Supermemory — AI 시대의 메모리 API, 완전 로컬 구동 가능한 메모리·컨텍스트 엔진

본문

AI 어시스턴트는 대화가 끝나면 모든 것을 잊습니다. Supermemory는 이 문제를 해결하는 메모리·컨텍스트 레이어로, 대화에서 자동으로 사실을 추출하고 유저 프로필을 만들며, 지식 업데이트와 모순을 처리하고, 만료된 정보를 잊고, 필요한 시점에 올바른 컨텍스트를 전달합니다. 개발사는 자신을 이 엔진과 주변 플러그인·도구를 만드는 리서치 랩이라 소개합니다.

주요 기능

다섯 가지 축으로 구성됩니다. Memory는 대화에서 사실을 추출해 시간적 변화와 모순, 자동 망각을 처리합니다. User Profiles는 안정적 사실과 최근 활동을 합친 유저 컨텍스트를 한 번의 호출로 약 50ms에 반환합니다. Hybrid Search는 RAG와 Memory를 단일 쿼리로 묶어 지식 베이스 문서와 개인화된 컨텍스트를 함께 가져옵니다. Connectors는 Google Drive, Gmail, Notion, OneDrive, GitHub를 실시간 웹훅으로 자동 동기화합니다. Multi-modal Extractors는 PDF, 이미지(OCR), 영상(전사), 코드(AST 인식 청킹)를 업로드만으로 처리합니다. 이 모두가 단일 메모리 구조와 온톨로지 위에서 동작합니다.

사용 방식: 플러그인/MCP와 API

두 가지 경로가 있습니다. 첫째, Claude Code, Muse Code, Cursor, Codex, OpenCode, OpenClaw, Hermes용 오픈소스 플러그인과 MCP 서버(https://mcp.supermemory.ai/mcp)로 기존 AI 어시스턴트에 영속 메모리를 붙입니다. MCP 도구는 memory(저장·삭제), recall(쿼리 검색), context(대화 시작 시 프로필 주입, Cursor와 Claude Code에서는 /context) 세 가지이며, 메모리는 프로젝트 단위 컨테이너 태그로 범위를 나눌 수 있습니다. 둘째, npm/pip의 supermemory SDK로 에이전트와 앱에 API를 직접 통합합니다. client.add()로 대화를 저장하고 client.profile() 한 번으로 유저 프로필과 관련 메모리를 받습니다. 임베딩 파이프라인, 벡터 DB 설정, 청킹 전략이 필요 없다고 명시합니다. Vercel AI SDK, LangChain, LangGraph, OpenAI Agents SDK, Mastra, Agno, n8n용 래퍼도 제공됩니다.

로컬·셀프호스팅

curl -fsSL https://supermemory.ai/install | bash 또는 npx supermemory local로 단일 바이너리를 설치하면 임베디드 그래프 엔진, 로컬 임베딩, 자격 증명을 설정하고 http://localhost:6767에 전체 Memory API를 띄웁니다. 모델은 OpenAI, Anthropic, Gemini, Groq 등 OpenAI 호환 엔드포인트를 자유롭게 쓸 수 있고, 임베딩은 기본값으로 로컬 Xenova/bge-base-en-v1.5를 사용합니다. Ollama(gpt-oss:20b 권장)를 지정하면 완전 오프라인 구동이 가능하며 데이터는 ./.supermemory 디렉터리 하나에 저장됩니다. 클라우드와 동일한 API라 baseURL만 바꾸면 로컬 프로토타입을 호스티드 플랫폼으로 이전할 수 있습니다.

벤치마크와 메모리 대 RAG

개발사는 LongMemEval(세션 간 장기 메모리·지식 업데이트), LoCoMo(확장 대화의 사실 회상), ConvoMem(개인화·선호 학습) 세 벤치마크에서 모두 1위를 주장합니다. LongMemEval에서는 약 720 토큰의 컨텍스트만 추가해 95% Recall@15를 달성했고, 이는 99.4%의 컨텍스트 감축입니다. 카테고리별로는 Knowledge Updates 99%, Assistant recall 100%, User recall 97%, Multi-session 93%, Temporal Reasoning 91%, Preference 90%입니다. 자체 Supermemory Filesystem(SMFS)은 xAFS 벤치마크에서 Claude 기준 3배, Codex 기준 1.75배 적은 토큰을 사용했다고 밝힙니다. 또한 Mem0, Zep 등과 비교하는 오픈소스 벤치마킹 프레임워크 MemoryBench를 공개했습니다.

README는 메모리와 RAG를 명확히 구분합니다. RAG는 무상태 문서 청크 검색이라 모두에게 같은 결과를 주지만, 메모리는 시간에 따른 유저 사실을 추적해 '나 이제 SF로 이사했어'가 '나 NYC에 살아'를 대체함을 이해합니다. 자동 망각도 핵심으로, '내일 시험이 있어' 같은 임시 사실은 날짜가 지나면 만료되고 모순은 자동으로 해소됩니다.

원문: GitHub / 번역·요약: Trawling