from letta import Client, Agent, Tool
client = Client(api_key=os.environ.
## 레타 ADE 사용법 (노코드/저코드 경로)
시각적 프로토타이핑을 선호한다면 ADE로 에이전트, 메모리, 도구를 코딩 없이 구성하세요.
- ADE에서 새 에이전트 프로젝트 시작.
- 에이전트 역할(시스템 프롬프트), 톤, 경계 설정.
- 메모리 지속과 검색 전략 구성.
- 커넥터 선택 또는 맞춤 액션 정의로 도구 추가.
- 인라인 대화 테스트, 메모리 쓰기 확인, 임계값 조정.
- 프로토타입이 제대로 동작하면 내보내거나 개발자에게 전달.
ADE 발표와 튜토리얼, 빠른 소개 영상을 참고하세요.
## 훌륭한 레타 에이전트 설계를 위한 의견 기반 모범 사례
1) 해야 할 일부터 시작하기
- 모호한 범용 대신 좁고 명확한 범위 설정(예: “웹 오류 티켓 선별”).
2) 운영 절차 인코딩하기
- 표준 운영 절차(SOP)를 시스템 프롬프트에 넣으세요. 예: “선별 시 생산 영향 있으면 에스컬레이션, 우선순위=높음 설정. 재현 단계가 있으면 항상 포함.”
3) 도구 스키마 엄격히 설정
- 열거형(enum)과 필수 필드 강제. 오탐 매개변수를 줄임.
4) 메모리를 제품 인터페이스처럼 다루기
- 기억할 대상을 결정(연락처, 선호, 이전 해결책), 일시적 계산은 제외. 메모리 추적을 주기적으로 검사.
5) 실제 데이터로 테스트하기
- 익명화된 티켓, 문서, 예제로 에이전트 초기화. 실패 유형(빠진 문맥, 잘못된 우선순위)을 관찰하고 프롬프트/도구 조정.
6) 사후 정리보다 방지책 우선
- 도구에 검증 추가. 에이전트가 잘못된 입력 제안 시 핸들러가 잡아내고 교정 안내 제공.
7) 모든 걸 계측하기
- 도구 호출, 메모리 기록, 메시지 수준 원격 측정 로그 작성. 주요 지표(성공률, 해결 시간)를 위한 대시보드 구축.
8) 에이전트 버전 관리
- 프롬프트, 도구, 메모리 정책 변경 추적. 프로덕션용 안정판 고정, 스테이징에서 반복 개발.
## 레타로 구축할 수 있는 일반 워크플로우
- 고객 지원
- 대화 요약, 해결책 제안, 티켓 생성, 이해관계자 알림.
- 연구 지원
- 질의 계획, 자료 검색, 합성, 메모리에 출처 노트 저장.
- 영업/고객 성공 운영
- 통화 기록 파싱, 다음 단계 추출, 도구로 CRM 업데이트, 템플릿 이메일 발송.
- 내부 자동화
- 큐 모니터링, 실행 절차 촉발, 상태 업데이트 기록, 교대 중 문맥 유지.
## 문제 해결: 예상과 다를 때
- 에이전트가 기억하지 못할 때
- 메모리가 활성화됐는지, 검색 임계값이 적절한지 확인. 항목이 실제로 저장되는지 점검.
- 도구 호출 형식이 올바르지 않을 때
- 스키마를 강화하고 enum 추가, 구조화된 오류 메시지로 수정 안내 제공.
- 에이전트가 과도하게 장황하거나 너무 간결할 때
- 시스템 프롬프트 스타일 가이드 조정, 인라인 예시 2–3개 제공.
- 명령어 충돌 시
- 운영 규칙 통합, 명시적 우선순위 사용 (“항상 X를 Y 전에 수행”).
- 업데이트 후 성능 변동
- 프로덕션에서 버전 잠금, 카나리아 배포로 점진 적용.
## 보안 및 컴플라이언스 간단 노트
- 도구를 신뢰할 수 있는 코드 경로로 다루고 인증 및 범위 설정.
- 메모리 기록 로그 전 개인정보는 검열 처리.
- 메모리 내 개인 식별 정보(PII)에 대한 보관 정책, 접근 제어, 암호화 고려.
## 프로토타입에서 프로덕션까지: 짧은 체크리스트
- 에이전트 성공 기준(OKR)을 명확히 할 것.
- 좁고 명확하며 SOP 기반 시스템 프롬프트 사용.
- 엄격한 도구 스키마, 검증 및 테스트 포함.
- 문서화된 메모리 전략을 실 데이터로 검증.
- 관찰 가능성(로그, 지표, 알림) 구축.
- 버전 관리 및 롤백 계획 수립.
- 스테이징과 프로덕션 환경 분리.
## 추가 학습 자료
- 소개 영상: 첫 지속형 에이전트 만들기.
- 빠른 시작 (Python/TS) 예제 코드 포함.
- 에이전트 아키텍처와 모범 사례.
- ADE 발표 및 사용법 안내.
- 패키지명 변경과 호환성 노트.
- 오픈소스 저장소와 배경 설명.
## 참고: 더 빠른 반복 개발을 위한 [Sider.AI](https://sider.ai)
프롬프트 문서화, 테스트 예제 관리, 에이전트 버전별 결과 비교가 필요할 때는 결과물을 나란히 두고 빠르게 반복하는 것이 매우 편리합니다. [Sider.AI](https://sider.ai) (https://sider.ai/)는 여러 명이 SOP를 다듬거나 도구 스키마를 평가할 때 프롬프트, 메모, 차이점을 기록하고 공유하며 테스트를 지원해줍니다.
## 핵심 요약
- 레타는 메모리, 도구, 지속 상태를 갖춘 상태 저장 에이전트 구축을 돕습니다.
- 좁은 업무 범위와 엄격한 스키마로 안정성을 확보하세요.
- 코드 중심 워크플로우는 SDK를, 시각적 프로토타입은 ADE를 사용하세요.
- 실제 데이터를 사용해 계측, 버전 관리, 테스트를 꼼꼼히 진행 후 라이브 서비스하세요.
- 공식 빠른 시작과 에이전트 가이드를 통해 모범 사례를 따라가세요.
### 자주 묻는 질문
Q1: 레타란 무엇이며 일반 챗봇과 어떻게 다른가요?
레타는 지속 메모리와 도구 조율을 갖춘 상태 저장 AI 에이전트를 만드는 플랫폼입니다. 단순 무상태 채팅 래퍼가 아니며, 에이전트 상태 저장, 엄격한 도구 스키마 적용, 메모리 및 워크플로우 관리를 세션 간에 지원합니다.
Q2: 레타를 빨리 시작하려면 어떻게 해야 하나요?
Python 또는 TypeScript용 개발자 빠른 시작 가이드에 따라 첫 에이전트를 만들고 도구를 추가하세요. 시각적 방식을 원하면 ADE를 이용해 메모리, 프롬프트, 도구를 구성 후 환경을 내보낼 수 있습니다.
Q3: 레타가 사용자 선호나 이전 작업을 기억할 수 있나요?
네, 레타는 지속 메모리를 지원해 에이전트가 선호, 결정, 결과를 저장하고 향후 상호작용에서 문맥에 맞게 불러올 수 있습니다. 메모리 정책을 설정하고 실제 작업으로 검증하세요.
Q4: 레타 에이전트 내 도구는 어떻게 작동하나요?
엄격한 입력 스키마로 함수를 등록해 에이전트가 안정적으로 호출할 수 있습니다. 검증을 추가하고 enum을 사용하며, 입력이 잘못되었을 때 교정 안내를 포함한 구조화된 오류를 반환하도록 하세요.
Q5: 레타는 MemGPT와 같은 건가요?
레타는 MemGPT 연구와 생태계를 기반으로 하지만, 현재 사용해야 할 플랫폼이자 패키지입니다. 패키지명 변경 노트와 오픈 저장소에서 전환 과정과 업데이트된 API를 확인할 수 있습니다.