에이전틱 인프라 공간에서 흥미로운 일이 벌어지고 있습니다. 대부분의 사람들이 예상했던 것과는 다른 방향입니다. 지난 2년간 에이전트에게 지식 접근권을 부여하는 지배적인 패러다임은 검색 증강 생성(RAG)이었습니다. 문서를 임베딩하고, 벡터 데이터베이스에 저장하고, 추론 시점에 모델이 쿼리하도록 하는 방식이었죠. RAG는 효과가 있었습니다. 충분히 좋았습니다. 하지만 '충분히 좋다'는 것도 유효기간이 있고, 2026년에 그 유효기간이 만료되고 있습니다.
업계 전반에서 새로운 패턴이 등장하고 있으며, 여러 방향에서 동시에 수렴하고 있습니다. Mintlify는 전체 RAG 파이프라인을 가상 파일시스템으로 교체하여 세션 생성 시간을 46초에서 100밀리초로 단축했습니다 [1]. Turso는 모든 에이전트에게 자체적인 copy-on-write 샌드박스를 제공하는 SQLite 기반 파일시스템인 AgentFS를 구축했습니다 [2]. 엔터프라이즈 콘텐츠 대기업 Box는 전체 플랫폼을 AI 에이전트를 위한 가상 파일시스템 레이어로 재포지셔닝한다고 발표했습니다 [3]. 그리고 ByteDance는 모든 에이전트 메모리, 리소스, 스킬을 계층적 파일시스템으로 구성하는 컨텍스트 데이터베이스 OpenViking을 오픈소스로 공개했습니다 [4].
이것들은 틈새 실험이 아닙니다. 근본적인 변화의 신호입니다. 파일시스템이 에이전트 인지의 범용 인터페이스가 되고 있으며, 데이터베이스는 조용히 그 기반이 되어가고 있습니다.
RAG는 2023년에 적합한 답이었습니다. 문서 더미가 있고, 컨텍스트 윈도우가 제한된 모델이 있고, 쿼리 시점에 관련 청크를 표면화할 방법이 필요했습니다. 벡터 임베딩과 유사도 검색이 그 문제를 우아하게 해결했습니다.
하지만 에이전트는 챗봇이 아닙니다. 에이전트는 질문 하나를 던지고 떠나지 않습니다. 탐색합니다. 파일을 읽고, 참조를 발견하고, 따라가고, 다른 파일을 읽고, 명령을 실행하고, 출력을 작성합니다. 이것은 검색 문제가 아닙니다. 탐색 문제입니다.
RAG 파이프라인은 세 가지 이유로 이 문제에 어려움을 겪습니다. 첫째, 설계상 무상태(stateless)입니다. 모든 쿼리는 독립적이며, ", "source_hash": "sha256:ea80be6a7f1e92f4b1cd368f4ce0178d49cbe7579c9693b08d174d40c5961953", "model": "claude-sonnet-4-6", "generated_at": "2026-04-13T19:25:30.263577+00:00" }