대화 상태 압축 Conversation State Compaction
대화 상태 압축은 대규모 언어 모델 응용의 지시·문맥·출력 계층에서 입력·판단·관측·복구 조건을 일관된 형식으로 관리하기 위한 운영 설계 개념이다.
개념과 원리
섹션 제목: “개념과 원리”개요와 적용 범위
섹션 제목: “개요와 적용 범위”대화 상태 압축은 대규모 언어 모델 응용의 지시·문맥·출력 계층에서 특정한 판단과 통제를 분리해 설명하기 위한 운영 설계 개념이다. 대화 상태 압축의 정의, 구성 요소, 의사결정 기준, 실패 모드와 운영 검증 범위를 다룬다.
이 개념의 목적은 기술 이름을 하나 더 만드는 데 있지 않다. 실제 시스템에서 어떤 입력과 상태를 관측하고, 어떤 기준으로 변경을 허용하며, 실패했을 때 어떤 경로로 복구할지를 하나의 문서화된 판단 단위로 묶는 것이 핵심이다. 적용 범위는 워크로드, 사용자 위험, 비용 제약을 명시한 경우로 한정한다.
용어의 위치와 경계
섹션 제목: “용어의 위치와 경계”대화 상태 압축은 단일 표준이 정의한 고유명사로 단정하지 않는다. 이 문서에서는 인접한 연구·표준·구현 관행을 연결해 프로덕션 의사결정을 설명하는 조합적 운영 개념으로 사용한다. 따라서 제품명이나 특정 공급자의 기능과 동의어가 아니다.
특정 공급자의 현재 제품 메뉴얼만을 요약하거나 검증하지 않은 성능 수치를 일반화하지 않는다. 구현이 다르더라도 입력, 판단 규칙, 관측 결과, 복구 조건을 같은 형식으로 나란히 놓으면 비교가 가능하다. 용어를 사용할 때는 팀 내부의 적용 범위와 버전을 함께 밝혀 의미가 조직마다 달라지는 문제를 줄인다.
작동 구조
섹션 제목: “작동 구조”대화 상태 압축은 오래된 문맥을 더 작은 상태로 대체해 다음 요청의 컨텍스트 예산을 확보하는 절차다. OpenAI Responses의 서버 압축은 context_management의 compact_threshold에 도달하면 불투명한 암호화 compaction 항목을 만들고 활성 문맥을 줄인다. 입력 배열을 직접 이어 붙이는 경우 최신 서버 압축 항목 앞의 항목을 제거해 전송량을 줄일 수 있지만, previous_response_id로 연결한다면 새 사용자 입력만 보내고 이력을 수동으로 잘라 보내지 않는다.
별도 /responses/compact 호출은 아직 컨텍스트 한도 안에 있는 전체 창을 받아 다음 호출에 쓸 새 창을 돌려준다. 이 output에는 압축 항목 외의 항목도 포함될 수 있으므로 반환 배열 전체를 그대로 보존하고 새 입력을 덧붙인다. 서버 임계값 방식의 앞부분 제거 규칙을 standalone 결과에 그대로 적용하지 않는다. 압축된 표현의 존재를 원문 완전 보존, 저장 데이터 삭제 또는 권한 검증 완료로 해석하지 않는다.
구성 요소와 정보 흐름
섹션 제목: “구성 요소와 정보 흐름”대화 상태 압축은 입력 계약, 정책 저장소, 실행기, 관측 파이프라인, 복구 제어기로 구성할 수 있다. 입력 계약은 필수 필드와 유효 범위를 고정하고, 정책 저장소는 조건과 우선순위를 버전별로 보관한다. 실행기는 정책을 결과로 변환하며 관측 파이프라인은 실제 결과를 지표와 이벤트로 전환한다.
정보 흐름은 양방향이어야 한다. 제어 계층이 실행 계층에 정책을 내리는 것만으로는 부족하며, 관측 결과가 정책 수정과 자동 중단으로 되돌아와야 한다. 최종 복구 제어기는 롤백, 대체 경로, 사람 승인 중 하나를 선택하고 선택 이유를 남긴다.
활용과 검증
섹션 제목: “활용과 검증”측정 지표와 판단 기준
섹션 제목: “측정 지표와 판단 기준”대화 상태 압축을 평가할 때는 계약 준수율, 스키마 일치율, 토큰 소비, 지연 시간, 회귀 오류율을 함께 본다. 평균값 하나로 결론을 내리지 않고 워크로드, 사용자 군, 요청 크기, 모델 버전 슬라이스로 나눈다. 기준선은 목표, 경고, 중단의 세 단계로 나누고 각 단계의 대응 행동을 미리 결정한다.
측정값에는 표본 수와 관측 기간, 분모의 정의를 함께 기록한다. 지표가 좋아져도 다른 지표의 악화를 감출 수 있으므로 품질, 비용, 지연, 안전성을 같은 릴리스 표에서 비교한다. 최소 표본에 도달하지 못한 결과는 확정 판정이 아니라 보류로 분류한다.
설계 선택과 트레이드오프
섹션 제목: “설계 선택과 트레이드오프”대화 상태 압축은 품질·지연·비용·안전성 사이의 교환 관계를 드러낸다. 더 강한 검증과 이중화는 실패를 줄이지만 지연과 비용을 늘릴 수 있다. 반대로 빠른 대체 경로는 가용성을 높이지만 품질 일관성과 추적성을 떨어뜨릴 수 있다.
따라서 전체 요청에 하나의 정책을 적용하지 않는다. 사용자 영향, 요청 가치, 실패 후 복구 가능성에 따라 보수적·표준·속도 우선 정책으로 분리한다. 각 정책은 적용 조건, 예산, 허용 오류, 롤백 조건을 포함하고 운영 데이터로 주기적으로 재조정한다.
실패 모드와 진단
섹션 제목: “실패 모드와 진단”대화 상태 압축에서 우선 검토할 실패 후보는 지시 충돌, 문맥 절단, 출력 형식 붕괴, 모델 버전 차이이다. 실패 항목은 증상, 추정 원인, 탐지 신호, 사용자 영향, 임시 조치, 근본 조치로 나눠 기록한다. 이 구조를 사용하면 같은 증상을 만드는 서로 다른 원인을 구분할 수 있다.
진단은 최종 출력에서 역순으로 진행한다. 결과 검증, 실행 기록, 정책 선택, 입력 정규화 순으로 경계를 확인하면 변수를 빠르게 줄일 수 있다. 재현이 어려운 경우에는 실제 민감 데이터를 제거한 최소 재현 입력과 정책 버전을 함께 보존한다.
운영·관측·복구
섹션 제목: “운영·관측·복구”대화 상태 압축을 변경할 때는 버전, 적용 대상, 관측 지표, 예상 영향, 롤백 조건을 하나의 변경 기록에 남긴다. 배포는 오프라인 재현, 쉐도 실행, 소규모 카나리, 단계적 확대 순으로 진행하고 각 단계에서 중단 기준을 자동 판정할 수 있게 한다.
관측 화면은 성공 지표만 보여주지 않고 거부, 대체 경로, 재시도, 사람 개입, 복구 소요 시간을 함께 보여준다. 복구 절차는 담당자와 권한, 예상 소요 시간, 데이터 영향, 복구 후 검증 항목을 포함해야 한다. 주기적 후속 검토로 임시 조치가 영구 정책으로 남는 것을 방지한다.
Claude 온디맨드 압축은 compact-2026-09-04 베타 헤더와 최상위 compaction을 사용한다. 반환된 서명 블록을 요약한 메시지 대신 첫 messages 항목으로 넣고, 그 블록을 싣는 후속 요청에도 헤더를 유지한다. compaction과 context_management를 한 요청에 함께 보내지 않는다. 현재 지원 목록은 Claude API, Claude Platform on AWS, Claude Models on Google Cloud의 Google 관리 경로, Microsoft Foundry의 베타를 구분하므로, 과거의 Google 일괄 미지원 설명을 적용하지 않는다. Amazon Bedrock 지원으로 일반화하지 말고 실제 플랫폼·모델의 호환성 목록을 확인한다.
요약 범위의 이미지·문서·업로드·가져온 URL은 블록으로 대체한 뒤 사라지므로 필요한 자료를 다시 제공한다. 범위 안의 role=system 지시와 메시지별 effort도 자동 승계된다고 가정하지 않고 이후에 필요한 조건을 다시 명시한다. 이 설명은 현재 문서의 계약 보완이며 각 플랫폼에 같은 날 새로 출시되었다는 주장이 아니다.
안전·보안·거버넌스
섹션 제목: “안전·보안·거버넌스”대화 상태 압축을 운영할 때는 요청·응답 로깅, 버전 고정, 예산 상한, 스키마 검증과 안전한 대체 경로을 기본 통제로 검토한다. 통제는 단순히 있는지만 확인하지 않고 어떤 위협을 줄이며, 어떤 잔여 위험이 남고, 실패했을 때 어떤 신호로 알 수 있는지를 연결한다.
민감 데이터와 비밀 값은 로그에 남기지 않고 필요한 시점에 최소 권한으로만 제공한다. 정책 예외는 승인자, 사유, 적용 범위, 만료 시점을 필수로 남겨야 한다. 사고 후에는 탐지부터 복구까지의 시간선과 의사결정 근거를 보존하고, 조치가 실제로 재발을 막았는지 동일 시나리오로 재시험한다.
적용 예시와 검토 목록
섹션 제목: “적용 예시와 검토 목록”대화 상태 압축을 적용할 수 있는 대표 상황은 고객 지원 응답을 JSON 계약으로 제공하면서 모델 버전을 교체하는 상황이다. 먼저 기존 흐름을 변경하지 않고 입력·판단·결과·복구 경계의 관측 가능성을 확보한다. 그런 다음 소규모 대상에 정책을 적용하고 기준선을 넘으면 즉시 기존 경로로 되돌린다.
검토 목록은 다음과 같다.
- 용어의 범위와 소유 팀을 문서화했는가?
- 입력과 출력 계약, 정책 버전을 식별할 수 있는가?
- 성공, 경고, 중단 기준과 표본 수를 정했는가?
- 주요 실패 모드별 탐지 신호와 임시 조치가 있는가?
- 롤백·대체 경로·사람 승인의 시작 조건이 명확한가?
- 민감 데이터와 비밀 값의 로깅·보유·접근 정책을 검토했는가?
실제 배포 후에는 체크리스트의 통과 여부보다 각 항목에서 발생한 예외와 사람 개입을 기록해 다음 버전의 정책을 개선한다.
문서 관계
섹션 제목: “문서 관계”선행 개념
섹션 제목: “선행 개념”관련 문서
섹션 제목: “관련 문서”이 문서를 가리키는 문서
섹션 제목: “이 문서를 가리키는 문서”이 문서를 포함하는 코스
섹션 제목: “이 문서를 포함하는 코스”포함된 코스가 없다.
참고와 다음 학습
섹션 제목: “참고와 다음 학습”참고 문헌
섹션 제목: “참고 문헌”- Pre-train, Prompt, and Predict: A Systematic Survey of Prompting Methods in Natural Language Processing - paper
- BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding - paper
- Language Models are Unsupervised Multitask Learners - paper
- Language Models are Few-Shot Learners - paper
- Claude context compaction - documentation
- Compaction - documentation
- Compaction on demand - Claude - documentation
코스에서 계속 읽기
섹션 제목: “코스에서 계속 읽기”이 문서에서 이어지는 코스가 없다.