MemoriLabs/Memori

해결하는 문제

Memori는 AI 에이전트를 위한 지속적이고 구조화된 메모리 계층을 제공하여, 상호작용 간에 정보를 잊는 '세션 망각'을 방지합니다. 개발자가 큰 프롬프트 컨텍스트나 데이터베이스 스키마를 수동으로 관리할 필요 없이, 사용자 선호사항, 프로젝트 규칙, 실행 결과(도구 호출 및 결정 등)를 기억할 수 있게 해줍니다.

작동 방식

Memori는 LLM 상호작용에 연결되는 백그라운드 계층으로 통합됩니다. 자동으로 대화와 에이전트 실행 추적을 캡처하고 지속적으로 저장합니다. 특정 엔티티, 프로세스, 세션에 메모리를 연결하는 '소유권 시스템'을 사용해 정보를 정리합니다. 이 구조화된 메모리는 자동으로 또는 명시적인 도구(예: memori_recall)를 통해 재사용되어, 이후 요청 시 LLM에 문맥을 제공함으로써 전체 컨텍스트 프롬프팅의 필요성을 크게 줄입니다.

대상 사용자

• AI 에이전트 개발자: LangChain, Pydantic AI, Agno와 같은 프레임워크를 사용해 에이전트를 개발하는 사람.
• 소프트웨어 엔지니어: Claude Code, Cursor, Warp와 같은 AI 코드 보조 도구를 사용하며, 도구가 프로젝트별 패턴을 기억하고 싶은 사람.
• 기업 팀: 고용량의 에이전트 워크플로우를 운영하며, 중복된 에이전트 탐색을 제거해 토큰 비용을 줄이고 정확도를 높이고자 하는 조직.

주요 특징

• 프레임워크 독립성: OpenAI, Anthropic, Gemini 등 주요 LLM과 LangChain, Pydantic AI, Agno 등 주요 프레임워크와 호환됩니다.
• BYODB 지원: Memori Cloud를 사용하고 싶지 않은 사용자를 위해 '자체 데이터베이스 사용(Bring Your Own Database)' 옵션을 제공합니다.
• MCP 통합: Model Context Protocol(MCP)을 지원하여, Claude Code나 Cursor와 같은 AI 클라이언트에 단일 명령어로 쉽게 추가할 수 있습니다.
• 고급 증강 기능: 엔티티, 프로세스, 세션 수준에서 메모리를 자동으로 추적하고 강화하며, 속성, 사실, 관계를 캡처합니다.
• 고효율성: LoCoMo 벤치마크에서 리트리ieval 기반 메모리 시스템을 능가하며, 전체 컨텍스트의 일부분에 불과한 풋프린트로도 추론 품질을 유지합니다.