AI 에이전트에 영속 기억을 부여하는 오픈소스 도구와 아키텍처 접근법 10선

세션 간 대화 이력, 사용자 선호도, 시간순 지식 그래프, 파일 기반 이동식 메모리 등 AI 에이전트의 영속 기억을 구현하는 10가지 오픈소스 저장소와 아키텍처 접근법을 정리합니다.

tau · 2026년 10월 10일

대규모 언어 모델(LLM) 기반 자율 에이전트가 단일 질의응답을 넘어 장기 작업과 개인화 워크플로우를 수행하면서, 세션을 가로질러 맥락을 유지하는 '영속 메모리(Persistent Memory)' 아키텍처가 핵심 기술로 주목받고 있습니다.

AI 에이전트 영속 기억 구조와 오픈소스 메모리 프레임워크 다이어그램

이미지 출처: @DivyanshT91162 via X

기본적인 무상태(Stateless) API 호출 한계를 극복하고 에이전트가 사용자의 선호도, 과거 대화 이력, 시간에 따라 변화하는 사실 관계를 보존할 수 있도록 돕는 주요 오픈소스 저장소와 아키텍처 접근 방식을 분석합니다.

세션 간 컨텍스트 유지와 사용자 선호도 관리: Mem0 & Zep

단일 대화창이 닫히더라도 사용자와의 이전 상호작용 맥락을 유지하는 것은 개인화 AI 서비스의 필수 요건입니다.

Mem0: AI 애플리케이션 및 에이전트를 위한 영속 메모리 계층을 제공합니다. 사용자의 세션 간 선호도, 이전 대화 내용, 핵심 사실을 체계적으로 저장하고 필요할 때 동적으로 호출할 수 있도록 돕습니다.
Zep: AI 에이전트 전용 장기 메모리(Long-term memory) 시스템 구축에 초점을 맞추고 있으며, 이전 상호작용 기록에서 현재 질문과 가장 관련성 높은 맥락을 신속하게 검색·주입하는 파이프라인을 지원합니다.

두 프로젝트 모두 LLM의 컨텍스트 창 한계와 토큰 비용 낭비를 방지하면서 사용자 맞춤형 반응을 일관되게 생성할 수 있도록 돕습니다.

지식과 사실 관계는 정적이지 않고 시간에 따라 변화합니다. 이를 효과적으로 모델링하기 위한 그래프 기반 접근법이 활발히 연구되고 있습니다.

Graphiti: 시간에 따라 변화하는 엔티티와 사실 관계를 추적하는 '시간 지향 지식 그래프(Temporal Knowledge Graph)' 구조를 제공합니다. 과거 특정 시점의 상태와 현재 변경된 사실을 시간 축으로 연결하여 에이전트가 정보의 변경 이력을 정확히 파악하도록 지원합니다.
Cognee: 비정형 원시 데이터를 AI가 즉시 탐색하고 연계할 수 있는 구조화된 지식 엔진으로 변환하는 파이프라인을 제공합니다.

에이전트가 능동적으로 자신의 메모리를 읽고 쓸 수 있는 상태 보존형(Stateful) 프레임워크도 확장되고 있습니다.

Letta(구 MemGPT 계열): 에이전트가 자체 메모리 계층을 직접 관리하고 세션 간 상태를 온전히 유지하도록 설계된 상태 보존형 에이전트 프레임워크입니다.
Memary: 에이전트가 단일 대화 범위를 넘어 정보를 저장, 분류, 회상할 수 있는 메모리 인프라 실험 환경을 제공합니다.
Memvid & SimpleMem: 파일 기반(File-based)의 가벼운 이동식 메모리 저장 구조를 탐색하거나, 컨텍스트 오버헤드를 최소화하기 위한 장기 메모리 압축·검색 방식에 집중합니다.

영속 메모리 계층을 실무 에이전트에 도입할 때는 데이터 모델과 보안 요구사항에 맞는 저장 방식을 선별해야 합니다.

저장 구조 다양성: 단순 키-값(KV) 및 벡터 DB 기반 임베딩 검색, 시간 지향 지식 그래프(Graphiti), 파일 기반 로컬 저장(Memvid) 등 에이전트가 다루는 데이터 성격에 따라 아키텍처가 상이합니다.
동기화 및 안전성: 메모리 갱신 시 발생하는 동기화 지연 시간(Latency)과 외부 악의적 프롬프트가 영속 저장소에 오염되는 것을 방지하기 위한 메모리 정제·검증 로직 설계가 동반되어야 합니다.