mem-port: 로컬 MCP 서버

작성자는 공개 저장소로 옮긴 이후 GitHub에서 스타가 붙기 시작했다고 밝혔고, 이 사실은 초기 관심을 나타내는 근거로 제시되어 있습니다. 게시물은 다른 사용자가 도구 간 컨텍스트 손실을 겪는지 묻는 형태로 반응을 유도하고 있어 논의와 피드백을 기대하고 있습니다. 원문 자체에는 추가 댓글 내용이 포함되지 않지만 작성자의 초점이 사용자 경험 공유와 의견 수집에 있음을 분명히 하고 있습니다.

• 로컬 MCP 서버를 도입하면 각 AI 도구가 동일한 장기 메모리에서 상태를 읽고 갱신하므로 반복적인 문맥 재설명이 줄어듭니다. 작성자는 mem-port를 통해 도구들이 각자 제로에서 시작하지 않고 이전의 결정 근거와 거부 사항까지 참조할 수 있게 했다고 밝힙니다. 이 접근은 협업형 파이프라인에서 시간과 인지 부하를 절감하고 에이전트 행동의 일관성을 높이는 실용적 장점이 있습니다.
• 임베디드 데이터베이스를 선택하면 외부 호스팅 서비스와의 종속도를 줄일 수 있습니다. mem-port는 SurrealDB를 임베디드로 사용해 그래프 관계와 벡터 검색을 동일 스토리지에서 처리하므로 네트워크 레이턴시와 운영 복잡도를 낮춘다고 명시되어 있습니다. 로컬 실행은 보안·프라이버시 측면에서도 이점이 있어 기밀 프로젝트나 오프라인 환경에서 유리합니다.

mem-port

— mem-port는 로컬에서 동작하는 MCP 서버로, 여러 AI 도구가 동일한 장기적 에이전트 메모리에 읽기·쓰기를 할 수 있게 만든 오픈소스 프로젝트입니다. 로컬에서 실행되며 임베디드 SurrealDB를 사용해 그래프와 벡터 기반의 메모리를 함께 보관하므로 외부 호스팅 DB나 서비스가 필요 없습니다. 작성자는 이를 'AI 컨텍스트용 펜드라이브'로 비유하며 도구 간 문맥 손실을 줄이는 목적을 명확히 하고 있습니다.

모델 컨텍스트 프로토콜(MCP (Model Context Protocol))

— MCP는 모델이나 에이전트가 외부에서 보관한 컨텍스트(메모리)를 읽고 쓰는 표준화된 방식이라는 맥락으로 쓰인 용어입니다. 게시물에서는 여러 AI 도구가 같은 컨텍스트를 공유하도록 중재하는 로컬 서버 역할을 하는 프로토콜 형태로 기술되어 있습니다. 이러한 접근은 도구별로 개별 상태를 재구성하는 비용과 문맥 손실을 줄이는 것을 목표로 합니다.

SurrealDB

— SurrealDB는 게시물에서 mem-port가 임베디드 형태로 사용하는 데이터 저장소로, 그래프 구조와 벡터 검색을 동시에 제공하는 저장소 역할을 한다고 명시되어 있습니다. 작성자는 SurrealDB를 통해 프로젝트의 '왜', 거절된 접근, 규약, 설정 정보 등 의미 있는 메타데이터와 임베딩을 함께 보관한다고 알리고 있습니다. 이 때문에 외부의 Postgres나 Qdrant, Neo4j 같은 별도 호스팅 DB가 필요하지 않다고 설명하고 있습니다.

그래프와 벡터 메모리(graph + vector memory)

— 게시물은 mem-port가 프로젝트 관련 사실과 의미적 임베딩을 동시에 관리하기 위해 그래프와 벡터를 결합한 메모리 구조를 사용한다고 밝힙니다. 그래프는 관계와 메타데이터를, 벡터는 의미적 유사도 검색을 담당하여 도구들이 같은 컨텍스트를 효율적으로 찾고 갱신할 수 있게 만듭니다. 이 결합은 단순 파일 목록 이상의 문맥(선택 배경, 거절한 접근, 설정 문제 등)을 유지하는 데 초점을 맞춥니다.