구조화된 메모리로 AI, '슬레이 더 스파이어 2' 정복
최신 LLM 에이전트가 복잡한 카드 게임인 슬레이 더 스파이어 2에서 승리하지 못했던 핵심 원인이 모델의 지능 부족이 아니라 무한정 늘어나는 채팅 로그에 있음이 증명되었습니다. 연구진이 기존의 대화 기록 방식을 버리고 5개의 슬롯으로 구성된 구조화된 메모리 구조를 도입한 결과, 에이전트의 승률이 크게 향상되었습니다. 이는 장기적이고 복잡한 작업에서 AI 에이전트의 컨텍스트 관리와 메모리 설계가 모델 자체의 성능만큼이나 중요함을 시사하는 중요한 연구입니다.
연구진이 계속 늘어나는 채팅 로그를 구조화된 메모리로 대체한 후, AI 에이전트가 디지털 카드 게임 '슬레이 더 스파이어 2(Slay the Spire 2)'에서 승리를 거두었다. (작성자: 조나단 켐퍼, 2026년 7월 12일, THE DECODER)
최고 성능의 프론티어 AI 모델들은 디지털 카드 게임인 슬레이 더 스파이어 2에서 연이어 실패했다. 하지만 새로운 메모리 아키텍처를 적용한 결과, 문제는 모델 자체가 아니라 이전 행동들을 얼마나 기억하고 다음 단계로 가져오느냐에 있음이 드러났다. 수백 번의 결정을 내리며 하나의 목표를 달성해야 할 때, AI 에이전트는 자신의 과거 대화 기록 중 얼마나 많은 부분을 참고해야 할까?
상하이 자오퉁 대학교(Shanghai Jiao Tong University) 및 다른 기관들과 함께 알라야 랩(Alaya Lab)에서 구축한 'AgenticSTS' 프로젝트는 기존의 통념을 완전히 뒤집는 답을 제시한다. 이 에이전트는 자신의 채팅 로그를 결코 직접 보지 않는다. 대신, 체계적으로 정리된 정보 카탈로그를 바탕으로 매 결정을 새롭게 재구성한다.
연구진은 덱 빌딩 로그라이크 게임인 슬레이 더 스파이어 2를 테스트베드로 선택했다. 단 한 번의 플레이에는 카드를 선택하고 전투를 계획하며, 지도에서 경로를 선택하고 아이템을 구매하는 등 수백 번의 결정이 포함된다. 게임 규칙은 텍스트로 완벽하게 번역될 수 있고, 무작위성이 높으며, 플레이 시간이 길다. 개발사에 따르면 최하 난이도인 A0에서도 인간 플레이어의 승률은 16%에 불과하다.
AGI-Eval 평가에 사용된 최고 성능의 프론티어 모델들은 5가지 테스트 설정에서 단 한 게임도 이기지 못했다. 이 게임은 매우 어려운 동시에 충분히 개방적이어서 아키텍처의 차이가 명확하게 드러난다.
커지는 로그 대신 사용되는 5개의 슬롯 ReAct나 Reflexion과 같은 일반적인 LLM 에이전트는 과거의 관찰, 도구 호출, 자기 성찰을 다음 프롬프트에 계속해서 덧붙인다. 이 맥락(Context)은 매 단계마다 커지며, 결국 컨텍스트 창이 넘어가거나 모델의 주의력(attention)이 흐려지게 만든다.
AgenticSTS는 정반대로 작동한다. 각 결정을 내릴 때마다 프롬프트는 5개의 명확하게 구분된 슬롯에서 새롭게 생성된다. L1은 고정된 프로토콜 지침을, L2는 현재 유효한 행동이 포함된 상태 스키마를, L3는 검색된 게임 규칙을, L4는 이전 플레이 요약을, L5는 특정 상황에서 발동되는 전략 스킬을 보관한다. 에이전트가 이전 결정에서 가져오고자 하는 모든 정보는 반드시 먼저 이 저장 영역 중 하나에 기록되어야 한다.
이 방식은 플레이가 얼마나 길어지든 프롬프트를 짧게 유지해 주며, 각 계층이 독립적으로 다루어지기 때문에 연구원들은 실제로 어떤 구성 요소가 성능 향상을 이끌어내는지 정확하게 파악할 수 있다.
승률을 두 배로 높인 스킬 라이브러리 주요 비교를 위해 연구팀은 최하 난이도인 A0에서 각각 10번의 플레이를 진행하는 5가지 설정을 경쟁시켰다. 어떠한 메모리 계층도 없는 에이전트는 10게임 중 3게임에서만 승리했다. 그러나 반복되는 상황에 대한 전술적 규칙을 저장하는 L5 스킬 라이브러리를 켜는 순간 승률이 10게임 중 6게임으로 급증했다. 이는 해당 스킬들이 수동으로 작성되었든 템플릿에서 생성되었든 관계없이 동일하게 나타났다. 조건당 단 10번의 테스트만 진행되었기 때문에 연구 저자들 역시 이 두 배의 증가가 단순한 노이즈일 수 있다고 인정했다.
과거 플레이에 대한 에피소드 메모리(L4)는 A0 난이도에서는 도움이 되지 않았다. 이는 두 번째 테스트 모드에서 에이전트가 승리할 때마다 다음으로 높은 난이도에 도전할 때 비로소 중요해진다. 플레이 사이에 업데이트되는 활성 메모리가 있으면 에이전트는 A6에서 A8 난이도에 도달한다. 하지만 이것이 없다면 A2에서 A4 난이도에서 정체된다.
별도의 실험에서 연구원들은 하나의 모델이 구축한 지식이 다른 모델로 전이되는지 테스트했다. 이들은 제미나이 3.1 프로(Gemini 3.1 Pro)가 자신의 게임 중에 축적한 메모리 스택을 고정시킨(freeze) 다음, 다른 두 모델에 변경하지 않고 전달했다. 큐웬 3.6-27B(Qwen 3.6-27B)는 평균 점수가 84.5% 상승했지만, 딥시크 V4 프로(Deepseek V4-Pro)의 점수는 18.1% 하락했다. 두 모델 모두 게임에서 승리하지는 못했다. 메모리 내용은 이를 생성한 모델과 밀접하게 연결되어 있으며 다른 모델로는 잘 전이되지 않는 것으로 보인다.
토큰 비용이 보여주는 진짜 격차 연구팀의 자체 코드베이스 조정보다 더 흥미로운 점은, 전통적인 대화 기록이 길어지는 방식을 따르는 두 개의 공개된 슬레이 더 스파이어 2 에이전트(STS2MCP 및 CharTyr)와의 비교 결과다. 모든 에이전트는 전략적 결정에 제미나이 3.1 프로를 사용했다. 두 경쟁 에이전트는 5번의 플레이 중 단 한 번도 승리하지 못했다.
비용 수치는 더욱 놀랍다. 두 경쟁 에이전트는 점수 1점을 얻기 위해 상대 에이전트보다 66배에서 90배에 달하는 많은 토큰을 언어 모델로 보냈다.