Tencent Cloud, AI 코딩 에이전트를 위한 팀 레벨 메모리 허브 TencentDB Agent Memory v2.0 오픈소스 공개

발행일: 2026년 8월 3일 · 주제: AI 에이전트 메모리 인프라

한 줄 요약: Tencent Cloud가 AI 코딩 에이전트가 팀 단위로 기억을 공유하고 관리할 수 있도록 도와주는 TencentDB Agent Memory v2.0을 오픈소스로 공개했습니다. MIT 라이선스로 자유롭게 사용할 수 있으며, Docker(도커) 한 줄 명령으로 바로 시작할 수 있습니다.

1. TencentDB Agent Memory v2.0란 무엇인가요?

Tencent Cloud가 공개한 TencentDB Agent Memory v2.0은 AI 에이전트를 위한 팀 레벨 메모리 허브입니다. 쉽게 말해, 여러 AI 코딩 에이전트가 한 팀처럼 함께 기억을 나누고, 권한을 관리하며, 필요한 정보를 빠르게 꺼내 쓸 수 있게 해주는 시스템입니다.

이 시스템의 핵심 아이디어는 매우 단순합니다. 프로젝트 컨텍스트(작업 맥락)가 한 번 설명되었다면, 새로운 세션에서는 이를 반복할 필요가 없다는 것입니다. 매번 같은 배경 설명을 다시 입력하지 않아도 에이전트가 기억해 둔다는 뜻입니다.

이 시스템은 대화, 문서, 코드를 네 가지 재사용 가능한 메모리 자산으로 변환합니다.

Chat Memory: 사용자의 선호도, 사실, 결정, 상호작용 기록
Skill: 완료된 작업에서 추출한 재사용 절차
Wiki(위키): 링크로 연결된 구조화된 문서 페이지
CodeGraph(코드 그래프): 심볼·파일·호출 관계를 인덱싱한 코드 지도

이 네 가지 모두 버전 관리되고, 권한이 부여되며, 특정 에이전트에 장착되도록 설계되었습니다.

2. 단일 에이전트 메모리와 무엇이 다른가요?

단일 에이전트 메모리 자체는 새로운 개념이 아닙니다. 이미 많은 AI가 대화를 기억하는 기능을 제공합니다. 여기서 TencentDB Agent Memory v2.0이 새로 제안하는 점은 거버넌스(관리·통제) 계층입니다.

동료의 에이전트가 내가 학습한 내용을 읽을 수 있도록 허용하면서도, 비공개로 표시한 정보가 유출되지 않도록 막을 수 있습니다. 누가, 무엇을, 어떤 버전으로 볼 수 있는지를 명확히 구분할 수 있다는 점이 차별점입니다.

안정 버전인 2.0.0 릴리스는 2026년 8월 3일에 공개되었습니다.

3. 배포와 라이선스

TencentDB Agent Memory v2.0은 MIT 라이선스를 따르며, 자체 호스팅(self-hosted)이 가능합니다. 외부 벤더 API에 종속되지 않고 회사 내부 또는 본인 서버에 설치해 운영할 수 있습니다.

Docker Hub에 게시된 세 개의 Docker 이미지를 사용하면 단 한 줄의 명령으로 시작할 수 있습니다. 멀티 아키텍처 빌드는 linux/amd64와 linux/arm64를 모두 지원하므로, 맥북(M시리즈) 사용자도 그대로 사용할 수 있습니다.

쉽게 말하면, 도커(컨테이너 기반 애플리케이션 배포 플랫폼)만 설치되어 있다면 복잡한 환경 구성 없이 바로 실행할 수 있다는 뜻입니다.

4. 어떤 팀에 적합한가요?

모든 조직에 같은 효과가 있는 것은 아닙니다. 발표 내용에 따르면 추천 대상은 다음과 같이 나뉩니다.

솔로 빌더와 소규모 엔지니어링 팀: 현재 가장 큰 가치를 얻을 수 있습니다. 이 프로젝트는 명시적으로 1인 기업을 대상으로 합니다.
플랫폼 또는 DevEx(개발자 경험) 기능을 갖춘 중규모 조직: 이를 공유 인프라로 운영할 수 있습니다.
대규모 규제 산업의 기업: 표준화보다는 파일럿(시범 도입)으로 접근하는 것이 좋다고 안내합니다.

비공개 저장소 CodeGraph와 자동화된 메모리 라우팅 기능은 아직 개선 중이기 때문입니다. 대기업이 무리하게 전면 도입하기보다는, 파일럿으로 먼저 검증해 보는 것이 현실적입니다.

5. 적용 가능한 산업과 활용 사례

적용 산업

소프트웨어 및 개발자 도구
SaaS(클라우드 기반 소프트웨어 서비스)
핀테크(금융 기술)
컨설팅 및 에이전시
메모리가 자체 네트워크 내에 머물러야 하는 모든 규제 산업 팀

주요 활용 사례

기존 코드베이스에 새로운 에이전트를 온보딩(초기 세팅)
리팩토링(코드 구조 개선) 전 영향도 분석
릴리스 체크리스트 자동화
인시던트 런북(장애 대응 매뉴얼) 표준화
코드 리뷰 표준 일관 적용
제품 문서를 에이전트가 읽을 수 있는 페이지로 변환

6. 네 가지 메모리 자산 자세히 보기

6-1. Chat Memory(채팅 메모리)

사용자의 선호도, 사실, 결정, 상호작용 기록을 보존합니다. 단순한 대화 로그가 아니라, 다음 세션에서도 일관되게 적용되어야 하는 핵심 정보만 정제해서 기억합니다.

6-2. Skill(스킬)

완료된 작업에서 재사용 가능한 절차를 추출합니다. 다음과 같은 항목이 함께 저장됩니다.

버전
리소스 파일
트리거 경계(언제 이 절차가 발동되는지)
실행 단계
검증 규칙

6-3. Wiki(위키)

문서를 링크 그래프가 포함된 구조화된 페이지로 변환합니다. 이 접근 방식은 AI 연구자 Andrej Karpathy가 제안한 LLM 유지 지식 베이스 아이디어에서 영감을 받았습니다.

6-4. CodeGraph(코드 그래프)

소스 코드의 심볼(함수·클래스 등의 이름), 파일, 호출 관계, 영향 경로를 인덱싱합니다. 코드 변경이 어디까지 영향을 주는지 빠르게 파악할 수 있습니다.

이 네 가지 모두 Memory Asset이라는 단일 규격으로 통일되어 등록됩니다. 따라서 소유권, 버전, 상태, 가시성이 자산 유형에 관계없이 동일하게 동작합니다.

7. 계층적 증류와 예산이 정해진 검색

Chat Memory는 단순한 평평한 로그가 아닙니다. 단계별로 정제하는 계층적 증류(Layered Distillation) 과정을 거칩니다.

메모리 단계

L0: 원본 대화 그대로 저장
L1 Atom(원자 단위): 의미 있는 최소 정보 단위로 정제
L2 Scenario(시나리오): 특정 상황 단위로 묶음
L3 Core/Persona(핵심/페르소나): 장기적으로 유지해야 할 핵심 정체성·성향 정보

검색도 마찬가지로 계층화되어 있습니다. L2와 L3는 빠른 컨텍스트 부트스트랩(상황 정보 빠른 주입)을 제공합니다. 특정 사실이 필요한 경우에는 키워드 기반 검색인 BM25와 의미 기반의 벡터 검색, 그리고 두 결과를 합치는 RRF(Reciprocal Rank Fusion, 상호 순위 융합) 알고리즘이 L1과 L0 단계로 내려가며 폴백(대체 검색)합니다.

각 용어를 쉽게 풀어 설명하면 다음과 같습니다.

BM25: 문서 안에서 단어가 얼마나 잘 등장하는지 점수로 매기는 전통적인 검색 방식입니다.
벡터 검색: 텍스트를 숫자 배열(벡터)로 바꿔 의미가 비슷한 항목을 찾는 방식입니다.
RRF(상호 순위 융합): 여러 검색 결과의 순위를 하나로 합치는 알고리즘입니다.

결과는 항목 수, 문자 예산, 타임아웃으로 제한됩니다. 메모리가 컨텍스트 윈도우(AI가 한 번에 읽을 수 있는 텍스트 크기)를 너무 많이 차지하지 않도록 자동으로 잘라내는 안전장치가 있다는 뜻입니다.

8. 거버넌스: 진짜 차별점

표준적인 RAG(Retrieval-Augmented Generation, 검색 증강 생성) 방식은 "무엇을 찾을 수 있는가"에만 답합니다. TencentDB Agent Memory v2.0은 거기에 더해 다음 세 가지 질문에도 답합니다.

누가 사용할 수 있는가
어떤 버전이 유효한가
어떤 에이전트가 그것을 받는가

가시성 단계

private(비공개): 소유자 전용. 팀 관리자도 읽을 수 없습니다.
team(팀): 팀 구성원 공유
restricted(제한): 지정된 대상에게만 공유

새로 만들어지는 Chat Memory와 Skill은 기본적으로 private로 설정되어, 공유를 명시적인 행위로 만듭니다. 즉, 의도하지 않은 정보 노출을 처음부터 차단하는 설계입니다.

Memory Hub는 고정 바인딩과 ACL(Access-Control List, 접근 제어 목록)을 사용합니다. 팀, 사용자, 에이전트, 가시성 순으로 좁혀서 필터링한 뒤에야 검색이 실행됩니다. 쉽게 말해, 일종의 권한 체크리스트를 한 단계씩 통과한 후에만 데이터를 보여 주는 구조입니다.

9. 에이전트 연결 방법

Memory Proxy는 Anthropic과 OpenAI의 프로토콜을 모두 지원합니다. 쉽게 말해, 다음 두 가지 표준 통신 규약을 모두 받아주는 통로 역할을 합니다.

/claude-code/<spaceId>/v1/messages (Anthropic 규약)
/v1/chat/completions (OpenAI 규약)

참고로 Anthropic은 AI 안전성을 중시하는 미국 AI 연구 기업이며, Claude Code는 이 회사가 제공하는 자연어 코딩 에이전트입니다.

첫 번째 대화에서 sessionInit은 Claude Code가 제공하는 대화창 도구(AskUserQuestion)를 사용해 팀, 에이전트, 작업을 사용자에게 선택하도록 요청합니다. 이후 모든 대화에서는 해당 에이전트의 L2/L3 메모리, 매칭된 스킬, 지식을 시스템 프롬프트(에이전트에게 미리 주입되는 안내 문구)에 자동으로 채워 넣은 뒤 상위 모델로 전달합니다.

기본 포트 안내

Memory Core: 8420
패널: 8125
지식 서비스: 8424
프록시: 8096

공식 SDK(소프트웨어 개발 키트)는 TypeScript와 Python으로 제공됩니다. 지원되는 통합 대상은 다음 다섯 가지입니다.

OpenClaw
Hermes
Claude Code
CodeBuddy
직접 SDK 사용

v2.0.0에서 추가된 기능

Skill 강제 아카이빙: 오래된 스킬을 강제로 정리하는 기능
CodeGraph 저장소 정기 동기화: 코드 지도를 주기적으로 갱신
시스템 관리자 자산 관리: 관리자 권한으로 자산 일괄 관리
영문/중문 패널 전환: 언어 전환 지원
Cost Guard: 특정 에이전트에 더 저렴한 모델을 할당해 비용 절감

10. 보고된 성능 결과

PersonaMem 정확도가 48%에서 76%로 상승해 상대적 개선폭 59%를 달성했다고 자체 보고합니다. PersonaMem은 AI 에이전트가 일관된 페르소나(성격·역할)를 얼마나 잘 유지하는지를 평가하는 벤치마크(표준 시험)입니다.

다만, 이 수치는 발표 측이 직접 측정한 자체 보고 수치이며, 외부 기관의 독립적인 재현 결과는 아직 공개되지 않았습니다. 실제 도입 전에는 자체 환경에서 직접 검증해 보는 것이 안전합니다.

11. 핵심 요약

정리하면, TencentDB Agent Memory v2.0은 다음과 같은 특징을 갖는 오픈소스 도구입니다.

MIT 라이선스, 자체 호스팅, 원 커맨드 Docker 배포로 별도 벤더 API에 종속되지 않습니다.
채팅 로그를 대체하는 네 가지 자산 유형 Chat Memory, Skill, Wiki, CodeGraph를 제공합니다.
엄격한 예산 캡 안에서 BM25 + 벡터 + RRF 검색을 통한 L0→L3 단계별 증류를 수행합니다.
ACL 기반 공유를 통해 표준 RAG와 차별화된 접근 통제 기능을 제공합니다.
PersonaMem 48%→76% 개선은 자체 보고 수치이며, 비공개 저장소 CodeGraph는 아직 미완성 상태입니다.

12. 관련 질문 모음

Q. MIT 라이선스란 무엇인가요?

Q. 도커(Docker)가 없어도 사용할 수 있나요?

공식 배포는 도커 이미지 형태입니다. 도커를 설치한 환경이라면 단 한 줄의 명령으로 시작할 수 있습니다.

Q. 자체 보고된 수치는 신뢰할 수 있나요?

공개된 PersonaMem 48%→76% 수치는 발표 측의 자체 측정 결과입니다. 도입 여부를 결정하기 전에는 자신의 데이터셋과 환경에서 다시 측정해 보는 것이 좋습니다.