AI 에이전트의 장기 기억을 위한 메모리 시스템

agent-memory는 AI 에이전트가 세션을 종료하면 학습한 내용을 잊어버리는 문제를 해결하기 위해 설계된 장기 실행 시간(runtime)입니다. 이 시스템은 지식 검색 엔진의 정밀도와 파일시스템의 투명성을 결합했습니다. 기존 메모리 구조들이 검색엔진 기반으로 불투명한 청크를 제공하거나, 혹은 파일시스템만 제공하여 확장성에 한계가 있었는데, agent-memory는 두 가지 방식을 통합합니다. 이를 통해 에이전트가 읽을 수 있는 일반 디렉토리와 그래프 및 벡터 검색의 정밀도를 모두 확보했습니다.

메모리 접근은 세 가지 경로를 통해 이루어져 안정성을 높였습니다. 첫째, 세션 시작 시 결정론적인 `MEMORY.md` 주입이 있습니다. 둘째, FTS5 인덱스를 통한 BM25 리콜을 제공하며 벡터 플러그인도 통합할 수 있습니다. 셋째, 이 두 경로가 모두 실패할 경우를 대비하여 일반 디렉토리 트리를 통해 접근 가능합니다. 모든 기록은 마크다운 파일에 저장되어 원본 진실(single source of truth)로 유지되며, SQLite 인덱스는 언제든지 삭제 가능한 캐시 역할을 합니다.

메모리 쓰기 과정 역시 에이전트의 임의적인 판단에 의존하지 않습니다. 메모리는 작업 경계에서 기록되고, 독립적인 수면 시간(sleep-time) 패스를 거치며 통합 및 정제됩니다. 특히 데이터 안전성을 위해 삭제는 반드시 사용자가 확인하는 '제안(proposal)' 단계를 거치도록 설계되었습니다. 또한, 이 라이브러리는 외부 LLM 클라이언트나 API 키가 필요 없어 설치와 운영 비용 부담이 없으며, 메모리 관리는 호스트 에이전트의 CLI를 통해 이루어집니다.