memvid/memvid

Memory layer for AI Agents. Replace complex RAG pipelines with a serverless, single-file memory layer. Give your agents instant retrieval and long-term memory.

해결하는 문제

Memvid는 AI 에이전트를 위한 휴대 가능한 서버리스 메모리 레이어를 제공하여 복잡한 RAG 파이프라인이나 외부 벡터 데이터베이스의 필요성을 제거합니다. 에이전트가 단일 휴대 파일에 저장된 지속적인 장기 기억을 유지할 수 있도록 하여, 메모리 인프라가 필요 없는 모델 불가지론적(model-agnostic) 환경을 구현합니다.

작동 원리

Memvid는 AI 메모리를 콘텐츠, 타임스탬프, 메타데이터를 포함하는 불변의 단위인 "Smart Frames"의 추가 전용(append-only) 시퀀스로 구성합니다. 이러한 프레임은 데이터 세그먼트, 전체 텍스트 인덱스(Tantivy), 벡터 인덱스(HNSW) 및 연대순 정렬을 포함하는 단일 .mv2 파일로 패키징됩니다. 이 설계는 데이터베이스 서버 없이도 빠른 검색, 크래시 안전성, 메모리 상태의 되감기 또는 분기를 가능하게 합니다.

대상 사용자

다양한 환경으로 이동할 수 있는 가볍고 지속적인 메모리 솔루션이 필요한 장기 실행 AI 에이전트, 오프라인 우선 AI 시스템, 엔터프라이즈 지식 베이스 및 감사 가능한 AI 워크플로우를 구축하는 개발자.

주요 특징

  • 단일 파일 저장: 모든 데이터, 임베딩 및 검색 구조가 사이드카 파일 없이 하나의 .mv2 파일에 포함됩니다.
  • 고성능: 메모리 회상을 위해 초저지연(0.025ms P50) 및 높은 처리량을 제공합니다.
  • 멀티모달 지원: PDF 텍스트 추출, 이미지 검색을 위한 CLIP 시각적 임베딩, Whisper 오디오 전사 기능을 포함합니다.
  • 타임 트래블 디버깅: 과거 메모리 상태 쿼리 및 메모리 타임라인 재생 또는 분기를 지원합니다.
  • 로컬 및 클라우드 임베딩: 로컬 ONNX 모델(BGE-small 등) 및 클라우드 API(OpenAI)를 지원합니다.

관련

  • 프로젝트
    mem9-ai/mem9

    mem9는 AI 코딩 에이전트를 위한 지속적이고 검색 가능한 메모리 서비스를 제공하며, 호스팅 또는 자가 호스팅 배포, 다중 에이전트 공유, 하이브리드 벡터/텍스트 검색, 스마트 인제스트, 주요 에이전트 플랫폼과의 플러그인 통합을 지원합니다.

  • 프로젝트
    MemTensor/memmy-agent

    Memmy는 서로 다른 AI 코딩 어시스턴트 간에 지속적인 컨텍스트를 제공하여 프로젝트 기록과 환경 설정을 공유할 수 있게 해주는 로컬 메모리 및 에이전트 런타임입니다.

  • 프로젝트
    TencentCloud/TencentDB-Agent-Memory

    TencentDB Agent Memory는 LLM 에이전트를 위한 오픈소스 메모리 허브입니다. 대화를 캡처하고, 재사용 가능한 기술을 추출하며, 문서에서 Wiki를 구축하고, 코드를 CodeGraph로 인덱싱합니다. 중앙 UI(Memory Hub)를 통해 팀은 자산을 관리하고, 세밀한 ACL을 설정하며, 특정 메모리 조각을 개별 에이전트에 바인딩할 수 있습니다. 에이전트는 통합된 프록시와 통신하므로 모든 프레임워크(Claude Code, DeepSeek Harness, OpenClaw 등)가 코드 변경 없이 동일한 메모리를 사용할 수 있습니다. 벤치마크에 따르면 페르소나 유지율이 59% 향상되었습니다. 저장소는 원클릭 Docker 배포, 마이그레이션 도구, 제로 구성 콜드 스타트 및 추가 통합을 위한 로드맵을 제공합니다.

  • 프로젝트
    mnemosyne-oss/mnemosyne

    Mnemosyne는 LLM 에이전트를 위한 오픈소스, SQLite 기반 메모리 레이어입니다. 로컬 우선, 제로 클라우드 솔루션을 제공하며 Python SDK, 내장 MCP 서버, 선택적 암호화 동기화를 포함합니다. 시스템은 3계층 BEAM 아키텍처(작업 메모리, 에피소드 메모리, 트리플 스토어)를 사용하여 사실, 임베딩, 시간적 트리플을 저장하고 SQLite 내에서 하이브리드 벡터-키워드 검색을 수행합니다. 여러 에이전트 플랫폼(Claude Code, Cursor, OpenWebUI, Hermes 등)과 통합되며 단일 `pip install`과 최소 리소스로 실행됩니다.

  • 프로젝트
    MemTensor/MemOS

    MemOS 2.0는 LLM 기반 AI 에이전트를 위한 메모리 운영 체제입니다. 텍스트, 이미지, 도구 추적 등의 다중 모달 메모리를 그래프 형태로 조직하여 저장, 검색, 편집, 삭제할 수 있는 통합 API를 제공합니다. 호스팅된 클라우드 서비스(키 기반 접근) 또는 Docker( Neo4j + Qdrant)를 통한 자체 호스팅, 또는 로컬 SQLite 플러그인으로 실행 가능합니다. OpenClaw, Hermes, DeepSeek Harness와의 미리 준비된 플러그인이 제공됩니다. 벤치마크 결과는 기존 상용 메모리 제품보다 우수함을 보여줍니다. Apache 2.0 라이선스.