TencentDB Agent Memory 팀 도입 전 확인할 5가지 (2026년 8월 기준)

텐센트의 팀 메모리 허브는 로컬 SQLite로 돌아가지만 LLM API 키 2세트가 필요하고, 미병합 PR 500건이라 개인 실험까지가 안전선입니다.

에이전트가 세션마다 기억을 잃는 문제를 팀 단위로 풀겠다는 프로젝트예요. 다만 지금 시점에 팀 공용 서버로 올리는 건 이릅니다.

"별이 19,284개나 되는데, 우리 팀에도 바로 붙일 수 있을까요?"

이 질문이 나오는 게 자연스럽죠. 2026년 4월 7일에 만들어진 저장소가 4개월 만에 모은 숫자니까요. 그런데 별을 누른 사람과 실제로 돌려본 사람 사이의 간격이 꽤 큽니다.

이 글은 GitHub API와 저장소 소스 코드를 2026년 8월 11일에 직접 확인한 내용을 바탕으로 정리했어요. 4종 메모리 자산이 뭘 저장하는지, 데이터가 어디까지 나가는지, 지금 붙이면 어디서 막히는지를 순서대로 봅니다.

4종 메모리 자산이 각각 무엇을 저장하나

이 프로젝트를 한 문장으로 줄이면 팀 공용 인수인계 캐비닛입니다. 지금까지 AI 에이전트는 세션이 끝나면 기억을 잃는 신입사원이었죠. 매번 프로젝트 배경을 다시 설명해야 했고요. 그 설명 비용을 한 번만 치르고 캐비닛에 넣어두면, 다음 에이전트가, 그리고 동료의 에이전트가 그 서랍을 열고 시작한다는 발상이에요.

자산	무엇을 저장하나	어떻게 재사용되나
Chat Memory	선호·사실·결정·상호작용 이력	에이전트 생성 시 자기 메모리를 갖고, 요약 계층이 먼저 주입된 뒤 필요할 때만 원본으로 내려감
Skill	성공한 작업에서 뽑아낸 재사용 SOP	버전·리소스 파일·트리거 경계·실행 단계·검증 규칙을 갖춤. 기본은 비공개, 검토 후 팀 공유
Wiki	제품 문서·설계 스펙·운영 런북	링크 그래프가 붙은 구조화 페이지로 변환
CodeGraph	코드 심볼·파일·호출 관계·영향 경로	코드를 고치기 전에 "이걸 바꾸면 저기가 영향받는다"를 조회

이 중 Chat Memory의 계층 구조가 설계의 핵심이에요. 원본 대화(L0), 거기서 뽑은 사실과 제약(L1), 프로젝트 단위로 묶은 지식 블록(L2), 장기 프로필(L3)의 4단입니다. 맥락 복원은 L2와 L3로 먼저 하고, 정확한 표현이 필요할 때만 아래로 내려가는 방식이죠.

검색은 키워드와 벡터를 합치는 하이브리드입니다.

RRF(Reciprocal Rank Fusion): 성격이 다른 두 검색 결과 목록을 순위 기준으로 섞어 하나의 순위로 만드는 방법. 키워드 검색이 잘 잡는 것과 의미 검색이 잘 잡는 것을 함께 살립니다.

로컬 SQLite가 기본이다, 다만 무료는 아니다

기본값은 완전 로컬입니다. 이름에 TencentDB가 붙어 클라우드 종속을 의심하기 쉬운데, 저장소 코드는 그렇지 않아요. 기본 저장소가 로컬 SQLite이고, 텐센트 클라우드 VectorDB는 URL과 API 키를 직접 넣어야만 켜지는 선택지죠. 넣지 않으면 그쪽으로 데이터가 갈 경로 자체가 없어요.

sqlite-vec: 파일 하나로 동작하는 데이터베이스 SQLite에 벡터 검색 기능을 얹어주는 확장. 별도 벡터 DB 서버를 띄우지 않아도 의미 기반 검색이 됩니다.

여기서 오해가 자주 생겨요. "로컬"과 "무료"는 다른 말입니다. 이 시스템은 본인 소유 LLM API 키 2세트를 요구해요. 하나는 메모리를 추출하고 요약하는 용도, 다른 하나는 프록시가 실제 요청을 넘길 상류 모델용이죠. 정확히 말하면 무료 로컬 구동이 아니라 "내 LLM 비용으로 내 컴퓨터에서 구동"입니다. 임베딩만은 예외적으로 오프라인이 되는데, 원격 임베딩 설정이 없으면 로컬 모델로 자동 폴백하거든요.

항목	필요 여부
텐센트 클라우드 계정	불필요
Docker Hub 로그인	불필요 (공개 이미지 3개)
LLM API 키 2세트	필수 (메모리 처리용 + 프록시 상류용)
임베딩 API 키	선택 (미설정 시 로컬 모델 폴백)
텐센트 VectorDB	선택 (기본은 로컬 SQLite)

서비스는 네 개 포트로 떠요. 메모리 코어 8420, 관제 패널 8125, 지식 서비스 8424, 프록시 8096. 문서 예시가 저비용 모델로 되어 있는 점도 의도적입니다. 메모리 추출은 싼 모델로 돌리라는 설계죠.

연동은 MCP가 아니라 LLM 프록시 가로채기다

도입 판단에서 가장 중요한 대목이에요. 대부분의 메모리 도구가 SDK나 MCP 서버로 붙는 것과 달리, 이 프로젝트의 주력 연동은 LLM API 엔드포인트를 가로채는 프록시입니다.

MCP(Model Context Protocol): AI 모델이 외부 도구·데이터에 접근하도록 연결해 주는 표준 방식. 이 프로젝트에도 MCP 서버가 있긴 하지만 Wiki와 CodeGraph에 한정된 보조 경로입니다.

Claude Code 연동은 이런 모습이에요.

export ANTHROPIC_BASE_URL=http://127.0.0.1:8096/claude-code/default
export ANTHROPIC_AUTH_TOKEN='sk-mem-<랜덤 32자>'

주소를 로컬 프록시로 돌려놓으면, 프록시가 매 턴 시스템 프롬프트에 메모리와 Skill을 섞어 상류 모델로 넘겨요. 세션마다 팀, 에이전트, 태스크를 3단계로 고르게 하고요.

이 구조의 의미를 분명히 짚을 필요가 있습니다. 프록시가 모든 요청과 응답을 경유한다는 건 그 프록시가 대화 전문을 본다는 뜻이에요. 내 노트북에서 돌리면 문제가 아니죠. 하지만 팀 공용 서버에 올리는 순간, 그 서버는 전 팀원의 코딩 세션 전문을 보유한 저장소가 됩니다.

여기에 하나가 더 겹쳐요. 설치 문서의 .env.example이 스스로 적어둔 내용인데, 게이트웨이 인증 키를 채우면 모든 요청에 인증 헤더가 필요해지지만 프록시는 현재 그 헤더를 보내지 않아 세션 초기화가 실패합니다. 인증을 켜면 프록시가 깨지고, 프록시를 쓰려면 인증을 꺼야 하는 상태죠. 로컬 단독 사용에서는 문제가 없지만, 사내망 격리 없이 공용 배포하기엔 위험한 조합입니다.

텔레메트리는 기본이 꺼짐이에요. 외부 관측 도구 연동은 키를 넣은 경우에만 작동하고, 없으면 로그만 남기고 건너뜁니다. 기본 설치 상태에서 대화가 자동으로 외부 전송되지는 않아요.

mem0·Zep·Letta·LangMem과 비교하면

에이전트 메모리 오픈소스 시장에서 이 프로젝트의 위치는 별로는 4위권, 성숙도로는 하위권이에요. 2026년 8월 11일 실측 지표입니다.

프로젝트	별	라이선스	핵심 접근	기억의 주 단위
mem0	62,949	Apache-2.0	벡터 기반 사실 추출·검색	사용자·세션·에이전트
cognee	29,922	Apache-2.0	(이번 조사 범위 밖)	(미조사)
Letta	24,176	Apache-2.0	에이전트 런타임 자체(자기 편집 메모리)	에이전트
TencentDB Agent Memory	19,284	MIT	계층 증류 + 자산 거버넌스	팀
Zep	4,823	Apache-2.0	시간 인지 지식 그래프	사실의 시간축
LangMem	1,602	MIT	(이번 조사 범위 밖)	(미조사)

라이선스부터 정리하면 MIT입니다. GitHub API가 NOASSERTION으로 표시하는데, 라이선스가 불분명하다는 뜻이 아니에요. 파일 본문이 표준 MIT 전문 그대로이고 맨 앞에 텐센트 고지문 3줄이 붙어 자동 판별기가 정형 매칭에 실패한 것뿐이죠. 법무 검토에 "MIT"로 올려도 됩니다.

차별점은 "팀 거버넌스"예요. 다른 도구들이 "무엇을 기억할까"를 푼다면, 이쪽은 "누가 그 기억을 쓸 수 있나, 어느 버전이 유효한가, 어느 에이전트에게 줄까"를 풉니다. 가시성이 소유자 전용, 팀 전체, ACL 정밀 제어, 특정 에이전트 지정의 4단계로 나뉘고요. 코드 구조를 이해하는 CodeGraph를 품은 것도 이 카테고리에서는 드물죠. mem0 대안을 찾는 팀이 이 항목 때문에 눈길을 주는 경우가 많습니다.

반대로 약점은 뚜렷해요. DEV Community의 Dennis Pilarinos가 쓴 분석이 가장 날카로운데, 요지는 "저장과 이식은 잘 하는데 판정을 하지 않는다"입니다. 한 에이전트가 "이 서비스는 REST를 쓴다"를 저장하고 동료의 에이전트가 나중에 "플랫폼이 gRPC를 의무화했다"를 저장하면, 둘 다 허브에 살아 있고 어느 쪽이 다음 PR을 좌우할지는 검색이 임의로 정하죠. 인증 흐름 설명을 적어둔 뒤 리팩터링이 지나가도 메모리는 그대로고요. ACL은 "누가 읽을 수 있나"를 통제하지 "그게 아직 참인가"를 통제하지 않습니다. 확신에 찬 낡은 사실 회상은 메모리가 없는 것보다 나쁘다는 지적이에요.

별 19,284개 뒤의 성숙도 신호

숫자 세 개만 보면 판단이 빨라져요.

GitHub이 표시하는 미해결 614건은 이슈 114건과 PR 500건의 합입니다. 가장 오래된 미병합 PR은 2026년 5월 14일에 열렸고, 2026년 8월 1일 이후 병합된 PR 6건 중 4건은 중국어 README 문서 수정이었어요. 기여는 대량으로 들어오는데 병합 처리량이 따라가지 못하는 상태죠. 열린 이슈에는 임베딩 타임아웃이 조용히 메타데이터만 쓰고 성공 코드를 반환한다는 리포트처럼 동작 결함도 섞여 있고요.

저장소 기본 브랜치가 main이 아니라 feat/server_team이라는 기능 브랜치인 점도 신호입니다. 클론하면 그 브랜치를 받게 되죠. 릴리스 태그는 11개, v2.0.0 정식판은 2026년 8월 3일에 나왔어요. 저장소 생성부터 118일 만에 메이저 두 번이니 속도는 빠른데 안정화 기간이 짧습니다.

세 번째가 반응의 괴리예요. 별이 19,284개인데 Hacker News 게시물은 1건에 2 points, 댓글 0개입니다. 텐센트 클라우드 공식 X 게시물은 좋아요 1개, 답글 0개고요. Reddit에서 개념 소개 글이 27점을 받은 정도가 전부죠. 실사용 후기, 트러블슈팅, 비교 벤치마크 같은 채택 이후 단계의 대화가 사실상 없어요. 별 수치를 채택 신호로 읽으면 안 되는 이유입니다.

성능 근거도 얇습니다. 공개된 벤치마크는 PersonaMem 48%에서 76%로 올랐다는 단일 지표 하나뿐이고, 측정 조건과 재현 스크립트가 공개돼 있지 않아 벤더 자체 측정으로 취급해야 해요.

상황	판단
개인 로컬 실험	해볼 만함. MIT, Docker 3개, 텐센트 계정 불필요
팀 공용 서버 배포	보류 권고. 인증과 프록시가 양립하지 않고, 프록시가 전 팀원 세션 전문을 보유
프로덕션 도입	시기상조. PR 500건 백로그, 업력 4개월, 프로덕션 사례 미확인
아이디어 벤치마킹	가치 높음. 계층 증류와 자산 가시성 개념은 자체 설계에 참고할 만함

마무리

정리하면 이렇습니다. 로컬 우선이라는 표현은 코드로 확인했을 때 사실이고, 라이선스도 MIT로 깨끗해요. 다만 LLM 키 2세트가 붙는 실비 구조이고, 연동이 프록시 가로채기라 공용 배포 시 데이터 경로가 넓어집니다. PR 500건과 업력 4개월은 프로덕션 판단을 미룰 근거로 충분하고요.

팀이 AI 에이전트로 일하는 방법을 설계하는 단계라면, 이 프로젝트는 "지금 붙일 도구"보다 "설계를 훔쳐볼 참고서"에 가깝습니다. 계층 증류와 자산 가시성 4단계는 자체 하네스에도 옮겨 쓸 수 있는 개념이죠.

비슷한 고민을 하는 팀이 많습니다. AI 에이전트 도입 검토 자리에서 오늘 정리한 기준이 결정에 보탬이 되면 좋겠어요.

자주 묻는 질문 (FAQ)

Q: 텐센트 클라우드 계정이 있어야 쓸 수 있나요?

아니요. 기본 구성은 로컬 SQLite이고 컨테이너 이미지 3개도 로그인 없이 받을 수 있습니다. 텐센트 클라우드 VectorDB는 사용자가 URL과 API 키를 직접 넣어야만 켜지는 선택 항목이에요.

Q: 그럼 완전히 무료인가요?

무료는 아닙니다. 메모리 추출용과 프록시 상류용으로 본인 소유 LLM API 키 2세트가 필요해요. 소프트웨어 사용료가 없을 뿐, 대화량만큼 모델 비용이 발생하는 구조죠.

Q: 우리 팀 서버에 올려서 같이 써도 되나요?

2026년 8월 기준으로는 보류를 권합니다. 프록시가 모든 세션 전문을 경유하므로 그 호스트가 전사 코딩 로그 저장소가 되고, 게이트웨이 인증을 켜면 프록시가 동작하지 않는 비양립 문제가 문서에 명시돼 있어요.

TencentDB Agent Memory 팀 도입 전 확인할 5가지 (2026년 8월 기준)

별 19,284개 AI 기억 창고, 써도 될까 - 비개발자를 위한 쉬운 가이드