# \#session **URL:** https://discuss.pytorch.kr/tag/session/5908.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [Google, Context Engineering을 위한 세션(Session)과 메모리(Memory)의 개념 및 구현 전략에 대한 기술 백서 공개 \[영문/PDF/72p\]](https://discuss.pytorch.kr/t/google-context-engineering-session-memory-pdf-72p/8198)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [11월 14, 2025, 1:30오전 UTC](https://discuss.pytorch.kr/t/google-context-engineering-session-memory-pdf-72p/8198 "2025-11-14T01:30:11Z")
Context Engineering: Sessions, Memory 백서 소개 Google이 공개한 Context Engineering: Sessions & Memory는 대규모 언어 모델(LLM)을 기반으로 한 지능형 에이전트를 설계할 때 필수적인 세션(Session) 및 메모리(Memory) 의 개념과 구현 전략을 심도 있게 다룬 기술 백서(Whitepaper)입니다. 이 백서는 LLM이 본질적으로 무상태(stateless)라는 한계를 극복하고, 사용자의 대화 이력과 개인적 맥락을 기억·활용하도록 만드는 Context Engineering의 원칙과 실천 방법을 체계적으로 제시합니다. 세션은 단일 대화의 흐름과 임시 상태를 관리하며, 메모리는 장기적인 사용자 정보를 축적하여 지속적이고 개인화된 상호작용을 가능하게 합니다. 즉, 이 백서에서는 다중 에이전트 시스템(MAS, Multi-Agent System), 메모리 생명주기(추출·통합·저장·검색), 보안 및 프라이버시, 장기 대화 최적화 등 실제 제품 수준에서 고려해야 할 다양한 설계 패턴과 운영 전략을 제안함으로써, LLM 기반 에이전트의 진화된 형태를 구현할 수 있는 실용적 가이드를 제공합니다. 컨텍스트 엔지니어링의 핵심: “LLM이 실행될 매 턴의 지능적 컨텍스트 조립” 백서가 제안하는 컨텍스트 엔지니어링은 단순히 시스템 프롬프트를 잘 작성하는 수준을 넘어, 모델 호출마다 필요한 정보 전체(payload)를 동적으로 구성하는 과정을 의미합니다. 여기에는 다음 세 계층의 정보가 포함됩니다: Reasoning Context: 시스템 지침, 툴 정의, few-shot 예시 등 모델의 사고 방식과 행동 범위를 규정하는 정보 Evidential & Factual Data: 장기 메모리, 외부 지식(RAG), 다른 에이전트/도구의 출력 등 모델의 근거가 되는 정보 Immediate Conversation Context: 현재 대화, 최근 이벤트, 임시 상태(scratchpad) 등…