본문은 AI 에이전트의 실패 원인이 추론 능력 부족이 아닌 컨텍스트 관리 실패에 있다고 지적해요. 대화 기록, 프롬프트, 도구 정의, 출력 등 컨텍스트가 누적되면서 에이전트가 정보 과부하를 겪고 비용이 증가해요.
기존 방식은 저장 및 검색 문제로 접근하지만, 컨텍스트 관리는 기억, 구조화, 저장소 선택, 통합, 망각, 관련성 판단, 예측, 압축 등 라이프사이클 관리가 필요해요.
에이전트 컨텍스트 관리(ACM)를 제안하며, 아키텍처, 수집, 범위 설정, 예측, 압축 및 통합의 5가지 핵심 원리를 제시하고, 검증된 압축을 통해 비용 효율성을 확보할 수 있다고 설명해요.