Mnemora: AI 에이전트를 위한 오픈소스 서버리스 메모리 데이터베이스

섹션별 상세

Mnemora는 에이전트의 용도에 맞게 4가지 차별화된 메모리 계층을 제공한다. Working 메모리는 DynamoDB를 사용하여 10ms 미만의 빠른 키-값 상태 저장을 지원하고, Semantic 메모리는 Aurora pgvector와 Bedrock Titan 임베딩을 활용해 자동 임베딩 및 벡터 검색을 수행한다. Episodic 메모리는 이벤트 로그를 DynamoDB와 S3에 계층적으로 저장하며, Procedural 메모리는 도구 정의와 규칙을 Postgres에 버전 관리 형태로 저장한다.

python

from mnemora import MnemoraSync
client = MnemoraSync(api_key="mnm_...")

# Working memory — sub-10ms key-value state
client.store_state("my-agent", {"task": "research", "step": 1})

# Semantic memory — auto-embedded, vector-searchable
client.store_memory("my-agent", "User prefers concise replies")

# Search across memories
results = client.search_memory("user preferences", agent_id="my-agent")
for r in results:
    print(r.content, r.similarity_score)

Mnemora SDK를 사용하여 상태 저장 및 의미 기반 검색을 수행하는 기본 예시

아키텍처 설계에서 CRUD 작업 시 LLM 호출을 제거하여 성능을 최적화했다. 기존의 많은 메모리 솔루션이 데이터 저장 및 조회 시 LLM을 거쳐 지연 시간이 발생하는 것과 달리, Mnemora는 직접적인 데이터 접근 방식을 취한다. 이를 통해 0.95 이상의 유사도를 가진 메모리를 자동으로 병합하는 등 효율적인 데이터 관리가 가능하면서도 매우 낮은 지연 시간을 유지한다.

AWS 기반의 완전 서버리스 인프라를 통해 운영 부담과 비용을 최소화한다. CDK를 사용하여 DynamoDB, Aurora Serverless v2, Lambda, S3 등을 한 번의 명령어로 배포할 수 있으며, 사용하지 않을 때는 Aurora가 0으로 스케일링되어 유휴 비용이 월 약 15달러 수준으로 저렴하다. 모든 데이터는 테넌트 격리가 보장되며 API 키는 SHA-256으로 해싱되어 보안성을 높였다.

bash

git clone https://github.com/mnemora-db/mnemora.git
cd mnemora/infra && npm install && npx cdk deploy

AWS CDK를 사용하여 Mnemora 인프라 전체를 자신의 계정에 배포하는 명령어

주요 AI 에이전트 프레임워크와의 네이티브 통합을 지원하여 기존 워크플로우에 쉽게 도입할 수 있다. LangGraph의 CheckpointSaver, LangChain의 Memory 컴포넌트, CrewAI의 Storage 인터페이스를 위한 전용 클래스를 제공한다. 개발자는 간단한 SDK 설치와 파라미터 설정만으로 에이전트에 영구적인 메모리 기능을 추가할 수 있다.

python

from mnemora import MnemoraClient
from mnemora.integrations.langgraph import MnemoraCheckpointSaver

client = MnemoraClient(api_key="mnm_...")
saver = MnemoraCheckpointSaver(client=client, namespace="langgraph")

graph = StateGraph(...)
app = graph.compile(checkpointer=saver)

LangGraph의 CheckpointSaver로 Mnemora를 통합하여 에이전트 상태를 유지하는 방법

용어 해설

서버리스(Serverless): — 개발자가 서버 인프라를 직접 관리하지 않고 클라우드 제공자가 자원을 동적으로 할당하여 코드를 실행하는 방식이다. 사용한 만큼만 비용을 지불하며 확장성이 뛰어나 운영 부담을 줄여준다.
pgvector: — PostgreSQL 데이터베이스에서 벡터 데이터를 저장하고 유사도 검색을 수행할 수 있게 해주는 확장 기능이다. 고차원 임베딩 벡터 간의 거리를 계산하여 의미적 유사성을 파악하는 데 필수적이다.
일화 기억(Episodic Memory): — 에이전트가 겪은 사건이나 대화 내용을 시간 순서대로 기록하는 메모리 유형이다. 과거의 특정 세션을 복기하거나 시간 범위 쿼리를 통해 맥락을 재구성하는 데 사용된다.
절차 기억(Procedural Memory): — 에이전트가 수행해야 할 작업 절차, 도구 정의, 프롬프트 템플릿 및 규칙 등을 저장하는 지식 기반이다. 에이전트의 행동 지침을 버전 관리하고 동적으로 쿼리하는 데 활용된다.
의미 기억(Semantic Memory): — 데이터의 의미적 유사성을 바탕으로 정보를 저장하고 검색하는 메모리다. 텍스트를 벡터로 변환하여 저장하며, 질문과 가장 유사한 의미를 가진 정보를 찾아내는 RAG의 핵심 요소다.

기술

Mnemora
AWS DynamoDB
Aurora pgvector
AWS Bedrock
LangChain
LangGraph
CrewAI

활용 사례

AI 에이전트 대화 이력 관리
RAG 시스템의 사용자 선호도 저장
에이전트 작업 상태 유지
도구 사용 규칙 및 프롬프트 관리

언급된 리소스

문서Mnemora Website

API DocsMnemora Documentation

GitHubMnemora GitHub Repository