Memori: 무엇인지, 어떤 문제를 해결하는지 & 왜 인기를 얻고 있는지

해결하는 문제

Memori는 AI 에이전트와 LLM 애플리케이션을 위한 지속적이고 구조화된 메모리를 제공하여, 세션 간에 정보를 잊어버리는 것을 방지합니다. 이를 통해 에이전트가 사용자 선호도, 프로젝트 컨벤션, 도구 호출 및 결정의 결과를 기억할 수 있게 하여, 매 요청마다 방대한 프롬프트(full-context)를 전달해야 하는 필요성을 줄여줍니다.

작동 방식

Memori는 기존 LLM 클라이언트(OpenAI와 같은) 및 프레임워크(LangChain 또는 Pydantic AI와 같은)에 연결되는 백그라운드 레이어로 통합됩니다. 이는 "attribution"—상호작용을 특정 엔티티(예: 사용자) 및 프로세스(예: 특정 에이전트)와 연결하는 방식—를 기반으로 정보를 자동으로 캡처하고 회상합니다.

Memori는 엔티티, 프로세스, 세션의 세 가지 수준에서 메모리를 추적하는 구조화된 접근 방식을 사용합니다. 이 "Advanced Augmentation"은 기본 LLM 호출에 지연 시간을 추가하지 않고 특정 속성, 이벤트, 사실, 선호도 및 관계를 추적합니다. 사용자는 설정이 필요 없는 Memori Cloud를 사용하거나 "Bring Your Own Database" (BYODB) 방식을 사용할 수 있습니다.

대상 사용자

• AI 개발자: 세션 간에 장기 기억이 필요한 에이전트를 구축하는 개발자.
• Solo 개발자 및 팀: AI가 코딩 패턴과 지식(tribal knowledge)을 기억하기를 원하는 MCP 호환 도구(Claude Code, Cursor, Warp) 사용자.
• 기업용 애플리케이션: 다양한 AI 프로세스 전반에서 사용자별 컨텍스트와 선호도를 관리할 수 있는 확장 가능한 방법이 필요한 팀.

주요 특징

• Framework Agnostic: 주요 LLM(Anthropic, OpenAI, Gemini 등) 및 프레임워크(Agno, LangChain, Pydantic AI)와 함께 작동합니다.
• Low Token Overhead: full-context 프롬프팅에 필요한 토큰의 극히 일부만 사용하면서 LoCoMo 벤치마크에서 높은 정확도를 달성합니다.
• MCP Support: SDK 통합 없이 Model Context Protocol (MCP)을 통해 AI 코딩 어시스턴트에 연결됩니다.
• Automatic Background Persistence: 대화 및 에이전트 실행(도구 호출 포함)을 백그라운드에서 자동으로 캡처합니다.