rohitg00/agentmemory
#1 Persistent memory for AI coding agents based on real-world benchmarks
해결하는 문제
코딩 에이전트는 세션 간에 '기억 상실'을 겪는 경우가 많아 사용자가 아키텍처, 환경 설정, 버그 수정 사항을 반복적으로 설명해야 합니다. 일부 에이전트는 .cursorrules와 같은 정적 파일을 사용하지만, 크기 제한이 있고 금방 구식이 됩니다. agentmemory는 영구적인 크로스 에이전트 메모리 계층을 제공하여 세션 데이터를 캡처하고 압축함으로써, 에이전트가 수동 재설명 없이도 세부 사항을 기억할 수 있도록 합니다.
작동 방식
iii engine을 기반으로 구축된 이 프로젝트는 훅(hooks), Model Context Protocol(MCP) 또는 REST API를 통해 AI 코딩 에이전트와 통합되는 메모리 서버를 실행합니다. 에이전트 활동을 조용히 캡처하여 검색 가능한 메모리로 압축하고, 새로운 세션에 관련 컨텍스트를 주입합니다. 정보 검색을 위해 하이브리드 검색(BM25 및 벡터 임베딩)을 지원하며, Xenova/all-MiniLM-L6-v2를 사용하여 로컬 장치에서 의미론적 리콜(semantic recall)을 수행할 수 있는 옵션을 제공합니다.
대상 사용자
Claude Code, Cursor, GitHub Copilot CLI, Gemini CLI 및 기타 MCP 호환 클라이언트를 사용하는 개발자 중, 서로 다른 도구 간에 프로젝트와 환경 설정에 대한 장기 기억을 에이전트가 유지하기를 원하는 분들에게 적합합니다.
주요 특징
- 크로스 에이전트 호환성: 단일 공유 메모리 서버를 통해 다양한 에이전트(Claude Code, Cursor, Devin, Aider 등)와 연동됩니다.
- 하이브리드 검색: 키워드 검색(BM25)과 의미론적 벡터 검색을 결합하여 높은 검색 정확도를 제공합니다.
- 외부 DB 불필요: 외부 데이터베이스 설치 없이 작동합니다.
- 로컬 임베딩 지원: 무료 로컬 장치 의미론적 리콜을 제공하여 데이터를 비공개로 로컬에 유지합니다.
- 높은 효율성: 전체 세션 기록이 아닌 필요한 컨텍스트만 주입하여 상당한 토큰 절감 효과를 제공합니다.
관련
- 프로젝트
- 프로젝트
TencentCloud/TencentDB-Agent-MemoryTencentDB 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
MemTensor/MemOSMemOS 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.
- 프로젝트
Lyellr88/marm-memorymarm-memory는 Model Context Protocol(MCP)을 사용하는 AI 에이전트를 위한 로컬 우선 메모리 서버입니다. 채팅, 메모, 코드 그래프 데이터 및 추출된 개념을 SQLite에 저장하고 HTTP 또는 STDIO를 통해 노출하여 에이전트가 처음부터 시작하는 대신 관련 컨텍스트를 검색할 수 있도록 합니다. 패키지에는 웹 콘솔, Docker 이미지, 리포지토리 시작/관리/인덱싱을 위한 CLI 도구가 포함되어 있습니다. 벤치마크는 낮은 지연 시간 검색(4k 메모리에서 약 30ms)과 10k 항목으로 확장되는 하이브리드 FTS-시맨틱 리콜을 보여줍니다. 자체 호스팅 가능한 검색 가능한 메모리 계층을 원하는 코딩 어시스턴트 또는 멀티 에이전트 스웜을 구축하는 개발자에게 이상적입니다.
- 프로젝트