TencentCloud/TencentDB-Agent-Memory

TencentDB Agent Memory is a team-level memory hub for AI Agents — turning conversations, docs, and code into four reusable memory assets (Chat Memory, Skill, LLM-Wiki, Code-Graph) that are governed, shared, and equipped across agents and frameworks.

TencentDB Agent Memory

개요 – 대규모 언어 모델(LLM) 에이전트가 워크플로우 중에 생성한 지식을 저장, 정리 및 재사용할 수 있도록 하는 오픈소스 "메모리 허브"입니다. 원시 채팅 로그, 추출된 기술, 문서 및 코드베이스를 구조화된 자산(채팅 메모리, 기술, Wiki, CodeGraph)으로 변환하여 여러 에이전트와 팀 간에 공유할 수 있습니다.

핵심 개념

LLM 기반 에이전트를 사용할 때 대화, 에이전트가 작성한 코드, 읽은 문서는 일반적으로 세션이 종료되면 폐기됩니다. TencentDB Agent Memory는 해당 경험을 캡처하고 재사용 가능한 조각으로 증류하여 향후 에이전트가 사용할 수 있도록 함으로써 "바퀴를 다시 발명"할 필요가 없게 합니다.

주요 구성 요소

구성 요소	저장 내용	사용 방법
Memory Core	원시 대화(L0) → 추출된 사실(L1) → 시나리오 블록(L2) → 장기 페르소나(L3)	계층적 검색: 빠른 L2/L3 컨텍스트를 우선시하고, 필요 시 BM25 + 벡터 검색으로 L1/L0에 폴백합니다.
Memory Hub (패널)	팀용 중앙 UI: 팀, 사용자, 에이전트 생성, 자산 탐색, ACL 설정, 에이전트에 자산 바인딩.	인간 개입 제어 – 비공개, 팀 전체, 제한됨 여부를 결정합니다.
Proxy	모든 LLM 에이전트 프레임워크(Claude Code, DeepSeek Harness, CodeBuddy, OpenClaw 등)에 통합 API를 제공하는 경량 HTTP 게이트웨이.	에이전트는 기본 URL을 프록시로 지정하기만 하면 되며, SDK 변경이 필요 없습니다.
Wiki	제품 문서, 설계 사양, 런북에서 생성된 구조화된 페이지. 그래프로 연결됩니다.	에이전트는 `/v3/tools/list` → `/v3/tools/call`을 호출하여 페이지를 읽거나 링크를 따라갈 수 있습니다.
CodeGraph	코드 저장소의 심볼, 파일, 호출 관계, 영향 경로 인덱스.	수정 전 영향 분석 및 정밀한 코드 검색을 가능하게 합니다.
Skill library	과거 실행에서 추출된 버전 관리 및 검증된 "경험 블록"(예: 릴리스 체크리스트, 문제 해결 흐름).	에이전트는 필요에 따라 기술을 컨텍스트에 로드할 수 있습니다.

실행 방법

저장소를 복제하고 deploy/global-images에 있는 start-all.sh 스크립트를 실행합니다. 이 스크립트는 memory-core, memory-hub, proxy라는 세 개의 Docker 컨테이너를 시작합니다.
.env 파일에 두 세트의 LLM 자격 증명(memory-group용 및 proxy-group용)을 입력합니다.
컨테이너 시작 후 http://localhost:8125에 접속합니다. 이곳은 Memory Hub UI로, 팀 생성, 자산 가져오기, 에이전트 바인딩을 수행합니다.
지원되는 에이전트 프레임워크를 프록시 URL로 지정합니다(README에는 Claude Code, DeepSeek Harness, Codex, CodeBuddy, WorkBuddy, Hermes, OpenClaw 등에 대한 어댑터가 나열되어 있습니다). 기본 URL 외에 코드 변경은 필요하지 않습니다.

기본 스토리지 백엔드는 PostgreSQL이지만, 설치 가이드를 통해 실험적인 MongoDB 백엔드를 활성화할 수 있습니다.

일반적인 워크플로우 (콜드 스타트에서 프로덕션까지)

기존 지식 가져오기 – 코드 저장소, 문서 또는 과거 대화 로그를 업로드합니다. 허브가 자동으로 CodeGraph와 Wiki를 구축하고 채팅 메모리/기술을 추출합니다.
팀 생성 – 인간 사용자 및 가상 에이전트(Scout, Builder, Reviewer 등)를 추가합니다. 각 에이전트에 필요한 자산을 할당합니다(예: Builder는 제품 Wiki와 CodeGraph, Scout는 시장 조사 Wiki).
작업 실행 – 에이전트가 프록시를 호출하면 프록시가 필요에 따라 적절한 자산을 가져와 작업을 수행하고 새로운 자산(새로운 기술, 업데이트된 Wiki 등)을 다시 기록합니다.
반복 – 후속 에이전트는 축적된 메모리에서 시작하므로 프롬프트와 LLM 호출 횟수가 줄어듭니다.

벤치마크로 입증된 이점

지표	메모리 없음	메모리 있음	개선
PersonaMem (장기적인 상호작용에서 사용자 정보를 유지하는 능력)	48 %	76 %	+59 %

이 테스트는 이 허브를 갖춘 에이전트가 단순한 채팅 방식보다 사용자의 선호도와 사실을 훨씬 더 잘 유지함을 보여줍니다.

예상 사용자

개인 개발자: AI 강화 도구를 구축하고 LLM 어시스턴트가 과거 결정을 기억하게 하려는 분.
스타트업: 여러 전문 에이전트(연구, 코딩, QA)를 운영하고 모델 재학습 없이 지식 베이스를 공유하려는 팀.
기업: 에이전트별로 볼 수 있는 내용을 세밀하게 제어(비공개/팀/ACL)하려는 조직.
연구원: 대화 메모리와 코드/문서 인덱싱을 결합한 RAG(Retrieval-Augmented Generation) 파이프라인을 연구하는 분.

로드맵 (README 기준)

v2.0.1 – 제로 구성 콜드 스타트, Wiki 생성 속도 향상, 사용자/팀별 사용자 지정 프롬프트, 기술 내보내기, Codex "IDE Plan" 모드 지원.
완전 자동화된 메모리 라우팅, 비공개 저장소 CodeGraph 인덱싱, 더 풍부한 ACL 모델 개발 진행 중.

커뮤니티 및 기여

MIT 라이선스 하에 오픈소스화.
문제는 24시간 이내에 답변되며, 토론과 PR을 환영합니다.
이 프로젝트는 오픈소스 CodeGraph, Hermes Agent 및 Karpathy의 "LLM Wiki" 개념 코드를 재사용하며 해당 업스트림 프로젝트에 크레딧을 부여합니다.

TL;DR – TencentDB Agent Memory는 LLM 에이전트에게 지속적이고 검색 가능하며 권한을 인식하는 "뇌"를 제공하는 셀프 호스팅 플랫폼입니다. 채팅, 문서, 코드를 계층화된 자산으로 변환하여 에이전트 팀이 더 빠르게 작업하고, 반복적인 프롬프트를 줄이며, 세션 간 연속성을 향상시킬 수 있도록 합니다.