tigerless-labs/agent-memory

해결하는 문제

AI 에이전트는 일반적으로 세션이 종료되면 모든 정보를 잃어버립니다. agent-memory는 어떤 에이전트(단순 코딩 에이전트에 국한되지 않음)가 세션 간 지식을 지속할 수 있도록 하는 장기 기억 런타임을 제공합니다. 복잡한 검색 엔진(종종 투명성 부족)과 단순한 파일 시스템(확장성 부족 및 결과 순위 불가) 사이에서 선택해야 하는 문제를, 둘을 하나의 저장소로 통합함으로써 해결합니다.

작동 방식

시스템은 메모리를 위한 유일한 진실 소스로 마크다운 파일을 사용하며, 구조화된 디렉터리에 저장합니다. 로컬 SQLite 인덱스(FTS5)는 빠르고 순위가 매겨진 검색을 위한 재빌드 가능한 캐시 역할을 합니다.

주요 메커니즘은 다음과 같습니다:

• 다중 트랙 검색: MEMORY.md를 통한 결정론적 주입, 인덱스 기반의 BM25 재검색, 직접적인 파일 시스템 접근(ls/grep)을 조합합니다.
• 경로 기반 검색: 에이전트 컨텍스트에 전체 텍스트를 붙여넣는 대신, 파일 경로와 개요 목록을 반환합니다. 에이전트는 필요한 깊이(예: 개요, 개요, 또는 전체 파일)만 읽습니다.
• 자동 작성: 메모리의 정제는 에이전트의 수동 판단에 의존하지 않고, 대화 경계에서 트리거됩니다.
• 수면 시간 관리: 별도의 "수면" 프로세스가 통합을 처리하고 삭제를 제안하며, 사용자가 이를 확인해야 합니다.
• 호스트 무관성: 자체 LLM 클라이언트를 포함하지 않으며, 호스트 에이전트의 CLI(예: Claude Code 또는 Codex CLI)의 추론 능력을 빌립니다.

대상 사용자

세션 간 지속 가능하고, 이식 가능하며, 인간이 읽을 수 있는 장기 기억이 필요한 AI 에이전트를 개발하거나 사용하는 개발자들입니다.

주요 특징

• 파일이 진실: 모든 메모는 마크다운 파일로 저장되며, 인덱스를 삭제하고 다시 빌드해도 데이터 손실이 없습니다.
• API 키 없음: 라이브러리는 기존 호스트 에이전트의 CLI를 사용하므로 API 키나 외부 청구가 필요하지 않습니다.
• 순위가 매겨진 로컬 검색: 플러그인을 통한 벡터 검색과 BM25를 결합하여 네트워크 호출 없이 정확한 재검색을 가능하게 합니다.
• 호스트 간 호환성: 하나의 메모리 저장소를 Claude Code와 Codex CLI와 같은 다양한 에이전트 간에 공유할 수 있습니다.