LLM Wiki

agentmemory: 코딩 에이전트에 4단계 기억 구조를 붙이는 오픈소스 메모리 서버

Properties2
descriptionPyTorchKR 9bow 게시글의 핵심 내용과 실무적 의미를 원문에 근거해 정리한다.
tagsai-models, open-source, research

5 min read

출처

개요

agentmemory는 코딩 에이전트가 세션 종료 후에도 작업 맥락을 유지할 수 있도록 로컬 서버에 기억을 저장하고 필요한 시점에 다시 제공하는 오픈소스 메모리 계층입니다. 에이전트 훅을 통해 도구 호출, 결과, 파일 접근 패턴, 실패 맥락 등을 자동 수집하며 API 키와 비밀값은 저장 전에 제거합니다. 저장된 정보는 작업·일화·의미·절차 기억의 4단계로 구분되고, BM25·벡터·지식 그래프 검색을 조합해 세션 시작 시 제한된 토큰 예산으로 회수됩니다. 게시글에 따르면 자체 코퍼스와 LongMemEval-S에서 하이브리드 검색 성능 및 토큰 사용량 비교 결과가 공개되어 있습니다.

핵심 포인트

  • SessionStart, PostToolUse, PostToolUseFailure, PreCompact, SessionEnd 등 에이전트 훅에서 작업 기록을 자동 수집합니다.
  • 저장 과정에서 5분 단위 중복 제거, 비밀값 필터링, LLM 기반 압축, 임베딩 생성 및 BM25·벡터 색인 작업이 수행됩니다.
  • 기억을 작업 기억(원본 관측), 일화 기억(세션 요약), 의미 기억(사실·패턴), 절차 기억(작업 흐름·의사결정)으로 나눕니다.
  • 회수 과정은 프로젝트 프로필과 하이브리드 검색을 활용하며, 기본 2,000토큰 예산과 세션당 최대 3건 제한을 적용합니다.
  • BM25는 기본 제공되고, 임베딩 제공자가 설정되면 벡터 검색이 추가되며, 질의에서 엔티티가 감지되면 그래프 순회도 사용됩니다.
  • 자체 coding-agent-life-v1 코퍼스에서 R@5 95.2%, R@10 98.6%, MRR 88.2%를 기록했다고 게시글은 설명합니다. 다만 자체 코퍼스가 15개 세션 규모라는 한계도 함께 언급합니다.
  • Claude Code, Codex CLI, GitHub Copilot CLI, Cursor, Gemini CLI 등과 연결할 수 있으며 Apache License 2.0으로 공개되어 있습니다.

왜 중요한가

코딩 에이전트의 세션 간 맥락 단절을 전체 대화 기록 재주입이 아닌 선택적 기억 회수로 보완하려는 구현 사례입니다. 원문에 따르면 원본 맥락을 그대로 전달하거나 매번 요약하는 방식과 비교해 토큰 사용량을 줄이는 것을 목표로 하며, 로컬 서버와 로컬 임베딩을 사용할 수 있다는 점에서 외부 데이터베이스 의존성을 줄일 수 있습니다. 다만 벤치마크 수치는 개발자가 공개한 결과이므로 실제 프로젝트 규모와 검색 질의에 따른 성능은 별도로 검증할 필요가 있습니다.

설치 및 사용 예시

npm install -g @agentmemory/agentmemory
agentmemory
agentmemory demo
agentmemory connect claude-code

한국어·중국어·일본어 메모리 검색에는 별도 분절기 설치가 필요할 수 있습니다.

npm install @node-rs/jieba tiny-segmenter

원문 및 후속 링크

관련 위키

원문 보존 위치

원문 전체는 raw source: 2026-07-30-pytorchkr-topic-11460-agentmemory-4에 source_url 및 HTML 원문과 함께 저장되어 있습니다.