Supermemory

소개

Supermemory는 단순 벡터 저장소보다 더 큰 층을 지향합니다. 데이터 수집, 이해, 변하는 사실의 저장, 라이브 소스 연결, 그리고 실제 운영 루프 안에서 쓸 수 있을 만큼 빠른 검색까지 한 번에 다루려는 접근입니다.

지금 주목받는 이유

오늘 GitHub Trending에 오른 데다, 공식 사이트가 memory graph, MCP, 플러그인, 커넥터, 개인용 앱까지 포함한 넓은 제품 이야기를 밀고 있습니다. 원시 RAG 조립을 넘는 메모리 인프라에 대한 수요가 다시 커진 것도 배경입니다.

핵심 기능

• 지속 메모리, 검색, 프로필, 커넥터, 추출을 하나의 API에 묶어 팀이 직접 컨텍스트 스택을 이어 붙일 부담을 줄인다.
• 300ms 이하 검색과 지식 그래프형 메모리 계층을 내세우며, 사실의 업데이트·병합·충돌 처리까지 겨냥한다.
• Slack, Notion, Drive, Gmail, GitHub 같은 소스 동기화와 파일시스템, 개인 앱 경로까지 지원한다.

실제 활용 사례

• 장기 기억이 필요한 에이전트를 만들지만 컨텍스트 레이어 전체를 직접 구현하고 싶지 않은 개발자.
• 여러 제품에서 같은 수집·검색·개인화 API를 재사용하려는 팀.
• Claude, Cursor, Codex 등 여러 AI 도구에 같은 저장 지식을 흘려보내고 싶은 개인 사용자.

커뮤니티 반응

메모리 도구 비교에서는 지연 시간, 벤치마크, 셀프호스팅성, 가격 기준으로 자주 언급됩니다. 존재감은 크지만, 도입자는 강한 마케팅보다 실측 근거를 요구할 가능성이 높습니다.

제한 및 위험

메모리 계층은 추가 인프라 의존성을 만들고, 실제 가치는 수집 품질과 온톨로지 설계, 지속 평가에 달려 있습니다. 동기화와 검색 사용량이 커질수록 비용 관리도 중요합니다.

대안

Mem0, Zep, Graphlit, 직접 만든 pgvector 스택, 사내 RAG 파이프라인, 그리고 개인 맥락 중심의 Unabyss 등이 대안입니다.

자주 묻는 질문

• 누가 먼저 평가해야 할까요? 무상태 프롬프트만으로는 부족하다는 걸 이미 체감한 에이전트 개발자입니다.
• 평가에서 무엇이 가장 중요할까요? 실제 검색 품질, 동기화 신뢰성, 운영 비용, 그리고 여전히 직접 만들어야 하는 컨텍스트 로직의 양입니다.