌 전체 텍스트를 가져옵니다.
• 교차 에이전트 공유 원장. 관련 작업을 수행하는 두 OpenClaw 에이전트는 동일한 도구 원장에서 읽습니다. 한 에이전트는 다른 에이전트의 호출로부터 학습합니다. 동일한 저장소는 REST, MCP 또는 Python SDK를 통해 연결된 모든 에이전트에서 작동합니다.

MemoryLake는 LoCoMo 긴 맥락 벤치마크에서 94.03%를 기록했으며, 2026년 현재 발표된 최고 결과로, 밀리초 단위의 검색과 AES-256 종단 간 암호화를 제공합니다.

1. 프로젝트를 생성하고 맥락을 로드합니다. MemoryLake에 로그인하고, 프로젝트 관리에서 프로젝트 생성 버튼을 클릭하고, "OpenClaw — 도구 원장"이라는 이름을 지정합니다. 문서 드라이브를 통해 참조 문서(API 사양, 허용 목록, 이전 MEMORY.md 내보내기)를 업로드합니다. 기억 탭을 사용하여 에이전트가 따라야 할 도구 사용 정책을 설정합니다.
2. MCP 서버 엔드포인트를 생성합니다. 프로젝트 내의 MCP 서버 탭을 열고, MCP 서버 추가 버튼을 클릭하고, "OpenClaw 도구"라는 이름을 지정한 후 생성 버튼을 클릭합니다. MemoryLake는 API 키 ID, 비밀 및 엔드포인트 URL을 반환합니다. 비밀은 한 번만 표시되므로 즉시 복사합니다.
3. OpenClaw를 연결합니다. 엔드포인트 URL과 Bearer 토큰을 사용하여 OpenClaw의 도구 또는 서버 구성에서 MemoryLake를 MCP 호환 기억 제공자로 추가합니다. 또는 모든 도구 호출을 기록하고 새로운 호출을 실행하기 전에 원장을 쿼리하는 사용자 정의 기술에서 REST API를 호출합니다.