claude-mem, 코딩 에이전트 기억 단편을 SQLite에 저장…설치 가치 논의

먼저 숫자 몇 개를 보자. Anchor Terminal이 10월 30일 채집한 GitHub 스냅샷에서 claude-mem의 총 별 수는 105,550개에 이르렀고, 하루 만에 1,145개가 들어왔다. 같은 날 전 언어 일간 순위에서도 기억(memory) 계열 프로젝트가 눈에 띄는 자리를 여러 개 차지했다. Hindsight는 56,437개로 하루에 1,454개가 들어왔고, MemPalace도 Python 일간 순위에 끼어들었다. 다시 열하루 전으로 거슬러 올라가면 AI Memory라는 프로젝트가 3,793개 늘어 상대 증가율 35%를 기록했는데, 이는 직전 회차 순위의 일곱 프로젝트 가운데 상대 증가율이 가장 큰 것이었다.

한 저장소가 2025년 8월 말에 만들어져 지금까지 10만 개의 별을 쌓은 것은 새 모델 덕도, 새 프레임워크 덕도 아니고, 매일 코딩 Agent를 쓰는 사람이라면 누구나 겪어봤을 한 가지 일 덕분이다. 바로 세션이 닫히면 Agent가 당신을 잊어버린다는 것이다. 이 글에서는 claude-mem이 대체 무엇을, 어떻게 저장하는지, 그리고 다른 몇 가지 기억 방안과는 어디서 갈리는지, 또 직접 설치하기 전에 알아야 할 함정은 무엇인지 하나씩 뜯어본다.

세션이 끊기면 컨텍스트는 제로

Claude Code나 Codex로 일해본 사람이라면 다 이 경험이 있다. 어제 세 시간 동안 디버깅한 에러를, 오늘 새 세션을 열면 Agent가 프로젝트 구조부터 다시 묻는다. 지난주에 정해둔 기술 선택을, 이번 주에는 완전히 반대되는 방안을 추천해준다. 모델이 멍청해진 게 아니라, 그 기억이 현재 세션 안에서만 살아 있기 때문이다.

단편(斷片)의 비용은 계산해낼 수 있다. 새 세션을 열 때마다 당신은 배경을 다시 설명하느라 10분을 쓰거나, Agent가 저장소를 다시 훑게 하거나, 둘 중 하나를 해야 하고 두 방법 모두 토큰을 태운다. 더 골치 아픈 것은 숨은 비용이다. 이미 밟아본 함정을 다시 밟고, 이미 기각한 방안을 다시 꺼낸다. 프로젝트가 클수록 반복은 더 비싸진다. 많은 사람이 인식하지 못하는 세부 사항이 있는데, 저장소를 다시 훑어 생기는 컨텍스트는 대개 공짜가 아니며, 이번 세션에서 실제로 일할 창을 잡아먹는다. 더 은밀한 낭비도 있다. Agent가 저장소를 다시 훑을 때 읽어 들인 파일들이 정말로 유용한 컨텍스트를 주의 창 밖으로 밀어낸다. 당신은 그것이 멍청해졌다고 생각하지만, 실은 그것이 당신을 다시 알아가는 일에 예산을 쓰고 있는 것이다. 긴 세션에서는 이 압박감이 잘 느껴지지 않는다. 배후에서 일어나기 때문이다. 하지만 청구서는 거짓말을 하지 않는다. 새 세션마다 앞부분에서 벌어지는 그 반복 노동은 모두 실질적인 토큰 지출이다.

커뮤니티는 이 문제에 '세션 간극'이라는 이름을 붙였다. 이번에 GitHub 순위에 몰려나온 기억 프로젝트들이 겨냥하는 것이 바로 이 틈이다. Anchor Terminal 보고서에는 직설적인 한 문장이 있다. 매일 Agent를 쓰는 사람에게는 두 세션 사이의 공백이 여전히 가장 눈에 띄는 결손이라는 것이다.

claude-mem은 훅 뒤에서 무엇을 하는가

claude-mem의 저자는 Alex Newman이고, 저장소는 thedotmack 명의로 올라가 있으며 Apache-2.0 라이선스, 현재 버전 15.2.0, Node 20 이상을 요구한다. 스스로를 Claude Code를 위한 영속 기억 압축 시스템이라 규정하지만, 설치 명령은 이미 OpenCode, T3 Code, Antigravity CLI, Pi, DeepSeek Harness 등 여러 호스트를 아우르고 있고, OpenClaw 게이트웨이에도 별도의 스크립트가 있다.

그 작업 사슬은 네 단계로 나뉜다. 첫째, 라이프사이클 훅이 Agent가 일하는 동안 도구 호출 관찰을 자동으로 포착한다. 어떤 파일을 고쳤고, 어떤 명령을 돌렸고, 어떤 에러를 만났는지 모두 기록된다. 둘째, 모델 하나가 이 관찰들을 의미 요약으로 압축한다. 원본 가계부는 곧장 저장소로 들어가지 않으며, 이것이 '압축'이라는 말의 근원이다. 셋째, 요약이 SQLite와 Chroma의 이중 저장으로 들어간다. 구조화 데이터는 전자가, 벡터 검색은 후자가 맡는다. 넷째, 로컬에서 worker를 띄워 HTTP 인터페이스를 제공하고, 다시 네 개의 MCP 도구를 Agent에 노출해 계층적 검색을 하게 한다.

계층적 검색은 토큰 절약과 직접 연결되는 설계다. Agent는 먼저 굵은 입자의 도구로 후보 항목을 찾고, 이 계층의 비용을 확인한 뒤에야 전체 세부 정보를 끌어올지 결정한다. 공식은 이것을 점진적 공개라고 부른다. 다시 말해 기억은 한꺼번에 컨텍스트로 밀어 넣는 것이 아니라 계층별로 가져오고, 어느 계층까지 가져오느냐에 따라 그 계층의 비용을 지불한다. 짝을 이루는 mem-search 스킬은 조회 흐름을 세 단계로 고정해, Agent가 매번 검색 방식을 새로 발명하지 않게 한다. 이중 저장의 분업은 한마디 더 할 만하다. SQLite는 구조화된 사실과 색인을 맡는다. 어느 관찰이 어느 세션에서 일어났고, 어느 프로젝트에 속하며, 어떤 유형인지 같은 질의는 관계형 DB로 가는 것이 가장 빠르다. Chroma는 의미적 유사도를 맡는다. '지난번 그 교차 출처 문제는 어떻게 고쳤지'라고 물으면 키워드가 아니라 뜻으로 찾는다. 두 계층이 각각 한 구간씩 맡아, 벡터 DB만 쓸 때의 메타데이터 질의가 느린 문제와 관계형 DB만 쓸 때의 의미 검색이 둔한 문제를 동시에 피한다.

worker 계층도 단순한 인터페이스가 아니다. 시작 시 로컬 주소 하나를 출력하는데, 열어보면 My Work 페이지이고 실시간 요청, 처리 진행 상황, 당신이 리뷰할 인계 항목이 모두 나열되어 있다. 기억은 배후에서 쌓이고, 당신은 전면에서 그것이 무엇을 쌓았는지 볼 수 있다. 이 투명성은 막 입문한 사람에게 중요하다. 그렇지 않으면 그것이 정말 기억했는지 영원히 확신할 수 없다.

검색된 과거 관찰에는 번호도 붙는다. Agent가 과거의 어떤 결론을 인용할 때 번호를 달 수 있는데, 이 설계를 '인용'이라 부르며, 그것이 말한 '지난번'이 대체 어느 때인지 되돌아가 대조하기 쉽게 해준다. 로컬 뷰어에서는 실시간 요청, 처리 진행 상황, 수동 인계 큐를 볼 수 있고, 팀 시나리오에는 별도의 공유 워크스페이스가 있지만 개인 요청과 리뷰 노트는 기본적으로 로컬에 남는다. 팀 시나리오에 어울리는 세부 사항도 하나 있다. 공유 워크스페이스에서는 모든 결론에 구성원 서명이 붙어 누가 무엇을 기여했는지 한눈에 보인다. 개인 공간의 요청과 노트는 자동으로 동기화되지 않으며, 공유는 명시적 행동이지 기본 동작이 아니다.

같은 트랙의 또 다른 세 가지 저장법

기억에 압축 요약이라는 길만 있는 것은 아니다. 이번 순위의 네 프로젝트를 나란히 놓으면 설계상의 분기가 한눈에 보인다.

프로젝트 / 저장 내용 / Agent 호출 진입점 / 라이선스 claude-mem / 압축된 세션 요약 / 훅, 로컬 HTTP 인터페이스, 네 개의 MCP 도구 / Apache-2.0 Hindsight / 사실과 관찰, 사용자·Agent·프로젝트별로 DB 분리 / REST, Python 등 다국어 SDK, CLI, MCP / MIT MemPalace / 축자 대화 원문 / CLI, MCP / 저장소 참조 Mem0 / 추출된 기억 항목, 추가만 가능하고 수정 불가 / SDK, 호스팅 API / 저장소 참조

오픈소스 라이선스의 분기도 있다. claude-mem과 Hindsight 같은 쪽은 Apache-2.0이나 MIT를 택해 기업이 가져다 자기 제품에 embed하는 데 장애가 없다. 교육용인 LearnHarness는 AGPL-3.0을 택해 상용화하려면 저울질해야 한다. 기억 계층은 당신의 개발 흐름 가장 깊은 곳에 들어앉을 물건이고, 라이선스의 우호도는 어느 정도 기능 목록보다 더 크게 그것이 회사 내부망에 들어올 수 있는지를 결정한다.

claude-mem은 압축에 베팅해 컨텍스트를 아끼지만 원문의 표현은 잃는다. MemPalace는 다른 극단으로 가서 대화를 글자 그대로 저장하고 의미 검색으로 되살린다. 표현은 모두 남지만 검색량이 더 많다. 그날 그것은 Python 일간 순위에서 고작 357개 별을 받았고, 체급이 한 자릿수만큼 작다. Hindsight는 동작을 보존, 회수, 반성이라는 세 동사로 추상화했고, README에서 자사의 LongMemEval 성적을 버지니아공대와 워싱턴포스트의 연구자들이 재현한 적이 있다고 말하면서, 동시에 차트에 있는 다른 업체들의 숫자는 자체 보고라고 인정한다. Mem0는 덮어쓰지 않고 옛 기억에 추가만 하며, 자사의 벤치마크 성적에는 관리형 플랫폼 최적화가 포함됐다고 명시해 오픈소스 SDK가 반드시 재현되지는 않는다.

이 비교에는 정직한 경고가 하나 있다. 네 곳 중 세 곳이 README에서 LongMemEval을 인용했지만, 기본적으로 모두 자체 보고 데이터다. 선정할 때 그 점수만 보지 말고 저장 모델이 당신의 워크플로에 맞는지를 봐야 한다. 원문 표현이 필요하면 축자파를, 토큰을 아끼고 싶으면 압축파를, 여러 Agent의 분리 저장이 필요하면 Hindsight처럼 주체별로 격리하는 설계를 골라라. 놓치기 쉬운 점 하나: 이 네 프로젝트의 비즈니스 모델은 거의 같다. 오픈소스 저장소는 무료, 관리형 서비스는 유료다. 별 수는 관심도를 재는 것이지 설치량도, 하물며 유지율도 아니다. 선정 시 별 수는 단서로 삼되 결론으로 삼지 마라.

설치 전에 알아야 할 세 가지 함정

첫 번째 함정은 설치 방식에 있다. npm install -g claude-mem으로 설치하면 SDK와 라이브러리만 깔릴 뿐, 훅이 등록되지 않고 worker가 시작되지 않는다. 올바른 진입점은 npx claude-mem install이거나, Claude Code 안에서 플러그인 마켓플레이스를 이용하는 것이다. 잘못 설치했을 때의 증상은 조용하다. 명령은 모두 있는데 아무것도 기록되지 않으며, 많은 사람이 이미 다 설치했다고 착각한다.

두 번째 함정은 계정에 있다. 설치기는 claude-mem의 관리형 옵저버 로그인으로 안내하며, 이메일 매직 링크 방식이고 카드 등록 없이 30일 체험을 준다. 체험 기간에는 기억이 관리형 경로로 흐르며, 공식 설명으로는 이 부분 소모가 당신의 Anthropic 요금제 한도를 차감하지 않는다고 한다. 체험 종료 후에는 자동으로 당신의 Anthropic 요금제로 넘어간다. 로그인하기 싫다면 --provider 파라미터로 OpenRouter나 Gemini 키를 직접 지정하거나, CLAUDE_MEM_ONLINE_OPTIN을 false로 설정해 온라인 흐름 전체를 건너뛸 수 있다. CI 같은 비대화형 환경에서는 기본적으로 로그인 창이 뜨지 않는다.

세 번째 함정은 프라이버시 경계에 있다. 기억 시스템은 기본적으로 백그라운드에서 도구 동작을 계속 기록하므로 민감한 내용은 명시적으로 제외해야 한다. claude-mem의 방식은 꺾쇠괄호 private 태그로, 감싸진 단락은 저장소에 들어가지 않는다. 설치 후 먼저 문서에서 컨텍스트 주입의 세부 스위치를 훑어보고, 어떤 프로젝트를 기록하고 어떤 프로젝트를 기록하지 않을지 정하는 편이 나중에 정리하는 것보다 훨씬 수월하다. 네 번째로 말할 것은 재시작이다. 플러그인 설치 후에는 반드시 호스트를 재시작해야 적용되며, 훅은 시작 시점에 등록된다. 많은 사람이 설치 후 곧바로 새 세션을 열어 기억이 없는 것을 보고 설치에 실패했다고 생각하지만, 사실 재시작을 안 했을 뿐이다. OpenCode 쪽 문서는 이 점을 따로 강조했으며, 1.3.4 이상 버전은 모두 지원하고 OpenCode 2도 마찬가지다.

다섯 개 명령으로 한 번에 통과하기

Claude Code를 예로 들면, 전체 경로는 이 몇 가지다.

방식 1: 플러그인 마켓플레이스, 권장 /plugin marketplace add thedotmack/claude-mem /plugin install claude-mem # 방식 2: 명령줄 설치기 npx claude-mem install # 온라인 로그인을 건너뛰고 완전히 직접 제어 npx claude-mem install --provider host

설치 후 Claude Code를 재시작하면 새 세션에서 직전 라운드의 프로젝트 컨텍스트가 자동으로 나타난다. 기억이 작동하는지 확인하고 싶다면 시작 시 출력되는 로컬 뷰어 주소를 열면 되고, 세션 기록, 검색 기록, 리뷰 대기 큐가 모두 그 페이지에 있다. OpenCode를 설치한다면 버전이 1.3.4 이상이어야 하며 OpenCode 2도 지원 목록에 있고, 역시 설치 후 재시작해야 적용된다. Grok Bot 설치는 또 다른 경로로, 그 호스트에는 훅이 없어서 claude-mem이 채팅 로그 파일을 감시하는 방식으로 바뀐다. 기억이 적용됐는지 검증하는 데는 투박하지만 매우 신뢰할 수 있는 방법이 있다. 새 세션에서 직전 라운드에 막 이야기한 세부 사항, 예컨대 「저번 그 설정 어디에 뒀더라」를 일부러 물어보고, 번호가 붙은 인용을 제시하는지 보는 것이다. 제시한다면 캡처, 압축, 검색의 전체 경로가 다 통한 것이고, 제시하지 못한다면 뷰어에서 관찰이 저장되지 않은 것인지 검색이 맞지 않은 것인지 확인해야 하는데, 두 종류 문제의 고치는 법은 전혀 다르다.

이 기억 열풍은 얼마나 더 탈 수 있을까

몇 가지 신호를 눈여겨볼 만하다. 시야를 좀 더 넓히면, 이 2주간의 순위표는 사실 같은 이야기를 하고 있다. 상위 10위 안의 대부분 프로젝트는 새로운 Agent가 아니라, 이미 돌아가고 있는 당신의 Agent에 달아주는 부품, 즉 스킬 파일, 기억 계층, 교육용 껍데기다. CleanYourTV처럼 4만 개 넘는 별을 받은 프로젝트도 본질은 코딩 Agent를 범용 설치기로 쓰는 것이다. 부품 생태계의 번영은 Agent 본체가 이미 자리를 잡았다는 뜻이며, 사람들이 그 위에 층을 쌓기 시작했다는 뜻이다.

수요 측면에서 AI Memory는 11일 만에 35% 올랐고, Superpowers 같은 스킬 세트 프로젝트는 하루에 여전히 1,255개의 별을 벌어들여 총 별 수가 이미 309,155이며, Agent에 능력을 보태는 도구 전반이 상승通道에 있다. 기준 측면에서 GitHub의 robots.txt는 Trending 주간 및 월간 순위의 크롤링을 명확히 막았고, 서드파티 순위표는 앞으로 신규 저장소의 실제 별 수로만 창을 짜맞춰야 해서 주 단위 비교가 점점 어려워질 것이다. 평가 측면에서 기억 프로젝트의 벤치마크 점수는 현재 자체 보고가 주를 이루며, Hindsight처럼 외부 기관의 재현을 구하는 방식이 풍조가 된다면 선정의 단단한 근거가 생길 것이다.

나의 판단은, 세션 사이의 간극이 현재 Agent 경험에서 가장 거슬리는 작은 돌이라는 것이다. 모델 자체의 장기 기억이 성숙하기 전까지는 외부 기억 계층이 계속 필수가 될 것이다. 10만 개의 별은 claude-mem이 종착점이라는 뜻이 아니라, 이 트랙이 검증됐다는 것만 말해준다. 하나 설치해서 2주를 돌려보고 당신 자신의 단편 비용이 줄었는지 보는 것이 어떤 순위표를 보는 것보다 정확하다.