Tencent Cloud가 AI 코딩 에이전트를 위한 팀 단위 메모리 허브인 TencentDB Agent Memory v2.0을 오픈소스로 공개했습니다. 프로젝트의 핵심 아이디어는 단순합니다. "프로젝트 맥락을 한 번 설명하면 새로운 세션에서 다시 설명할 필요가 없어야 한다"는 것이죠. 이 글에서는 이 도구가 무엇이고, 누구에게 맞고, 어떻게 쓰이는지 쉽게 정리합니다.
한 줄 요약: AI 에이전트에 팀용 '장기 기억'을 달아준다
기존 AI 코딩 에이전트는 세션이 바뀌면 이전 대화를 잊어버립니다. 그래서 매번 "우리 코드는 이런 구조야"라고 반복 설명해야 하는 번거로움이 있었죠. TencentDB Agent Memory v2.0은 대화, 문서, 코드를 Chat Memory, Skill, Wiki, CodeGraph라는 네 가지 재사용 가능한 메모리 자산으로 변환합니다. 이 자산들은 버전 관리, 권한 설정, 에이전트별 제공이 모두 가능합니다.
4가지 메모리 자산, 한눈에 비교
| 자산 | 저장 내용 | 대표 활용 |
|---|---|---|
| Chat Memory | 선호도, 사실, 의사결정, 상호작용 이력 | 사용자 페르소나 유지, 장기 대화 맥락 |
| Skill | 완료된 작업의 재사용 절차(버전·리소스·트리거·검증 포함) | 릴리스 체크리스트, 장애 대응 런북 자동화 |
| Wiki | 링크 그래프가 포함된 구조화된 문서 페이지 | 제품 문서를 에이전트가 읽을 수 있는 형태로 변환 |
| CodeGraph | 심볼·파일·호출 관계·영향 경로의 색인 | 리팩터링 전 영향 분석, 코드 온보딩 |
네 가지 모두 Memory Asset이라는 동일한 단위로 등록되기 때문에 소유권, 버전, 상태, 공개 범위 동작이 일관됩니다. Wiki는 Andrej Karpathy의 LLM 유지형 지식 기반 아이디어에서 영향을 받은 설계로 알려져 있습니다.
계층형 정제(L0→L3)와 예산 기반 검색
Chat Memory는 평면적으로 저장되지 않습니다. 대화는 일단 L0에 그대로 쌓이고, 비동기 파이프라인을 거치며 L1 Atom → L2 Scenario → L3 Core/Persona로 점차 정제됩니다.
- L2, L3는 빠른 컨텍스트 초기화에 사용됩니다.
- 구체적인 사실이 필요할 때는 BM25(키워드 기반), 벡터 검색(의미 기반), RRF(역순위 융합)를 결합한 검색이 L1/L0로 폴백합니다.
- 항목 수, 문자 예산, 타임아웃 상한이 적용되어 메모리가 컨텍스트 창을 과도하게 차지하지 않습니다.
권한 관리: ACL 기반 거버넌스가 진짜 차별점
이 도구가 표준 RAG와 구별되는 진짜 이유는 ACL(접근 제어 목록)입니다. 공개 범위는 비공개 · 팀 · 제한 세 단계로 운영되며, 특정 에이전트에만 자산을 제공하도록 바인딩할 수도 있습니다.
누구에게 적합한가?
현재로서는 다음 사용자에게 가장 큰 가치가 있습니다.
- 1인 개발자·소규모 엔지니어링 팀: README가 명시적으로 1인 기업을 대상으로 한다고 씁니다.
- 중견 조직(플랫폼/DevEx 팀 보유): 공유 인프라로 운영해 팀 전체 에이전트의 기억을 통합할 수 있습니다.
- 규제 산업의 대규모 기업: 즉시 전사 표준화보다 파일럿 도입이 권장됩니다. 비공개 저장소용 CodeGraph와 자동 메모리 라우팅은 아직 개선 중이기 때문입니다.
대표 적용 분야: 소프트웨어·개발자 도구, SaaS, 핀테크, 컨설팅·에이전시, 그리고 메모리를 자체 네트워크 내부에 보관해야 하는 모든 규제 대상 팀.
대표 활용 사례 5가지
- 기존 코드베이스에 새 에이전트 온보딩: CodeGraph로 빠르게 구조 파악
- 리팩터링 전 영향 분석: 호출 관계·영향 경로 자동 추적
- 릴리스 체크리스트·장애 대응 런북: Skill로 표준화
- 코드 리뷰 표준: 팀 공통 규칙을 Skill로 배포
- 제품 문서를 에이전트가 읽을 수 있는 페이지로 변환: Wiki 활용
배포와 기술 사양 한눈에 보기
| 라이선스 | MIT (자체 호스팅, 공급업체 API 종속성 없음) |
|---|---|
| 배포 | Docker Hub의 3개 이미지로 1줄 명령 실행 가능 |
| 아키텍처 | linux/amd64, linux/arm64 멀티 아키텍처 지원 |
| 기본 포트 | Memory Core 8420 / 패널 8125 / 지식 서비스 8424 / 프록시 8096 |
| SDK | TypeScript, Python 공식 제공 |
| 통합 대상 | OpenClaw, Hermes, Claude Code, CodeBuddy (+ 직접 SDK 사용 가능) |
| 안정 버전 | v2.0.0 (2026년 8월 3일 공개) |
2.0.0에서 새로 추가된 기능은 ① Skill 강제 보관, ② 예약된 CodeGraph 저장소 동기화, ③ 시스템 관리자용 자산 관리, ④ 영어/중국어 패널 전환, ⑤ 비용이 낮은 모델을 특정 에이전트에 할당하는 Cost Guard입니다.
보고된 성능 수치
자주 묻는 질문(FAQ)
Q1. 클라우드 종속 없이 진짜로 자체 호스팅할 수 있나요?
네. MIT 라이선스이며 Docker 이미지로 한 줄 명령 실행이 가능합니다. 외부 공급업체 API에 의존하지 않도록 설계되어 있어, 메모리 데이터를 자체 네트워크 내부에 완전히 보관할 수 있습니다.
Q2. 일반 RAG와 무엇이 다른가요?
표준 RAG는 "어떤 정보를 찾을 수 있는지"에 집중하지만, TencentDB Agent Memory는 거버넌스 계층을 추가해 "누가 어떤 버전을 어떤 에이전트에 줄 수 있는지"까지 제어합니다. ACL과 바인딩이 핵심 차별점입니다.
Q3. Claude Code나 다른 AI 에이전트와 어떻게 연결하나요?
Memory Proxy가 OpenAI·Anthropic 양쪽 프로토콜을 모두 지원합니다. Claude Code 기준 첫 턴에서 sessionInit이 팀·에이전트·작업을 선택하고, 이후 매 턴마다 L2/L3 메모리·일치하는 Skill·지식이 시스템 프롬프트에 주입됩니다.
Q4. 성능 수치는 신뢰할 수 있나요?
PersonaMem 정확도 48% → 76%는 자체 보고 결과입니다. 현재까지 독립적인 재현 평가는 발표되지 않았으므로, 도입 시에는 직접 워크로드로 검증해 보는 것을 권장합니다.
Q5. 비공개 메모리는 정말 안전하게 보호되나요?
비공개 항목은 소유자만 볼 수 있고 팀 관리자도 읽을 수 없습니다. 새 Chat Memory와 Skill은 기본값이 비공개이므로, 공유하려면 명시적 작업이 필요하도록 설계되어 있습니다.
핵심 요약 5가지
✅ MIT 라이선스·자체 호스팅·Docker 1줄 배포로 공급업체 종속 제거
✅ Chat Memory·Skill·Wiki·CodeGraph 4종 자산으로 대화 로그 대체
✅ L0→L3 정제 + BM25·벡터·RRF 결합 검색을 엄격한 예산 안에서 제공
✅ ACL 기반 공유 거버넌스가 표준 RAG 대비 진짜 차별점
⚠️ PersonaMem 48%→76%는 자체 보고 / 비공개 저장소용 CodeGraph는 아직 완성 전
마치며
AI 에이전트가 팀 단위로 기억을 공유하고, 그 기억의 권한까지 함께 관리한다는 발상은 2026년형 '에이전트 협업'의 핵심으로 자리 잡고 있습니다. TencentDB Agent Memory v2.0은 그 방향을 오픈소스로 먼저 구현해 보여준 사례라는 점에서 의미가 큽니다. 다만 자체 보고 수치와 미완성 기능을 함께 기억해 두고, GitHub 저장소·CHANGELOG·INSTALL.md·Knowledge OpenAPI를 직접 확인한 뒤 파일럿으로 도입 범위를 정하는 것이 안전합니다.
참고 출처: MarkTechPost(2026.08.07), Tencent Cloud 공식 GitHub 저장소 및 README, INSTALL.md, CHANGELOG.