Mnemosyne의 개요
Mnemosyne는 모든 것을 하나의 SQLite 데이터베이스에 저장하는 AI 에이전트용 메모리 계층입니다. Nous Research의 Hermes Agent용 메모리 플러그인으로 시작했으며, 지금은 MCP나 Python SDK를 통해 Claude Code, Cursor, Codex, Windsurf, OpenWebUI, OpenClaw, Pi도 지원합니다.
기억은 먼저 프롬프트에 주입되는 작업 계층에 들어가고, sleep() 주기가 오래된 항목을 장기 일화 계층으로 요약합니다. 일화 계층은 sqlite-vec 벡터와 FTS5 키워드로 검색합니다. 별도의 트리플 저장소는 유효 기간과 함께 사실을 기록하므로 특정 날짜에 무엇이 사실이었는지 답할 수 있습니다. 기기 간 동기화는 선택 사항이며 클라이언트 측에서 암호화할 수 있습니다.
이 프로젝트는 MIT 라이선스이고 GitHub 스타가 약 3,600개이며, 2026년 10월 27일 버전 4.0.0을 출시했습니다. 같은 이름의 무관한 프로젝트가 여럿 있는데, 여기서 다루는 것은 가장 활발하고 Hermes 플러그인 카탈로그에 등록된 mnemosyne-oss의 프로젝트입니다.
Mnemosyne, 쓸 만한 가치가 있습니까?
Mnemosyne의 강점은 연구가 아니라 운영에 있습니다. pip install과 SQLite 파일 하나로 Postgres, 벡터 데이터베이스, 계정 없이 에이전트에 장기 기억을 줄 수 있습니다. 검색은 각 기억을 벡터 유사도 50%, FTS5 키워드 순위 30%, 중요도 20%로 점수화하며 모두 SQLite 안에서 처리하고, 임베딩은 384개의 부동소수점에서 48바이트로 압축할 수 있습니다. 프로젝트 자체 비교에 따르면 같은 작업에 Mem0는 Qdrant나 Postgres가, Letta는 Postgres가 필요합니다.
저장은 계층식입니다. 새 기억은 작업 메모리에 머물며 프롬프트에 주입되고, 기본값으로 168시간 뒤 만료됩니다. sleep() 단계가 오래된 기억을 LLM으로 요약해(원격 OpenAI 호환 엔드포인트, 처음 사용할 때 내려받는 약 656 MB의 로컬 GGUF 모델, 또는 키워드 기반 대체 방식) 요약본을 일화 메모리에 씁니다. 통합은 추가 방식이라 원본은 삭제되지 않고 표시만 됩니다. LLM 기반 사실 추출은 호출마다 켜는 방식이고, 모순되는 기억을 대체하는 충돌 해결기는 기본적으로 꺼져 있어 오래된 사실은 직접 정리하지 않으면 남습니다.
벤치마크는 신중하게 봐야 합니다. 현재 유효한 결과는 BEAM 100K 토큰 기준 65.2% 하나뿐이며, 프로젝트가 2026년 5월 v3.0.0에서 Llama 3.3 70B와 DeepSeek V4 Flash 평가 모델로 직접 측정했습니다. README도 Hindsight가 발표한 73.4%가 앞선다고 인정합니다. LongMemEval 98.9%라는 수치는 실행 기록이 없어 2026년 9월에 철회되었지만, 같은 README의 비교표에는 여전히 LongMemEval 87.4%가 실려 있습니다. 순수 검색은 모든 코퍼스 규모에서 Recall@10이 20%에 그쳤고, 100K에서 지연 시간은 372 ms였습니다. LoCoMo 결과는 공개되지 않았습니다.
로컬 우선이라는 주장은 설치 구성에 따라 달라집니다. 핵심 패키지(RAM 약 50 MB)에는 로컬 임베딩 모델이 없어 원격 엔드포인트(기본값 OpenRouter)를 전제로 하며, 그곳으로 기억과 쿼리의 텍스트가 전송됩니다. 완전히 로컬로 돌리려면 약 800 MB의 embeddings 추가 패키지가 필요합니다. MCP 서버는 SSE나 HTTP 포트도 열 수 있고, 루프백이 아닌 주소에 바인딩하려면 허용 호스트 목록이 필요합니다. 버전 4.0은 알 수 없는 임베딩 모델이 맞지 않는 벡터 인덱스를 조용히 만들던 버그를 고쳤습니다.
인프라를 운영하지 않고 메모리를 원 하는 개인 개발자나 Hermes 사용자에게는 견실한 선택입니다. 테넌트 분리, 관리형 백업, 검증된 벤치마크가 필요한 다중 사용자 제품에는 Mem0나 Graphiti가 더 적합합니다.
제 역할을 하는 곳
Claude Code, Cursor, Codex를 오가며 일하는 프리랜서 개발자
세 도구에서 프로젝트 결정 사항을 하나의 기억으로 공유하기
mnemosyne mcp를 실행하고 각 도구의 MCP 설정에 같은 서버 항목을 추가합니다. 세 도구 모두 하나의 SQLite 파일을 읽고 씁니다. embeddings 추가 패키지(RAM 약 800 MB)를 설치하면 텍스트를 OpenRouter로 보내지 않고 벡터를 로컬에 둘 수 있습니다.
1 GB VPS에서 Hermes Agent 봇을 운영하는 취미 개발자
데이터베이스 서버 없이 Telegram 어시스턴트에 장기 기억 부여하기
핵심 패키지(RAM 약 50 MB)를 mnemosyne-hermes와 함께 설치하고 임베딩은 원격 API로 지정합니다. 기억 텍스트가 서버 밖으로 나간다는 점은 감수해야 합니다. 백업은 mnemosyne sync와 --encrypt 옵션으로 데스크톱 사본과 동기화합니다.
어떤 서비스를 누가 담당하는지 관리하는 운영 엔지니어
과거 특정 날짜에 누구에게 무엇이 배정되어 있었는지 확인하기
배정 내역을 valid_from 날짜와 함께 TripleStore에 기록하고 as_of로 조회합니다. Mnemosyne에서 변하는 사실을 명시적으로 다루는 부분은 이곳뿐이며, 일반 기억은 오래되면 직접 정리해야 합니다.
도입 전 확인할 점
- 설정
- pip install mnemosyne-memory 또는 로컬 임베딩과 LLM 통합이 포함된 mnemosyne-memory[all]을 설치하고 MCP 설정에 항목 하나를 추가합니다. Hermes 사용자는 mnemosyne-hermes를 추가하고 memory.provider를 mnemosyne으로 설정합니다.
- 연동
- stdio, SSE, Streamable HTTP 기반 MCP, Python SDK, Hermes Agent와 OpenClaw용 네이티브 프로바이더, Pi 확장, OpenWebUI 도구 브리지.
- 데이터와 개인정보
- 동기화나 원격 임베딩·LLM을 켜지 않는 한 기억은 로컬 SQLite 파일에 남습니다. 원격 임베딩을 쓰면 기억과 쿼리 텍스트가 엔드포인트(기본값 OpenRouter)로 전송됩니다. 텔레메트리는 없습니다. 동기화 데이터는 Fernet 또는 XSalsa20-Poly1305로 암호화할 수 있으며, 이 경우 서버는 메타데이터만 봅니다.
- 대규모 사용 시 비용
- 라이선스나 호스팅 비용이 없습니다. 전체 로컬 구성 은 RAM 8 GB를 권장하며, 그 밖의 비용은 설정한 임베딩·요약 엔드포인트의 호출당 요금입니다.
- 제한
- 단일 SQLite 파일은 사용자 한 명이나 에이전트 한 무리에 맞고, 멀티테넌트 제품에는 맞지 않습니다. 열린 이슈와 풀 리퀘스트가 약 180개입니다. 기본 임베딩은 영어에 맞춰져 있어 다국어 검색에는 다른 모델이 필요합니다. BEAM 수치는 v4 이전 것이며 다시 측정되지 않았습니다.
좋은 점
- SQLite 파일 하나로 데이터베이스 서버나 계정 불필요
- MCP 서버와 Hermes, OpenClaw, Pi 네이티브 통합
- 시간 정보가 있는 트리플 저장소로 특정 날짜의 사실 확인 가능
- 클라이언트 측 암호화를 지원하는 선택형 동기화
아쉬운 점
- LongMemEval 수치를 철회했지만 README에는 다른 수치가 남아 있음
- 모순 처리가 기본적으로 꺼져 있음
- 핵심 설치는 임베딩을 위해 기억 텍스트를 OpenRouter로 전송
- BEAM 검색에서 Recall@10 20%
추천 대상
데이터베이스를 운영하지 않고 자신의 기기에 영구 메모리를 두고 싶은 개인 개발자와 Hermes Agent 사용자.
Mnemosyne 대안
Mnemosyne: 자주 묻는 질문
- Mnemosyne, 쓸 만한 가치가 있습니까?
- Mnemosyne는 SQLite 파일 하나에 별도 서비스가 필요 없는, 가장 자족적인 에이전트 메모리이지만 벤치마크 기록이 빈약하고 일부는 철회되어 품질 주장은 직접 검증해야 합니다. 평점은 5점 만점에 3.7점입니다.
- Mnemosyne의 가격은 얼마입니까?
- MIT 라이선스의 무료 오픈 소스입니다. 호스팅 서비스나 유료 요금제는 없으며, 비용은 자신의 기기와 직접 선택한 원격 임베딩 또는 LLM 엔드포인트 사용료뿐입니다.
- Mnemosyne의 단점은 무엇입니까?
- LongMemEval 수치를 철회했지만 README에는 다른 수치가 남아 있음; 모순 처리가 기본적으로 꺼져 있음; 핵심 설치는 임베딩을 위해 기억 텍스트를 OpenRouter로 전송; BEAM 검색에서 Recall@10 20%.
- Mnemosyne에 적합한 사람은 누구입니까?
- 데이터베이스를 운영하지 않고 자신의 기기에 영구 메모리를 두고 싶은 개인 개발자와 Hermes Agent 사용자.
- 팀이나 프로덕션 환경에서 Mnemosyne의 비용은 얼마입니까?
- 라이선스나 호스팅 비용이 없습니다. 전체 로컬 구성은 RAM 8 GB를 권장하며, 그 밖의 비용은 설정한 임베딩·요약 엔드포인트의 호출당 요금입니다.
- Mnemosyne에 회사 데이터를 맡겨도 안전합니까?
- 동기화나 원격 임베딩·LLM을 켜지 않는 한 기억은 로컬 SQLite 파일에 남습니다. 원격 임베딩을 쓰면 기억과 쿼리 텍스트가 엔드포인트(기본값 OpenRouter)로 전송됩니다. 텔레메트리는 없습니다. 동기화 데이터는 Fernet 또는 XSalsa20-Poly1305로 암호화할 수 있으며, 이 경우 서버는 메타데이터만 봅니다.
- Mnemosyne의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Mem0, Letta, Graphiti 및 claude-mem입니다.
답변 확인일: 2026년 11월 6일.