AgentScope RAG + 메모리 아키텍처 — 지식 기반 에이전트 만들기
KnowledgeBase, 벡터 저장소(Qdrant/Milvus), ReMe 장기 메모리로 지식 기반 에이전트 구축.

AgentScope RAG + 메모리 아키텍처 — 지식 기반 에이전트 만들기
에이전트가 도구를 쓰고, 파이프라인으로 협업하고, MCP로 외부 서비스를 연동하더라도 한 가지가 빠져 있습니다 — 지식입니다. 회사 문서를 읽지 못하는 에이전트는 매번 같은 질문에 "모르겠습니다"라고 답합니다.
이 글에서는 AgentScope의 RAG(검색 증강 생성) 시스템과 메모리 아키텍처를 다룹니다. 문서를 벡터화하고, 에이전트가 필요할 때 검색하고, 대화 맥락을 장기 기억으로 저장하는 방법을 구현합니다.
시리즈: Part 1: 시작하기 | Part 2: 멀티 에이전트 | Part 3: MCP 서버 연동 | Part 4 (이 글) | Part 5: 실시간 음성 에이전트 | Part 6: 프로덕션 배포
1. RAG 개요
관련 포스트

AI Tools
AgentScope 프로덕션 배포 — Runtime, 모니터링, 스케일링
agentscope-runtime Docker 배포, OpenTelemetry 트레이싱, AgentScope Studio, RL 파인튜닝, 프로덕션 체크리스트.

AI Tools
AgentScope 실시간 음성 에이전트 — OpenAI/Gemini/DashScope Realtime API
TTS 모델 6종, RealtimeAgent, 음성+도구 결합, 멀티모달 파이프라인으로 실시간 음성 에이전트 구축.

AI Tools
AgentScope MCP 서버 연동 — 외부 도구 통합 실전
MCP 클라이언트(Stdio/HTTP)로 외부 도구 연동, A2A 프로토콜로 크로스 프레임워크 통신, 커스텀 MCP 서버 구축.