ai-memory의 개요
ai-memory는 세션, 에이전트, 컴퓨터를 넘어 남는 기억을 코딩 에이전트에 줍니다. 라이프사이클 훅이 프롬프트, 도구 호출, 세션 경계를 기록하고 개인정보 보호 계층에서 비밀 값을 걸러 로컬 서버로 보냅니다. 세션이 끝나면 서버가 이를 git으로 버전 관리되는 위키의 Markdown 페이지로 만듭니다. 다음 세션은 지원되는 어느 에이전트에서든 짧은 요약과 작업이 멈춘 지점을 알려 주는 인계로 시작하며, MCP로 위키를 검색할 수 있습니다.
서버는 Rust 단일 바이너리로, SQLite 전문 검색, 엔티티와 링크 기반 순위, 선택적 벡터 검색을 갖췄습니다. 기본 경로는 LLM을 전혀 호출하지 않습니다. 더 나은 요약을 원하면 Anthropic, OpenAI, Gemini 또는 로컬 모델을 붙일 수 있고, 선택적인 백그라운드 작업이 오래된 메모를 합칩니다. Claude Code, Codex, Cursor, Gemini CLI, OpenCode, Kiro, GitHub Copilot CLI 등 20개 이상의 에이전트를 지원하며, 팀은 사용자별 계정과 감사 로그를 갖춘 서버 하나를 함께 쓸 수 있습니다.
작성자는 Fabio Akita이고 라이선스는 MIT입니다. 저장소는 2026년 5월에 만들어졌고 v3.5.1은 2026년 11월 19일에 나왔습니다.
ai-memory, 쓸 만한 가치가 있습니까?
대부분의 메모리 애드온은 에이전트 하나가 기억하도록 돕지만, ai-memory는 한 에이전트를 닫고 다른 에이전트를 여는 순간을 위해 만들어졌습니다. 인계는 소유자가 있는 타입 지정 기록으로, 다음 세션이 딱 한 번 가져갑니다. 실행기 ai-memory run은 한 걸음 더 나아가, Claude Code가 한도에 걸린 뒤 Codex를 시작하면 Codex는 공유 작업 흐름과 함께 Claude의 보이는 기록을 임시 로컬 사본으로 받고, 이 사본은 종료 시 삭제됩 니다. 같은 서버로 여러 컴퓨터와 팀 전체를 지원할 수 있으며, 지식은 프로젝트별로 공유하고 인계는 사람별로 보관합니다.
설계 선택은 유용한 의미에서 보수적입니다. 원본은 git의 평범한 Markdown이라 grep으로 찾거나 고치거나 Obsidian에서 열 수 있고, SQLite 인덱스는 여기서 다시 만들 수 있습니다. 기록, 검색, 인계에는 API 키가 필요 없습니다. 프로젝트 자체의 LongMemEval-S 하네스에서 LLM 없는 검색은 3.5.0 기준 hit@5 0.953, 로컬 임베딩은 0.940을 기록했고 각 실행의 커밋과 하드웨어도 공개되어 있지만, 외부에서 재현한 사례는 찾지 못했습니다. 노화, 압축, 중복 제거는 모델 없이 돌며 완전히 지우지 않습니다. 내용을 다시 쓰는 기능은 기본적으로 꺼져 있습니다.
보안 설명은 보기 드물게 충실합니다. 네이티브 설치는 루프백에서 대기하고 소유자만 읽을 수 있는 bearer 토큰을 발급합니다. Docker 빠른 시작은 그렇지 않아, 인증을 켤 때까지 인증 없이 돌아갑니다. 텔레메트리나 업데이트 확인은 없지만, 로컬 임베딩을 끄지 않으면 첫 실행 때 Hugging Face에서 약 87 MB의 임베딩 모델을 내려받고, 저장 데이터는 암호화되지 않습니다. 훅이 하는 일도 기억하십시오. 모든 프롬프트와 도구 결과가 정리 과정을 거쳐 저장소에 들어가므로, 공유 서버에는 작업 내용이 많이 쌓입니다.
대가는 무게입니다. README만 47 KB, 변경 기록은 400 KB에 이르고 며칠마다 릴리스가 나옵니다. 작성자는 코드의 상당 부분을 Claude Code가 썼다고 밝힙니다. 네이티브 Windows는 실험 단계이고, 쓰기는 초당 약 700건이 한계이며, 데이터 디렉터리 하나는 서버 하나만 소유할 수 있습니다. 노트북에서 에이전트 하나만 쓴다면 Claude Code 자체 메모리가 운영 부담이 적습 니다.
제 역할을 하는 곳
오후 중반에 Claude Code 사용량을 다 쓰는 프리랜서 개발자
무엇을 시도했고 무엇이 실패했는지 다시 설명하지 않고 Codex에서 이어 가고 싶음
둘 다 ai-memory run으로 실행합니다. Claude가 멈추면 ai-memory run codex가 인계와 Claude의 보이는 기록 임시 사본을 받아 옵니다. 무료이며 기본 경 로에는 API 키가 필요 없습니다.
홈랩 서버를 함께 쓰는 4인 팀
동료의 세션에서 이미 내린 결정을 각자의 에이전트가 찾게 하고 싶음
TLS 리버스 프록시 뒤 LAN에 서버 하나를 두고 사용자 계정을 만든 뒤 각 컴퓨터의 훅이 그 서버를 가리키게 합니다. 지식은 프로젝트별로 공유되고 인계는 개인 몫으로 남으며, 모든 쓰기는 감사 로그에 작성자가 기록됩니다.
도구 설치 전에 데이터 보호 검토를 요구하는 회사의 개발자
노트북에서 무엇이 나가는지 정확히 보여 주고 싶음
기본 다운로드 한 가지와 데이터를 외부로 보내는 선택 경로 다섯 가지를 정리한 DATA_HANDLING.md를 제출하고, embedding_provider를 none으로 설정하면 외부 호출이 전혀 없습니다.
도입 전 확인할 점
- 설정
- 설치 스크립트를 curl로 받고(설치 전에 SHA-256 확인) ai-memory setup을 실행하면 데이터 디렉터리와 토큰을 만들고 사용자 서비스를 시작하며, 확인을 거쳐 찾은 에이전트마다 MCP, 훅, 스킬을 연결합니다. Homebrew, AUR, RPM, Scoop, Nix, Docker, macOS 메뉴 막대 앱도 있습니다.
- 연동
- Claude Code, Codex, Cursor, Gemini CLI, OpenCode, Kiro, GitHub Copilot CLI, Factory Droid 등에 MCP와 라이프사이클 훅, Claude Code와 Codex용 마켓플레이스 플러그인, JSON API와 읽기 전용 웹 보기, TypeScript 클라이언트, PDF, DOCX, 녹취록용 문서 가져오기 도구가 있습니다.
- 데이터와 개인정보
- 모든 것이 로컬 데이터 디렉터리 하나에 있습니다. git으로 버전 관리되는 위키와 SQLite 인덱스입니다. 텔레메트리나 업데이트 확인은 없습니다. 로컬 임베딩은 첫 실행 때 Hugging Face에서 약 87 MB를 내려받습니다. 선택 사항인 클라우드 LLM이나 임베딩 제공업체는 페이지 본문을 받습니다. 저장 데이터는 암호화되지 않습니다.
- 대규모 사용 시 비용
- 실행은 무료이고 기본값에는 모델이 필요 없습니다. 요약용 클라우드 LLM, 임베딩 API, 백그라운드 병합을 켜면 세션마다 제공업체 요금이 붙지만, 프로젝트는 그 금액을 추정하지 않습니다.
- 제한
- 쓰기는 초당 약 700건, 데이터 디렉터리당 서버 하나, 네이티브 Windows는 실험 단계입니다. 루프백 밖에서 사람이 로그인하려면 평문을 명시적으로 허용하지 않는 한 HTTPS가 필요합니다.
좋은 점
- 20개 이상의 에이전트 간 한 번만 가져가는 인계와 세션 이어 가기
- 원본은 데이터베이스가 아닌 git의 Markdown
- 기록, 검색, 노화를 LLM 호출 없이 처리
- 텔레메트리 없음, 기본값은 루프백과 bearer 토큰
아쉬운 점
- 크고 빠르게 바뀌는 코드베이스, 며칠마다 릴리스
- Docker 빠른 시작은 인증 없이 실행
- 벤치마크 수치는 프로젝트 자체 하네스 결과
- 저장 데이터 암호화 없음, 네이티브 Windows는 실험 단계
추천 대상
Claude Code, Codex 등 에이전트 CLI 사이나 여러 컴퓨터 사이에서 작업을 옮기고, 공유 메모리를 직접 소유한 파일로 두고 싶은 개발자와 소규모 팀에게 맞습니다.
ai-memory 대안
ai-memory: 자주 묻는 질문
- ai-memory, 쓸 만한 가치가 있습니까?
- Claude Code와 Codex를 오간다면 ai-memory가 쓸 만한 에이전트 메모리입니다. 다른 어떤 도구보다 잘하는 것은 기억이 아니라 인계이기 때문입니다. 평점은 5점 만점에 4.2점입니다.
- ai-memory의 가격은 얼마입니까?
- MIT 라이선스로 무료입니다. 선택 사항인 LLM과 임베딩 제공업체는 각자 따로 청구합니다.
- ai-memory의 단점은 무엇입니까?