Memori Memori Labs의 오픈 소스 에이전트 기반 메모리 레이어입니다. 도구 호출, 워크플로 단계, 결정, 결과 및 실패 등 대화와 실행 추적을 관찰한 다음 선택한 신호를 구조화된 영구 메모리로 변환합니다. 나중에 애플리케이션이나 에이전트는 전체 기록을 재생하는 대신 소규모 범위의 메모리 세트를 검색할 수 있습니다.
이는 문서 RAG와는 다른 작업입니다. RAG는 일반적으로 "소스 코퍼스가 무엇을 말합니까?"라고 대답합니다. 에이전트 메모리는 또한 "무슨 일이, 누구에게, 어떤 프로젝트에서, 언제, 어떤 결과를 가져왔는지, 그리고 여전히 사실인가요?"에 답해야 합니다. Memori의 가치는 많은 사실을 저장하는 것보다 선택적으로 작성하고, 사용자와 프로젝트를 분리하고, 수정 사항을 해결하고, 계보를 보존하고, 적절한 순간에 불러오고, 안정적으로 삭제하는 데 달려 있습니다.
실행 추적에서 호출된 컨텍스트까지
대화 + 상담원 추적 + 도구 결과
|
v
위생화 / 속성 / 정규화
|
기억할 만한 점수를 매긴다
|
.------------+-------------.
v v v
사실 사건/결과 결정/패턴
'------------+-------------'
v
구조화된 메모리 저장소
엔터티/프로젝트/프로세스/세션/소스/시간
|
순위: 관련성 + 최근성 + 신호 + 부패
|
v
가장 작은 유용한 회상
|
정정/대체/삭제
원시 추적이 입력되지만 반드시 최종 메모리 개체일 필요는 없습니다. 제품 설명에 따르면 수집은 비동기식입니다. 도구 활동과 대화는 응답 경로를 지연시키지 않고 상호 작용 후 정규화, 점수 매기기 및 추출이 가능합니다. 원시 추적은 감사에 계속 사용할 수 있으며 내구성 있는 기본 요소는 엔터티, 프로젝트, 세션, 소스, 신호, 타임스탬프 및 결과와 같은 메타데이터를 전달합니다.
Memori이 무엇인지, 아닌지
| 시스템 | 기본 유닛 | 최고의 질문 | 전형적인 실패 |
|---|---|---|---|
| 대화 기록 | 메시지 | 최근에 무슨 말이 있었나요? | 컨텍스트가 길고, 비용이 많이 들고, 내부적으로 일관성이 없게 됩니다. |
| 문서 RAG | 청크/문서 | 외부 소스는 무엇을 말합니까? | 개인 상태, 결과 및 수정 사항에 대한 약한 처리 |
| 워크플로우 데이터베이스 | 명시적 애플리케이션 행 | 권한 있는 트랜잭션 상태는 무엇입니까? | 개발자는 모든 필드와 전환을 모델링해야 합니다. |
| Memori | 대화와 추적을 통해 파생된 구조화된 메모리 | 이 에이전트가 지금 행동하는 데 도움이 되는 이전 상태는 무엇입니까? | 추출 또는 순위 지정은 시끄러운, 비공개 또는 오래된 관찰을 촉진할 수 있습니다. |
잔액, 허가, 명령, 의학적 사실 또는 법적 상태에 대한 기록 시스템으로 확률적 기억을 사용하지 마십시오. 이는 신뢰할 수 있는 애플리케이션 테이블에 속하며 결정 시 가져와야 합니다. Memori은 선호도, 이전 시도, 결과, 재사용 가능한 워크플로 지식 및 출처를 표시할 수 있는 상황별 신호에 더 좋습니다.
중요한 아키텍처 선택
오픈 소스 아키텍처는 LLM, 프레임워크 및 데이터 저장소에 구애받지 않는 것으로 설명됩니다. 속성은 메모리 범위를 엔터티와 프로세스로 지정합니다. 증강은 원시 활동을 구조화된 메모리로 전환합니다. 회상은 의미론적 관련성, 순위 및 붕괴를 사용합니다. 래퍼는 선택한 컨텍스트를 이후 모델 호출에 주입할 수 있습니다. 이 디자인은 Memori 클라우드와 자체 데이터베이스 가져오기 경로를 지원합니다.
| 레이어 | 책임 | 평가질문 |
|---|---|---|
| 캡처 | 대화, 추적, 도구 및 결과 수집 | 정확히 어떤 이벤트가 관찰되며, 민감한 도구를 제외할 수 있나요? |
| 기여 | 엔터티, 프로젝트, 프로세스 및 세션 할당 | 잘못된 형식의 ID로 인해 사용자 간 또는 테넌트 간 회수가 발생할 수 있습니까? |
| 증강 | 메모리 추출, 분류, 강화 및 통합 | 어떤 모델이 어떤 재시도 및 신뢰도 정책을 사용하여 어디에서 실행되나요? |
| 저장 | 구조화된 항목, 임베딩, 계보 및 추적 유지 | 암호화, 백업, 지역, 보존 및 스키마 마이그레이션을 제어하는 사람은 누구입니까? |
| 리콜 | 관련 컨텍스트를 필터링하고, 순위를 지정하고, 부패시키고 반환합니다. | 모든 결과가 출처, 범위 및 현재성을 설명할 수 있습니까? |
| 관찰 가능성 | 쓰기, 회수, 성능 및 할당량 표시 | 운영자가 블리드, 오래된 리콜 및 폭주 쓰기 볼륨을 감지할 수 있습니까? |
추적 파생 메모리가 정보를 추가할 수 있는 이유
기록에는 "CSV 파서로 다시 시도하겠습니다"라고 말할 수 있지만 추적을 통해 어떤 파서가 실행되었는지, 어떤 파일이 실패했는지, 오류, 폴백 및 출력이 유효성 검사를 통과했는지 여부를 확인할 수 있습니다. 실행 경로를 캡처하면 대화 요약이 손실되는 인과적 증거를 보존할 수 있습니다. 유용한 예로는 특정 환경에서 반복적으로 실패하는 배포 명령, 오래된 행을 반환한 데이터 원본 또는 에스컬레이션을 통해 사례를 해결한 지원 워크플로가 있습니다.
| 추적 신호 | 잠재적 내구성 메모리 | 무작정 보관하지 마세요 |
|---|---|---|
| 도구 호출 및 결과 | 알려진 작업 절차 또는 반복적인 실패 조건 | 원시 페이로드, 토큰, 고객 기록 또는 임시 스택 추적 |
| 결정과 근거 | 범위와 증거를 갖춘 선택된 접근 방식 | 승인되지 않은 모델 추측이 팀 정책으로 제시됨 |
| 결과 | 이전 계획의 성공, 실패 또는 되돌림 여부 | 외부검증 전 추론된 결과 |
| 사용자 수정 | 현재 선호도에 이전 값 대체 | 동의나 비즈니스 요구가 없는 민감한 속성 |
| 반복되는 패턴 | 여러 번의 관찰 후 신뢰할 수 있는 작업 흐름 통찰력 | 영구적인 규칙으로 일반화된 일회성 행동 |
쓰기 정책에는 내구성, 유틸리티 및 적절한 민감도가 필요합니다. "사용자가 어두운 모드를 선택했습니다"는 내구성이 있을 수 있습니다. '사용자가 현재 화가났습니다'는 일시적이며 잠재적으로 해로울 수 있습니다. "이체 완료"는 대리인의 최종 문장에서 추론되는 것이 아니라 거래 시스템에 대해 확인되어야 합니다.
지능형 리콜 및 "토큰 없는" 언어
Memori 자료는 대상이 지정된 에이전트 제어 리콜과 대규모 프롬프트 덤프 방지를 강조합니다. 실질적인 의미는 메모리에 문자 그대로 토큰 비용이 0이라는 것이 아닙니다. 궁극적으로 LLM 컨텍스트에 삽입된 모든 텍스트는 토큰을 소비합니다. 오히려 에이전트는 유용한 경우에만 호출 도구를 호출할 수 있으며, 검색은 전체 기록을 지속적으로 주입하는 대신 압축된 결과를 반환할 수 있습니다. 스토리지, 보강, 임베딩 및 도구 호출에는 여전히 컴퓨팅 및 금전적 비용이 발생합니다.
| 리콜 제어 | 혜택 | 테스트 실패 |
|---|---|---|
| 엔터티/프로젝트/세션 필터 | 관련성이 없는 테넌트 간 컨텍스트 방지 | 누락되거나 스푸핑된 범위 식별자 |
| 의미론적 관련성 | 정확한 키워드 이상의 의미를 찾습니다. | 그럴듯하지만 관련이 없는 일치 |
| 최신성과 쇠퇴 | 오래된 관찰의 우선순위를 낮춥니다. | 오래되었지만 중요한 사실이 사라지고 있습니다. |
| 소스/신호 가중치 | 우연한 언급보다 검증된 결과를 선호합니다. | 보정되지 않은 자신감이 권위가 된다 |
| 에이전트가 제어하는 리콜 | 지속적으로 즉각적인 주입을 피함 | 상담사가 중요한 단계에서 도구 호출을 잊어버렸습니다. |
| 요약 회상 | 컴팩트한 방향 제공 | 압축으로 인해 예외 및 출처가 삭제됩니다. |
벤치마크 주장을 해석하는 방법
Memori은 쿼리당 1,294개의 토큰을 사용하여 LoCoMo에 대해 81.95%의 정확도를 보고하고 해당 컨텍스트를 전체 컨텍스트 접근 방식의 약 5%로 설명합니다. 이는 테스트된 설정에서 최대 95.03%의 추론 절감 효과를 의미합니다. LoCoMo은 긴 대화 기억 문제를 평가하므로 대화 회상과 관련이 있습니다. 제품의 추적 기반 포지셔닝은 벤치마크만으로 입증된 것 이상으로 확장됩니다.
숫자를 채택하기 전에 저장소의 벤치마크 코드, 데이터 세트 버전, 판단, 모델, 기준, 토큰 계산 및 실행 횟수를 검사하십시오. 검색 정확도와 최종 답변 정확도를 분리하세요. 비용 청구에는 최종 답변 프롬프트의 토큰뿐만 아니라 확장, 임베딩, 저장, 호출 호출 및 재시도가 포함되어야 합니다. 공급업체 벤치마크는 재현 가능한 유용한 증거이지만 스키마 및 언어에 대한 SLA나 성능 증명은 아닙니다.
| 청구 | 지원하는 것 | 추가 증거가 필요함 |
|---|---|---|
| LoCoMo 답변 정확도 | 공개적인 긴 대화 작업 수행 | 도메인 질문, 사용자, 언어 및 수정 패턴 |
| 1,294개의 토큰/쿼리 | 보고된 구성의 컴팩트 컨텍스트 | 프로덕션 볼륨의 총 쓰기 + 검색 + 응답 비용 |
| 추적 파생 메모리 | 대화만 하는 것보다 더 풍부한 입력 | 작업을 개선하는 추적 필드를 보여주는 제거 |
| 비동기식 건물 | 응답 경로 대기 시간을 잠재적으로 방지합니다. | 신선도 지연, 대기열 오류 및 쓰기 후 읽기 동작 |
| 범위가 지정된 격리 | 설계된 테넌트/프로젝트 경계 | 적대적 인증 및 식별자 테스트 |
BYODB 대 Memori 클라우드
| 배포 | 장점 | 책임/질문 |
|---|---|---|
| 오픈 소스 + 자체 데이터베이스 | 스토리지 제어, 기존 거버넌스, 이식성 및 로컬 맞춤화 | 스키마, 모델, 임베딩, 마이그레이션, 백업, 관찰 가능성 및 확장 운영 |
| BYODB(호스팅 기능 포함) | 관리형 확장/작업을 사용하는 동안 선택한 데이터베이스에 기본 데이터를 유지합니다. | 데이터베이스에서 나가는 콘텐츠/메타데이터와 처리가 발생하는 위치를 정확하게 매핑합니다. |
| Memori 클라우드 | 더 빠른 설정, 관리형 API, 대시보드, 할당량 및 운영 가시성 | 실시간 가격, 테넌시, 하위 프로세서, 지역, 보존, 내보내기, 삭제 및 가동 시간을 확인하세요. |
"자체 데이터베이스 가져오기"가 반드시 "모든 처리가 네트워크 내부에 유지됨"을 의미하는 것은 아닙니다. 원시 추적, 추출된 메모리, 임베딩, 원격 측정 및 지원 액세스를 다루는 데이터 흐름 다이어그램을 얻습니다. 개인 데이터가 저장된 경우 액세스/삭제 요청을 모든 파생 복사본, 벡터, 캐시, 백업 및 내보낸 추적에 매핑합니다.
메모리 보안 및 개인정보 위협 모델
| 위협 | 예 | 필수 제어 |
|---|---|---|
| 테넌트 간 블리드 | 리콜 문의는 프로젝트 범위를 생략하고 다른 고객의 사실을 반환합니다. | 서버 측 인증, 선택 사항이 아닌 테넌트 키 및 격리 테스트 |
| 기억 중독 | 신뢰할 수 없는 문서/도구 출력은 미래의 에이전트에게 비밀을 공개하라고 알려줍니다. | 소스 신뢰 라벨, 삭제, 승인 및 지침/데이터 분리 |
| 민감한 추론 | 반복적인 행동은 건강, 재정 또는 신원 주장으로 통합됩니다. | 데이터 최소화, 제외 클래스, 동의 및 단기 보존 |
| 오래된 권위 | 이전 주소 또는 정책이 수정된 후 회수됩니다. | 버전 관리, 표준 상태, 대체 및 최신성 확인 |
| 삭제 공백 | 행이 삭제되었지만 포함, 추적 또는 백업은 여전히 검색 가능합니다. | 엔드투엔드 삭제 확인 및 문서화된 백업 만료 |
| 신속한 공개 | 에이전트가 승인되지 않은 사용자에게 개인 메모리를 반복합니다. | 권한 인식 검색 및 출력 정책 절대로 모델에만 의존하지 마세요. |
생산 준비가 완료된 메모리 계약
자동 캡처를 활성화하기 전에 계약을 정의하세요. 모든 메모리에는 소유자, 테넌트/엔티티, 프로젝트/프로세스, 유형, 소스 포인터, 생성 시간, 신뢰도, 민감도, 만료, 수명 주기 상태 및 삭제 식별자가 있어야 합니다. 계약서는 어떤 유형이 저장되지 않는지, 사용자 동의가 필요한 유형, 자동으로 불러올 수 있는 유형, 권위 있는 시스템에서 가져와야 하는 유형을 명시해야 합니다.
허용: 기본 설정, 검증된 결과, 재사용 가능한 작업 절차 거부됨: 자격 증명, 원시 결제/건강 기록, 숨겨진 시스템 프롬프트 권한 : 애플리케이션 DB > 검증된 사용자 수정 > 도구 결과 > 모델 추론 회수: 세입자 + 프로젝트 필요; 소스 및 타임스탬프가 반환됨 수명 주기: 제안됨 -> 활성 -> 대체됨/만료됨/삭제됨 삭제: 메모리 + 임베딩 + 캐시 + 추적 포인터 + 백업 일정
4주 평가 계획
- 1주차 - 기준선. 최근 사실, 오래된 사실, 수정 사항, 다중 세션 결과 및 "기억이 존재하지 않는" 사례에 걸쳐 50개의 실제 질문을 수집합니다. 전체 기록 및 간단한 벡터-RAG 기준선을 측정합니다.
- 2주차 – 쓰기 품질. 대표적인 추적을 실행하고, 어떤 관찰이 메모리가 되어야 하는지 레이블을 지정하고, 추출 정밀도/재현율, 민감한 데이터 유출 및 신선도 지연을 계산합니다.
- 3주차 - 리콜 품질. 필터, 순위, 부패, 인용, 모순, 다국어 쿼리 및 적대적인 테넌트 ID를 테스트합니다. 최종 답변을 측정하기 전에 관련 상황의 정확성을 기록하세요.
- 4주차—작업. 쓰기/호출 부하 테스트, 보강 작업자 중지, 자격 증명 순환, 백업 복원, 데이터 내보내기 및 전체 삭제 실행. 실제 작업량에 대한 가격을 책정하세요.
| 미터법 | 정의 | 추천 출발 게이트 |
|---|---|---|
| 쓰기 정밀도 | 유용하고 정확하고 내구성 있는 메모리 / 모두 생성됨 | ≥90% |
| 리콜 쓰기 | 금 내구성 관측치 캡처 / 모든 금 관측치 | ≥85% |
| 정밀도@k 리콜 | 관련 반환 메모리 / k | 실제로 주입된 컨텍스트에서 ≥80% |
| 지원되지 않는 메모리 속도 | 유효한 출처가 없는 리콜된 주장/리콜 | <2% |
| 범위 간 누출 | 승인되지 않은 테넌트/프로젝트 항목이 반환됨 | 적대 제품군에서 0 |
| 수정 성공 | 수정 후 현재 정식 사실을 반환하는 쿼리 | 중요 테스트 필드의 경우 100% |
| 삭제 완료 | 정책 창 내에서 더 이상 파생된 표면을 검색할 수 없습니다. | 100% |
| 총 비용/작업 | 쓰기, 모델, 임베딩, 저장, 회상 및 답변 | 측정값 미만 저장됨 |
규제를 받거나 영향이 큰 사용에 대해서는 임계값을 강화해야 합니다. 또한 기권을 측정합니다. 좋은 시스템은 의미상 유사한 허구를 검색하는 대신 "신뢰할 수 있는 메모리를 찾을 수 없습니다"라고 말해야 합니다.
대안
| 대안 | 언제 선택하세요 | 주요 비교 |
|---|---|---|
| Mem0 | 광범위하게 통합된 일반 메모리 API 및 관리/개방 경로가 필요합니다. | 추출 스키마, 그래프 지원, 범위 지정, 벤치마크 및 호스팅된 데이터 흐름 비교 |
| Zep / Graphiti | 시간적 지식 그래프와 엔터티 관계가 기본입니다. | 일시적 무효화, 그래프 작업, 추적 수집 비교 |
| Letta | 메모리 관리는 상태 저장 에이전트 런타임의 일부여야 합니다. | 다양한 추상화: 에이전트 오케스트레이션과 계층형 메모리 |
| LangGraph 지속성 | 명시적인 워크플로 체크포인트가 필요하고 직접 모델링한다고 명시해야 합니다. | 보다 결정적인 상태; 덜 자동적인 의미 기억 추출 |
| Postgres/pgvector 사용자 정의 레이어 | 스키마, 보안 또는 비용 요구 사항이 소유권을 정당화합니다. | 최대 제어, 최대 평가 및 유지 관리 부담 |
| 일반 프로필/ADR 테이블 | 메모리 요구 사항은 작고 명시적이며 결과가 높습니다. | 확률적 추출보다 더 안전하고 저렴할 때가 많습니다. |
FAQ
Memori이 벡터 데이터베이스를 대체합니까?
아니요. 저장 및 검색 인프라를 사용할 수 있는 메모리 수명주기 및 통합 계층입니다. 중요한 추가 작업은 귀속, 구조화, 순위 지정, 계보 및 확대입니다.
채팅을 통해서만 학습하나요?
아니요. 현재 포지셔닝에는 대화와 함께 에이전트 실행 추적, 도구 활동, 워크플로 결정, 결과 및 실패가 명시적으로 포함됩니다.
리콜은 정말 토큰이 필요하지 않나요?
주문형 도구 회수는 항상 메모리 주입을 피할 수 있지만 LLM에서 사용되는 반환된 텍스트는 컨텍스트 토큰을 소비합니다. 총계에는 검색 및 기억 구축 비용이 포함됩니다.
Memori은 신뢰할 수 있는 비즈니스 상태를 저장할 수 있나요?
이에 대한 컨텍스트를 저장할 수 있지만 중요한 현재 상태는 신뢰할 수 있는 애플리케이션 데이터베이스에 남아 있어야 하며 작업 시 확인되어야 합니다.
수정은 어떻게 작동해야 합니까?
계보를 유지하고, 새로 확인된 값을 정식으로 표시하고, 일반 리콜에서 이전 값을 억제하고, 정책이 허용하는 경우에만 기록을 유지합니다.
누가 Memori을 먼저 채택해야 합니까?
실행 컨텍스트 손실로 인해 측정 가능한 오류가 발생한 장기 실행 다중 사용자 에이전트로 구성된 팀은 심각한 개인 정보 보호 및 평가 프로그램을 운영할 수 있습니다.
출처 및 검증
- 공식 Memori 제품 사이트
- 공식 오픈소스 저장소
- 공식 BYODB 아키텍처 문서
- 공식 에이전트 추적 개요 및 데모
- 공식 벤치마크 페이지
- 공식 저장소의 벤치마크 코드 및 자료
- Memori 기술 문서
- Product Hunt 출시 및 제조사 설명
- OWASP LLM 애플리케이션 보안 지침
2026년 7월 26일에 마지막으로 검토되었습니다. 아키텍처, 클라우드 계획, 벤치마크 결과 및 통합은 변경될 수 있습니다. 생산에 사용하기 전에 현재 문서, 조건 및 코드를 확인하십시오.
