MemTensor/memmy-agent

해결하는 문제

Memmy는 여러 AI 에이전트를 사용할 때 컨텍스트가 단편화되는 문제를 해결합니다. 프로젝트 배경, 선호도, 진행 상황을 새로운 도구(예: Claude Code, Cursor, DeepSeek Harness)마다 반복하는 대신, Memmy는 공유된 구조화된 메모리 레이어를 제공하여 서로 다른 에이전트가 동일한 사용자를 기억하고 여러 플랫폼에서 작업 연속성을 유지할 수 있게 합니다.

작동 방식

Memmy는 사용자와 다양한 AI 도구 사이에 위치하는 로컬 메모리 서비스 및 에이전트 런타임으로 작동합니다. 로컬 AI 협업 기록을 캡처하여 구조화된 메모리로 변환합니다. 지원되는 에이전트에 설치할 수 있는 "메모리 스킬"과 훅/플러그인을 제공하여 중앙 집중식 로컬 저장소에서 지식을 검색, 추가, 검색할 수 있게 합니다. 또한 정보를 정리하고 미완료 작업을 계속할 수 있는 자체 에이전트 런타임도 포함합니다.

대상 사용자

다양한 AI 코딩 어시스턴트와 에이전트를 사용하며 도구를 전환할 때 컨텍스트 손실을 피하기 위해 통합된 메모리 시스템을 원하는 개발자와 파워 유저를 위해 설계되었습니다.

하이라이트

• 크로스 에이전트 연속성: 프로젝트 컨텍스트를 공유하여 DeepSeek Harness, Claude Code, Codex, Cursor와 같은 도구 간의 원활한 전환을 가능하게 합니다.
• 로컬 메모리 서비스: 지식 관리를 위한 전용 CLI(memmy-memory)와 에이전트 통합을 위한 로컬 API를 제공합니다.
• 유연한 배포: 데스크톱 앱, Linux용 CLI/TUI, 또는 소스에서 빌드하여 사용할 수 있습니다.
• BYOK 지원: 사용자가 자체 모델 API 키를 가져와 LLM 제공자를 완전히 제어할 수 있습니다.