AI 에이전트 지속성 메모리 시스템 추천 비교 2026

Mem0는 직접 구축 중인 AI 에이전트를 위한 가장 훌륭한 기본 AI 에이전트 지속성 메모리 시스템이며, Perplexity Brain은 별도 인프라 구축 없이 즉시 도입할 수 있는 최적의 선택지입니다. 주목할 만한 비즈니스 지표는 벤더가 공식 발표한 Perplexity의 측정 결과입니다. 이전 컨텍스트가 요구되는 Computer 작업에서 정확도가 25% 상승하고, 재현율은 16% 증가했으며, 비용은 13% 절감되었습니다.

AI 에이전트 지속성 메모리 시스템: 어떤 툴을 선택해야 할까요?

자체 프로덕트 내부에 메모리 API를 연동해야 하고, 무료 프로토타입에서 관리형 프로덕션 서비스로 자연스럽게 확장할 수 있는 경로를 원한다면 Mem0를 선택하십시오. 에이전트가 이미 Perplexity Computer 환경 안에서 동작하며, 별도 메모리 인프라 구축 없이 이전 작업 요약 부담을 덜어내는 것이 목적이라면 Perplexity Brain이 알맞습니다. 시점에 따라 변하는 팩트와 장기 이력을 넘나들며 추론해야 한다면 **Hindsight**를, 거버넌스가 갖춰진 시계열 지식 그래프가 아키텍처의 핵심이라면 **Zep**을 권장합니다.

나머지 순위는 보다 특화된 워크플로우를 겨냥합니다. **Supermemory**는 대화, 문서, 외부 커넥터를 하나의 멀티모달 컨텍스트 레이어로 묶어야 할 때 가장 강력합니다. **Cognee**는 그래프-벡터-관계형 엔진을 로컬에서 구동하거나 자체 프라이빗 클라우드에 직접 배포하고자 하는 엔지니어링 팀에 적합합니다. Claude Managed Agents memory stores는 Anthropic의 관리형 에이전트 런타임 안에서 감사(audit) 추적이 보장되는 가장 깔끔한 파일 기반 선택지입니다. **Letta**는 기반 모델이 바뀌어도 고유 아이덴티티를 온전히 보존해야 하는 코딩 에이전트에 가장 적합한 이식성 중심 솔루션입니다. **LangMem**은 이미 LangGraph 기반으로 시스템을 구축하고 있으면서 스토리지와 제어 정책을 팀이 완전히 소유하고자 할 때 선택하는 라이브러리 우선 솔루션입니다.

아래 가격은 2026년 8월 28일에 직접 검증되었습니다. "무료"라는 표현은 호스팅형 무료 티어, 자체 호스팅 오픈소스 경로, 혹은 모델 및 인프라 비용이 별도로 청구되는 무료 애플리케이션을 의미할 수 있습니다. 각 방식의 경제적 실질 부담은 전혀 다르므로 각 섹션에서 실제 청구 구조를 명시합니다.

이 비교는 의도적으로 벤치마크 점수 줄 세우기를 배제했습니다. 특정 메모리 시스템이 검색을 아무리 훌륭하게 수행하더라도, 데이터 삭제 정책, 테넌트 격리 기준, 지연 시간 목표, 혹은 팀의 운영 모델을 충족하지 못한다면 잘못된 구매 결정이 되기 때문입니다. 가장 뛰어난 시스템은 영속성의 경계(persistence boundary)가 기억하고자 하는 대상과 정확히 일치하는 솔루션입니다.

이 원칙이 다소 추상적으로 느껴진다면 다음 의사결정 규칙을 적용해 보십시오. 추출, 통합, 검색, 교정, 삭제 과정을 직접 운영하는 엔지니어링 인건비보다 관리형 제품의 월 프리미엄이 낮다면 관리형 솔루션을 구매하십시오. 반대로 데이터 격리 경계나 메모리 동작 방식이 절대 타협할 수 없는 요구사항이라면 자체 기술 스택을 보유하십시오. 이 기준 하나만으로 미세한 벤치마크 우위를 뒤엎는 명확한 선택이 가능해집니다.

지속성 메모리 도입 시 실제로 구매하는 가치

지속성 메모리는 단순히 프롬프트 창을 키우는 작업이 아닙니다. 컨텍스트 윈도우는 단일 추론 과정에서 모델이 한 번에 참조할 수 있는 범위일 뿐입니다. 체크포인트는 작업이 중단되었을 때 저장된 상태에서 워크플로우를 재개할 수 있도록 해줍니다. 내구성 있는 메모리(durable memory)는 어떤 정보를 남길지, 데이터가 어떻게 변경되었는지, 그리고 미래의 세션에 반환할 최적의 정보 조각이 무엇인지를 결정합니다. 거버넌스를 갖춘 지식 레이어는 이 메모리를 둘러싼 소유권, 출처 추적(provenance), 보존 기간, 영구 삭제 정책을 체계적으로 통제합니다.

이 레이어들은 서로 다른 장애 상황을 해결합니다. 에이전트가 크래시 이후 정확한 단계에서 작업을 이어가야 한다면 체크포인트를 사용해야 합니다. 지난달 고객사의 청구 담당자가 변경되었다는 사실을 기억해야 한다면 시간적 유효성을 지닌 내구성 메모리가 필요합니다. 답변에 특정 담당자 정보가 포함된 이유를 증명해야 한다면 출처 링크나 불변 버전 기록을 추가해야 합니다. 고객 A의 정보가 고객 B의 실행 세션으로 절대 유출되어서는 안 된다면, 테넌트 분리는 사후 추가 사항이 아니라 메모리 아키텍처의 필수 구성 요소여야 합니다.

예산 측면에서 가장 큰 영향을 미치는 요인은 **컨텍스트 재전송 비용(context reload bill)**입니다. 이전 데이터를 다시 모델에 전송하느라 소모되는 입력 토큰 비용, 작업 내용을 매번 요약하는 인적 리소스, 그리고 오래되거나 모순된 컨텍스트로 인해 발생하는 작업 실패 비용을 모두 포함합니다. Perplexity는 이 문제의 실제 영향력을 수치로 공개했습니다. Brain 출시 보고서에 따르면, 과거 컨텍스트가 필수적이었던 Computer 작업에서 Brain을 사용했을 때 초기 측정 기준 비용이 13% 절감되었으며, 정확도는 25%, 재현율은 16% 향상되었습니다. 이는 Perplexity 자체 제품에 대한 벤더 자체 발표 수치이며 범용 벤치마크는 아니지만, 답변 품질을 높이면서 불필요한 호출과 중복 컨텍스트를 줄이는 명확한 경제적 목표를 잘 보여줍니다.

가장 우수한 시스템들은 서로 다른 메커니즘으로 이 비용을 절감합니다.

• **선택적 검색(Selective retrieval)**은 전체 대화 이력을 그대로 다시 주입하는 대신, 가장 밀접하게 관련된 일부 데이터만 선별하여 반환합니다.
• **통합(Consolidation)**은 중복을 병합하고 반복되는 패턴을 압축된 실무 모델로 요약 및 승격시킵니다.
• **시간적 추론(Temporal reasoning)**은 과거의 사실과 현재 유효한 팩트를 명확히 구분합니다.
• **교정(Correction)**은 잘못된 기억이 누적되기 전에 사용자나 호스트 애플리케이션이 직접 수정할 수 있도록 지원합니다.
• **출처 추적(Provenance)**은 저장된 주장을 단순한 추측이 아닌 언제든 검증 가능한 명확한 근거로 만듭니다.
• **테넌트 제어(Tenant controls)**는 메모리의 유효 범위를 사용자, 프로젝트, 에이전트, 조직 단위로 철저히 제한합니다.

단순한 벡터 데이터베이스 하나만으로 완전한 해답이 될 수 없는 이유가 바로 여기에 있습니다. 벡터 DB는 임베딩을 저장하고 유사한 텍스트 청크를 반환할 수 있습니다. 그러나 특정 사실이 새로운 정보로 대체되었는지, 교정 사항이 기존 관찰 데이터를 덮어써야 하는지, 이전 출처를 영구 삭제해야 하는지, 혹은 특정 선호도가 개별 사용자, 에이전트, 실행 세션, 기업 중 어디에 귀속되는지 스스로 판단하지 못합니다. Hindsight, Zep, Mem0, Supermemory, Cognee 같은 시스템은 검색 과정 전반에 엄격한 정책과 데이터 구조를 부여합니다. Claude memory stores나 Letta의 컨텍스트 리포지토리와 같은 파일 네이티브 시스템은 또 다른 방식으로 시스템 상태를 투명하게 점검할 수 있게 돕습니다.

인터페이스보다 중요한 것은 영속성의 경계입니다. Perplexity Brain은 Computer 내부에서 수행된 작업을 기억하며, 자체 SaaS에 연동할 수 있는 중립적 API가 아닙니다. Claude memory stores는 Managed Agents 내부의 소형 문서를 영속화할 뿐 자동 지식 그래프를 구성하지는 않습니다. Mem0와 Supermemory는 훌륭한 애플리케이션 서비스이지만, 에이전트가 언제 쓰고, 검색하고, 삭제할지 설계하는 것은 여전히 개발자의 몫입니다. Cognee와 Graphiti는 높은 데이터 소유권을 부여하는 대신 인프라 운영 책임을 사용자에게 넘깁니다.

이 지점에서 에이전트 스킬과 메모리가 명확히 분리됩니다. 스킬은 일반적으로 작업을 수행하는 방법에 대한 지속적 지침인 반면, 메모리는 무슨 일이 일어났고, 무엇이 달라졌으며, 지금 중요한 것이 무엇인지에 대해 학습된 상태 값입니다. 이 구분은 지속성 에이전트 스킬과 학습된 컨텍스트 비교 분석을 검토할 때 매우 유용합니다. 안정적인 운영 정책은 스킬이나 시스템 프롬프트에 들어가야 마땅합니다. 고객의 가장 최근 변경 요청은 메모리에 저장되어야 합니다. 두 개념을 뒤섞으면 감사와 유지보수가 극도로 까다로워집니다.

순위 검토 전 확인해야 할 비용 계산법

메모리 솔루션들의 가격표는 청구 단위를 뜯어보기 전까지는 얼핏 비슷해 보입니다. 어떤 벤더는 유지된 입력 토큰(input tokens retained)을 기준으로 청구하고, 다른 벤더는 임베딩된 고유 토큰(unique tokens embedded)을 기준으로 하며, 또 다른 곳은 엔진이 처리한 토큰(tokens processed)이나 작은 Episode 단위를 기준으로 과금합니다. 이러한 명사를 무시한 단순 100만 토큰당 달러 비교는 실질적 오류를 낳습니다.

1,000만 토큰 규모의 데이터 수집(ingestion) 작업을 가정해 보겠습니다.

• Hindsight는 1,000만 입력 토큰 Retain 작업에 100만 토큰당 $10를 적용하여 $100를 청구합니다. 30일 유예 기간 이후에도 1,000만 토큰이 계속 저장되어 있다면 스토리지 비용으로 월 $2.50가 추가됩니다. 1,000만 출력 토큰을 Recall하는 데는 $7.50가 소요되지만, 잘 설계된 애플리케이션이라면 저장량보다 훨씬 적은 양만 검색해야 정상입니다.
• Supermemory는 메모리 그래프에 1,000만 개의 일반 고유 SM 토큰을 저장할 때 1,000개당 $0.005를 적용하여 $50를 청구합니다. 서식과 미디어가 포함된 리치 콘텐츠라면 $100가 됩니다. 여기서 핵심 수식어는 '고유(unique)'입니다. 중복 데이터나 변경되지 않은 콘텐츠는 다시 청구되지 않습니다.
• Cognee Standard는 1,000만 토큰 처리에 100만 토큰당 $2.50를 적용하여 $25를 청구합니다. 여기에 추가 워크스페이스 3개를 생성하면 $15가 더해져, 해당 볼륨과 워크스페이스 조건에서 월 $40 수준으로 시뮬레이션됩니다.

이 수치들이 Cognee가 Hindsight보다 4배 저렴하다는 것을 증명하지는 않습니다. Hindsight의 Retain 작업은 특화된 정보 추출 및 메모리 구축 프로세스를 수행하며, Supermemory는 자체 중복 제거 토큰 기준으로 과금하고, Cognee는 엔진이 처리하는 원천 토큰을 측정합니다. 서로 완전히 다른 세 가지 워크로드에 각기 다른 계량기가 물려 있는 셈입니다.

Zep은 티어 간 전환 기준이 매우 명확합니다. Flex 플랜은 $125에 50,000 크레딧을 제공하며, 10,000 크레딧 추가 시 $25가 청구됩니다. 충전을 10회 진행하면 총 비용은 $375, 제공 용량은 150,000 크레딧이 됩니다. 그런데 Flex Plus 플랜은 이미 기본 $375에 200,000 크레딧을 제공합니다. 따라서 월간 예상 크레딧이 150,000을 넘어서는 순간부터는 높은 제한 한도나 이월 혜택을 고려하지 않더라도 Flex Plus가 무조건 더 저렴한 티어가 됩니다. 160,000 크레딧을 소비할 경우 Flex는 $400가 되지만 Flex Plus는 여전히 $375입니다.

Perplexity의 비용 구조는 API 호출 기반이 아니라 사용자 시트(seat) 기반입니다. 일반 Max 플랜은 월 $200 또는 연간 결제 시 $2,000입니다. 10개 시트를 1년 동안 월별로 결제하면 $24,000이지만, 연간 결제 시 $20,000로 연간 $4,000의 차이가 발생합니다. Enterprise Max는 시트당 월 $325 또는 연간 $3,250이므로, 10개 시트 기준 연간 결제 시 연간 $6,500를 절감할 수 있습니다. 다만 연간 약정은 Brain이 이전 작업 요약과 재작업을 획기적으로 줄여준다는 사실이 실무에서 증명된 이후에 체결해야 안전합니다.

Claude 역시 또 다른 비용 변수를 제공합니다. Sonnet 5의 요금은 입력 토큰 100만 개당 $2, 출력 토큰 100만 개당 $10입니다. 입력 1,000만 토큰과 출력 100만 토큰이 발생하는 작업 믹스는 런타임 비용을 제외하고도 순수 모델 비용만 $30가 듭니다. 100,000 토큰 크기의 기획서를 100회 세션에 걸쳐 매번 새로 전송하면 캐시 효과를 제외하더라도 입력 1,000만 토큰, 즉 $20의 입력 비용이 발생합니다. 메모리 스토어가 읽기 작업을 완전히 무료로 만들어주지는 않지만, 매 세션 프롬프트마다 거대한 기획서 전체를 주입하는 대신 에이전트가 필요한 특정 파일만 정확히 선별하여 읽어오도록 유도할 수 있습니다.

따라서 실무 예산 수립 시 핵심 질문은 "어느 벤더의 시작 가격이 가장 저렴한가?"가 되어서는 안 됩니다. "이 솔루션에서 기억 단위 하나는 무엇을 의미하는가? 쓰기와 읽기가 얼마나 빈번하게 발생하며, 잘못된 기억이 생성되었을 때 수정 비용은 누가 감당하는가?"를 따져야 합니다. 쓰기 경로, 검색 경로, 유지 스토리지, 모델 추론, 교정 리소스를 분리해 비용을 계산하십시오. 그런 다음 관리형 프리미엄이나 오픈소스 스택 운영에 투입될 엔지니어 인건비를 합산해야 합니다.

평가 및 선정 기준

실질적인 지속성 메커니즘을 갖추고 있으며 명확한 구매 이유를 제시하는 9가지 시스템을 최종 선정했습니다. 선정 과정에는 6가지 엄격한 기준이 적용되었습니다.

1. 영속성 경계(Persistence boundary): 프로세스 재시작, 새로운 세션, 모델 변경, 애플리케이션 재배포 후에도 상태가 보존되는가? 해당 상태의 최종 소유권은 누구에게 있는가?
2. 검색 품질(Retrieval quality): 단순 최근접 이웃(nearest-neighbor) 검색에 그치지 않고 시맨틱, 어휘(lexical), 그래프, 시계열 신호를 종합적으로 결합할 수 있는가?
3. 교정 및 출처 추적(Correction and provenance): 특정 메모리가 저장된 원인을 확인하고, 안전하게 수정하며, 변경 버전을 추적하고, 영구 삭제할 수 있는가?
4. 테넌트 격리 및 제어(Tenancy and control): 사용자, 프로젝트, 에이전트, 조직 단위를 완벽히 격리할 수 있는가? 셀프 호스팅, BYOC, 읽기 전용 모드를 지원하는가?
5. 운영 엔지니어링 리소스(Operating work): 정보 추출, 통합, 평가, 모니터링, 데이터 보존 및 보안을 위해 엔지니어링 팀이 직접 구축해야 할 영역이 얼마나 되는가?
6. 청구 모델(Bill shape): 시트, 요청 수, 토큰, Episode, 데이터 보존 기간, 개별 작업, 순수 인프라 중 어떤 지표를 기준으로 과금하는가?

본 글에 포함된 모든 가격, 티어, 제한 한도 및 기능 명칭은 2026년 8월 28일 기준 공식 가격 안내 페이지, 기술 문서, 깃허브 리포지토리 및 제품 공지사항을 바탕으로 교차 검증되었습니다. 각 솔루션을 본 기고를 위해 개인적으로 직접 스트레스 테스트하지는 않았으므로, 제목에 '검증된(Tested)'이라는 단어를 임의로 붙이지 않았습니다. 벤더 벤치마크는 독립적인 제3자 검증 결과가 아닌 공식 발표 자료임을 명확히 밝힙니다.

탈락 기준 역시 분명했습니다. 스토리지와 유사도 검색 기능만으로는 완전한 메모리 수명주기를 관리할 수 없기에 단순 벡터 데이터베이스는 배제했습니다. 내구성 있는 메모리 레이어가 없는 범용 에이전트 프레임워크도 제외했습니다. 데이터 점검, 유효 범위 설정, 외부 연동이 불가능한 소비자용 챗봇 메모리 역시 실질적 에이전트 워크플로우를 형성하지 못하므로 제외했습니다(Perplexity Brain이 포함된 반면 일반 개인화 토글 기능이 제외된 이유입니다).

이 비교는 이론적 분류의 순수성보다 실무 의사결정의 유용성에 중점을 둡니다. Perplexity Brain이나 Letta는 Mem0의 API와 1:1로 대체 가능한 도구는 아니지만, 구매자 관점에서는 메모리 레이어를 직접 구축할지, 관리형 워크스페이스에 통합할지, 아니면 자체 런타임을 채택할지에 대한 동일한 예산 질문에 맞닿아 있습니다. 이러한 선택지를 한자리에 모아야 구축(Build) 대 구매(Buy)의 실질적 비용과 득실이 명확히 드러납니다.

1. Mem0: 프로덕트 팀을 위한 최고의 기본 메모리 API

Mem0는 시계열 지식 그래프, 파일 네이티브 런타임, 혹은 특정 벤더의 에이전트 환경에 얽매이지 않고 세션 간 메모리를 신속하게 도입하려는 프로덕트 팀을 위한 가장 안전한 표준 솔루션입니다. 고객 지원 에이전트는 고객 및 세션별로 메모리 범위를 분리하고, 답변을 내놓기 전 연관성이 높은 일부 선호 사항만 추출해 활용하며, 추후 이를 수정하거나 만료 처리할 수 있습니다. 관리형 플랫폼은 오픈소스 버전에는 없는 데이터 통합 및 시간 순위 지정 기능을 제공합니다. 다만 플랜 전환 시 가격 차이가 큽니다. $19 Starter 플랜은 용량이 비교적 작으며, 많은 프로덕션 팀이 필요로 하는 핵심 기능은 $249 Pro 플랜에 집중되어 있습니다.

Mem0의 호스팅형 에디션과 오픈소스 에디션은 핵심 연산을 공유합니다: add, search, get, list, update, delete, delete-all, history를 동일하게 지원합니다. 두 버전 모두 user_id, agent_id, run_id 범위를 통한 격리, 엔티티 인식 순위 지정, 멀티모달 입력, 만료 기한 설정, 리랭킹(reranking), 커스텀 추출 프롬프트, Python 및 JavaScript SDK, REST API를 제공합니다. 이러한 공통 코어가 존재하기 때문에 오픈소스 버전은 단순 데모 수준을 넘어 호스팅 인프라 종속에서 벗어날 수 있는 실질적인 대안이 됩니다.

호스팅형 Platform 대 OSS 기능 비교 문서는 제품 간 경계를 투명하게 설명합니다. Platform에는 app_id 기반 테넌시, 조직 및 프로젝트 관리, 프로젝트 단위 이벤트 피드, 네이티브 Graph Memory, Memory Decay(기억 감쇠), Temporal Reasoning(시간적 추론), 백그라운드 Dream 통합 기능이 추가됩니다. 웹훅, 카테고리 분류, 스키마 기반 데이터 내보내기, 피드백 루프, 자동 요약, 최대 1,000건의 일괄 업데이트 및 삭제 기능도 제공됩니다.

오픈소스 v3의 한계점 역시 구체적으로 명시되어 있습니다. OSS v3에는 쿼리 가능한 Graph Memory, Memory Decay, Temporal Reasoning, Dream, 웹훅, 프로젝트 이벤트 피드, 메모리 내보내기, 관리형 피드백, 요약, 일괄 처리 기능이 없습니다. 오픈소스로도 뛰어난 메모리 서비스를 구축할 수는 있지만, 벡터 저장소, 언어 모델, 임베딩 엔진, 운영 모니터링 및 누락된 정책 기능을 팀이 직접 개발해야 합니다. 즉, 오픈소스는 호스팅 플랜의 모든 기능을 무료로 누릴 수 있는 만능 도구가 아니라, 제어권을 확보하기 위한 선택지입니다.

최적 활용처: SaaS나 사내 애플리케이션에 사용자, 에이전트, 실행 세션 단위의 메모리를 내장하려는 프로덕트 팀.
핵심 장점: 호스팅형과 셀프 호스팅형 간에 핵심 API를 공유하며, 필요에 따라 관리형 그래프, 감쇠, 시간적 순위화, 백그라운드 통합 기능을 손쉽게 활용 가능.
가격 체계: Hobby는 월 10,000건의 추가, 1,000건의 검색, 1개 프로젝트를 지원하는 무료 플랜입니다. Starter는 월 $19에 50,000건 추가, 5,000건 검색, 1개 프로젝트를 제공합니다. Pro는 월 $249에 500,000건 추가, 50,000건 검색, 무제한 프로젝트, Graph Memory, Dream, 분석 도구, 전용 Slack 채널을 제공합니다. Enterprise는 무제한 요청 및 프로젝트, SLA, 온프레미스 배포, 감사 로그, SSO, 맞춤형 통합을 포함하는 견적 기반 플랜입니다. 가격은 2026년 8월 28일 Mem0 가격 페이지에서 확인되었습니다.
무료 체험: 호스팅 Hobby 티어는 신용카드 등록 없이 무료로 이용 가능하며, 오픈소스 에디션은 누구나 자유롭게 자체 호스팅할 수 있습니다.

Mem0 실무 적용 권장 패턴

가장 안전한 첫 구현은 "모든 것을 저장하겠다"는 생각에서 벗어나는 것입니다. 검증된 선호도 데이터 한 가지만 선별하고, 원본 텍스트와 타임스탬프를 함께 보관하며, 검색 도입이 실제 워크플로우를 개선하는지 정량적으로 측정하십시오.

1. 1

   명확한 메모리 규약 정의

   승인된 고객 선호도, 확정된 계정 정책, 합의된 코딩 컨벤션 등 단일 유형의 객체부터 시작하십시오. 저장 가능한 데이터, 소유자, 만료 조건, 메모리에 절대 들어가서는 안 되는 항목을 먼저 문서화합니다.

2. 2

   모든 쓰기 작업의 유효 범위 지정

   메모리를 추가하기 전에 올바른 사용자, 에이전트, 실행 식별자를 반드시 부여하십시오. 호스팅 환경의 app_id는 멀티테넌트 경계가 진정으로 요구될 때만 사용합니다. 식별자 누락은 나중에 청소할 부채가 아니라 즉각적인 데이터 격리 결함입니다.

3. 3

   비용이 큰 단계 직전에 검색 수행

   메모리 참조가 필요한 판단 직전에 검색을 실행하고, 모델에는 가장 관련성이 높은 소량의 결과만 전달하십시오. 매 프롬프트마다 전체 메모리 목록을 통째로 주입해서는 안 됩니다.

4. 4

   교정 및 만료 수명주기 설계

   호스트 애플리케이션에 잘못된 정보를 즉각 업데이트, 삭제, 만료 처리할 수 있는 명시적인 경로를 마련하십시오. Platform에서는 피드백과 이벤트 피드를 통해 검색 품질을 점검하고, OSS 환경에서는 주변 백엔드 서비스에 자체 텔레메트리를 구축하십시오.

5. 5

   명확한 정량적 근거에 기반한 플랜 업그레이드

   요청 한도 도달, 프로젝트 격리 필요성, 관리형 그래프 및 통합 기능에 대한 측정 가능한 제약이 발생하기 전까지는 Hobby 또는 Starter에 머무르십시오. 단지 프로덕션 단계에 진입했다는 이유만으로 Pro로 전환하지 말고, $230의 추가 지출을 상쇄할 워크로드가 확인되었을 때 전환하십시오.

최종 판정: Mem0는 가장 안전하고 폭넓게 채택할 수 있는 기본 선택지이지만, 뛰어난 관리형 기능들을 도입하는 순간 월 $19짜리 실험은 월 $249짜리 플랫폼 도입 결정으로 바뀝니다. 소수의 안정적인 사용자 선호도만 관리한다면 Starter나 오픈소스로도 충분합니다. 유효 기간 관리, 백그라운드 통합, 프로젝트 단위 제어, 그래프 기반 순위화가 필수적이라면 결제 전 Hindsight나 Zep과 Pro 플랜을 면밀히 비교 검토하십시오.

2. Perplexity Brain: 무구축 작업 메모리의 정점

Perplexity Brain은 핵심 업무가 이미 Perplexity Computer 내부에서 이뤄지고 있으며, 별도의 엔지니어링 리소스 투입 없이 지속적인 업무 컨텍스트를 확보하고자 하는 비즈니스에 최적의 솔루션입니다. 전략 기획 담당자는 몇 주 뒤에 고객 프로젝트를 다시 열더라도 Computer가 이전 의사결정 내역, 파일, 관련 인물, 수정 사항 및 미해결 과제를 스스로 복구하도록 만들 수 있습니다. Brain은 백그라운드에서 이 실무 모델을 주기적으로 갱신하고 모든 항목을 원본 출처에 연결합니다. 다만 이식성의 한계가 명확합니다. 이 기능은 유료 Max 플랜에 포함된 Research Preview 기능이며, 자체 에이전트 제품에 연동할 수 있는 범용 메모리 API가 아닙니다.

Brain은 Computer를 위한 자가 개선형 메모리 시스템으로 2026년 6월 18일에 공개되었습니다. 공식 발표에 따르면, 이 시스템은 Computer가 수행한 작업으로부터 컨텍스트 그래프를 구성하고 심야 시간대와 같은 특정 주기마다 LLM 위키를 자동으로 갱신합니다. 소스 데이터에는 세션 이력, 커넥터 연동 결과, 산출물, 문서 변경점, 사용자의 교정 사항이 포함됩니다. 챗봇의 단순한 선호도 저장 기능이라기보다는 지식 작업을 위한 전문 운영 메모리에 훨씬 가깝습니다.

Brain 공식 기술 문서는 실무에서 필수적인 신뢰 제어 장치들을 제시합니다. 모든 메모리 항목은 원본 출처와 하이퍼링크로 연결됩니다. 개념(Concepts), 엔티티(Entities), 업무 스트림(Workstreams)은 시각적 위키와 지식 그래프 형태로 자유롭게 탐색할 수 있습니다. 사용자는 언제든 항목을 직접 편집하거나 삭제할 수 있으며, 이 교정 사항은 다음 백그라운드 작업에 즉시 반영됩니다. Brain은 유효한 사실을 강화하고, 바뀐 내용을 업데이트하며, 오래된 정보에는 비활성 표시를 남겨 모든 과거 데이터를 맹목적으로 신뢰하지 않도록 방지합니다.

프라이버시는 모호한 약속이 아닌 엄격한 제품 경계로 관리됩니다. Brain은 해당 구독자 본인의 활동 내역에서만 학습하며, 시크릿 모드(incognito) 세션은 철저히 배제합니다. 별도의 활성화 토글을 제공하며, Enterprise 관리자는 팀원에 대해 기능을 강제로 비활성화할 수 있습니다. Perplexity는 자격 증명이나 민감한 정보가 메모리에 유입되지 않도록 AI 기반 필터링을 적용하고 있으며, Enterprise 데이터는 모델 학습에 활용되지 않는다고 명시합니다. 다만 필터링이 위험을 낮춰줄 수는 있어도 소스 문서에서 기밀을 사전에 배제하는 작업을 완전히 대체할 수는 없습니다.

주목할 만한 벤치마크 결과는 출처를 명확히 이해해야 합니다. Perplexity는 Computer가 과거에 접해본 작업에서 이전 컨텍스트가 요구되었을 때 답변 정확도가 25% 상승하고, 재현율은 16% 증가했으며, 비용은 13% 절감되었다고 발표했습니다. 구체적인 테스트 설계나 원시 평가 데이터셋이 외부에 공개된 것은 아니므로, 이 수치는 Brain이 상용 API 기반 메모리 솔루션을 압도한다는 보편적 증거라기보다는 매우 유망한 제품 성능 지표로 해석해야 합니다.

최적 활용처: Perplexity Computer 환경에서 반복적인 지식 분석 및 리서치 업무를 수행하는 임원, 분석가, 프로젝트 매니저.
핵심 장점: 세션, 파일, 커넥터, 산출물, 의사결정, 사용자 교정 사항을 원본 출처와 완벽히 연결하는 백그라운드 작업 메모리.
가격 체계: Brain은 Consumer Max(월 $200 또는 연간 $2,000) 및 Enterprise Max(시트당 월 $325 또는 연간 $3,250) 플랜에서 Research Preview로 제공됩니다. Enterprise Pro(시트당 월 $40 또는 연간 $400)는 Brain을 지원하지 않습니다. Consumer Max에는 매월 10,000 Computer 크레딧이 포함되며, Enterprise Max에는 15,000 크레딧이 제공됩니다. 미사용 크레딧은 다음 달로 이월되지 않습니다. 가격은 2026년 8월 28일 Perplexity 플랜 안내, Enterprise 가격, 크레딧 정책 가이드에서 검증되었습니다.
무료 체험: Enterprise Pro 및 Enterprise Max 플랜은 무료 체험을 제공하지 않으며, Brain을 이용하려면 지원 대상 유료 Max 구독이 필수적입니다.

프로젝트 소유권 구조는 별도의 예산 관리 포인트입니다. Perplexity는 다른 사용자들이 협업에 참여하더라도 프로젝트 단위 Brain 실행 비용을 프로젝트 생성자에게 청구합니다. 팀 공동 리서치 워크플로우를 운영할 때는 공식 소유자를 지정하고, 백그라운드 실행을 자동 또는 수동으로 둘지 결정하며, 참여자를 늘리기 전에 크레딧 소모율을 면밀히 검토해야 합니다.

연간 결제 할인은 실제 도입 성과가 검증되었을 때 비로소 의미가 있습니다. Consumer Max 10개 시트를 연간 결제하면 월별 결제 대비 연간 $4,000가 절감됩니다. Enterprise Max 10개 시트라면 연간 $6,500를 아낄 수 있습니다. 1년 약정을 체결하기 전 30일간의 파일럿을 통해 실무진이 과거 작업을 실제로 원활히 이어가는지, 수정 작업이 줄었는지, 컨텍스트 재전송 크레딧이 유의미하게 절감되는지 확인하십시오.

최종 판정: Perplexity Brain은 휘발되는 AI 작업 환경을 출처가 보장된 운영 메모리로 탈바꿈시키는 가장 빠른 지름길이지만, 지불하는 비용은 독립적인 메모리 레이어가 아닌 완성된 워크스페이스 구매 비용입니다. 업무의 최종 목적지가 Computer라면 이 솔루션을 선택하십시오. 자체 애플리케이션, 데이터 인프라, 독자적인 모델 라우팅 체계가 메모리를 통제해야 한다면 넘어가시기 바랍니다.

3. Hindsight: 깊이 있는 시계열 재현 및 반추(Reflection)의 최강자

Hindsight는 단순한 유사 메모 검색을 넘어선 수준 높은 추론이 요구될 때 가장 뛰어난 솔루션입니다. 리서치 에이전트는 시점이 명시된 조사 결과를 저장하고, 인물과 조직을 연결하며, 관찰 결과를 종합하고, 이후 두 시점 사이에 어떤 변화가 있었는지 논리적으로 추론할 수 있습니다. TEMPR 검색 아키텍처는 단순 임베딩에 의존하지 않고 4가지 신호를 결합합니다. 다만 과금 체계가 복잡하며, 단순 선호도 저장 용도로 쓰기에는 메모리 모델이 다소 무겁습니다.

Hindsight는 메모리 라이프사이클을 세 가지 핵심 작업으로 구분합니다. Retain은 팩트, 엔티티, 시간 데이터를 추출하여 메모리 뱅크에 적재합니다. Recall은 병렬 검색 전략을 동원해 연관 메모리를 찾아냅니다. Reflect는 메모리 뱅크의 고유 임무, 지침, 성향 규칙에 따라 에이전트가 저장된 데이터들을 바탕으로 상위 레벨 추론을 수행하게 만듭니다. 이 구분은 유용한데, 저장, 검색, 고차원 추론이 요구하는 지연 시간과 비용 구조가 완전히 다르기 때문입니다.

데이터 계층 구조 또한 명확합니다. 최하단에는 원시 팩트와 경험 팩트가 위치합니다. 그 위에서 관찰(Observations) 레이어가 증거 기반으로 패턴을 통합합니다. 최상위 멘탈 모델(Mental Models)은 자주 묻는 질문에 대응할 수 있도록 정제된 요약을 제공합니다. Hindsight는 질의가 들어오면 멘탈 모델, 관찰, 원시 팩트 순으로 순차 점검하므로, 데이터가 축적될수록 매 호출마다 밑바닥부터 팩트를 재조합하지 않고도 반복 질의에 빠르게 응답할 수 있습니다.

TEMPR는 Hindsight가 병렬로 가동하는 4가지 검색 경로를 뜻합니다: 시맨틱 유사도(semantic similarity), BM25 키워드 검색, 지식 그래프 연결망(graph connections), 그리고 시간적 추론(temporal reasoning)입니다. 정확한 고유 식별자는 키워드 검색으로 찾고, 연관된 인물이나 프로젝트는 지식 그래프 탐색으로 묶으며, "지난달과 비교해 무엇이 바뀌었는가?" 같은 질문은 시계열 인식 검색으로 해결합니다. 이러한 다각적 결합 방식이 얇은 벡터 DB 래퍼 도구들과 Hindsight를 근본적으로 차별화하는 지점입니다.

벤더가 공개한 벤치마크 결과는 인상적이지만 객관적 시각을 유지해야 합니다. Hindsight가 발표한 BEAM 벤치마크 결과에 따르면, 1,000만 토큰 티어에서 Hindsight는 64.1%의 점수를 기록하며 차순위 모델(40.6%)을 크게 앞섰고, 100만 토큰에서는 73.9%, 500,000 토큰에서는 71.1%를 달성했습니다. Hindsight는 1,000만 토큰 구간에서의 우위를 58% 격차로 표현합니다. 리더보드가 공개되어 있기는 하나, 본 글에서 해당 테스트를 직접 재현하지는 않았으므로 자체 워크로드에 기반한 사전 검증이 반드시 필요합니다.

최적 활용처: 리서치, 고객 계정 인텔리전스, 개인 비서 에이전트 등 시간의 흐름, 상호 모순 검증, 고차원 추론이 결정적인 워크플로우.
핵심 장점: TEMPR 검색 엔진과 더불어 원시 팩트를 근거 중심 관찰 및 재사용 가능한 멘탈 모델로 승격시키는 계층적 아키텍처.
가격 체계: Hindsight 라이선스 비용 없이 오픈소스 셀프 호스팅이 가능합니다. Hindsight Cloud 종량제(Pay-As-You-Go) 요금은 입력 토큰 100만 개당 Retain $10, 출력 토큰 100만 개당 Recall $0.75, Reflect 호출당 $0.05, 출력 100만 개당 Retrieve Model $0.25, Refresh Model 호출당 $0.05, 출력 100만 개당 Iris 파일 변환 $7.50, 그리고 30일을 초과해 보관된 스토리지에 대해 100만 토큰당 월 $0.25가 부과됩니다. 충전 크레딧 패키지는 $10, $25, $50, $100 단위이며, $5부터 $1,000까지 맞춤 충전이 가능합니다(1크레딧=$1). Enterprise는 커스텀 볼륨 할인이 적용된 인보이스 결제를 지원합니다. 요율은 2026년 8월 28일 Hindsight 결제 가이드 페이지에서 검증되었습니다.
무료 체험: 오픈소스 자체 호스팅은 무료로 제공됩니다. 확인된 클라우드 결제 페이지는 기간제 무료 체험 대신 사용한 만큼 지불하는 종량제 방식을 채택하고 있습니다.

2026년 7월 6일에 단행된 가격 개편으로 인해 과거 자료에 기반한 비교는 유효하지 않습니다. Retain 비용은 100만 입력 토큰당 $15에서 $10로 인하되었습니다. Reflect 및 Refresh Model 과금은 토큰당 청구에서 호출당 $0.05로 단순화되었습니다. 아울러 30일 경과 데이터에 대해 100만 토큰당 월 $0.25의 스토리지 과금이 새롭게 신설되었습니다. 따라서 봄 시즌 기준 자료를 인용하면 기능 설명이 맞더라도 비용 산출이 완전히 틀어지게 됩니다.

1,000만 토큰 분량의 이력 코퍼스를 가정할 때, 초기 1회 Retain 비용은 $100이며 유예 기간이 지나면 장기 스토리지 비용으로 매달 $2.50가 발생합니다. Reflect 호출을 100회 실행하면 $5가 추가됩니다. 즉, 초기 데이터 수집에 비해 통합 및 추론 비용은 저렴한 편이지만, 동일한 데이터를 계속 반복 수집하면 비용이 가파르게 치솟습니다. 메모리 엔진이 지저분한 피드를 직접 정제하게 두지 말고, Retain을 호출하기 전에 소스 데이터를 철저히 중복 제거하고 버전 관리해야 합니다.

최종 판정: Hindsight는 시간에 따른 변화와 지식의 종합 추론이 답변을 좌우할 때 그 복잡성을 상쇄하고도 남지만, 사용자의 이름과 말투 정도만 기억하면 되는 챗봇에는 과도한 오버엔지니어링입니다. 4가지 검색 모드가 화려해 보인다는 이유로 도입하지 마십시오. 시계열 검색과 반추 기능이 에이전트의 의사결정 품질을 유의미하게 개선한다는 사실이 사전 평가 데이터셋으로 확인되었을 때 도입하십시오.

4. Zep and Graphiti: 거버넌스 기반 시계열 지식 그래프

Zep은 엔터프라이즈급 거버넌스를 갖춘 시계열 지식 그래프를 필요로 하는 팀을 위한 관리형 솔루션이며, Graphiti는 인프라를 직접 조립할 역량이 있는 엔지니어를 위한 오픈소스 엔진입니다. 고객 성공 에이전트는 고객사의 계정 변경 내역을 일자가 기록된 팩트로 영구 보존하고, 효력이 상실된 정보는 무효화하며, 과거 이력을 유실하지 않으면서 연관 컨텍스트를 검색할 수 있습니다. Zep은 이 지식 그래프 위에 사용자, 스레드, 로그, 접근 제어, 데이터 보존 정책, 관리형 확장성을 결합합니다. 다만 데이터 수집 시의 크레딧 과금 방식과 유료 관리형 첫 티어가 $125부터 시작한다는 점이 진입 장벽입니다.

Zep 대 Graphiti 공식 비교 문서는 두 솔루션의 경계를 분명히 긋습니다. Graphiti는 대상별로 단일 Context Graph를 구축하며 Neo4j, FalkorDB, Amazon Neptune을 백엔드로 실행할 수 있습니다. 데이터를 바이템포럴(bi-temporal, 발생 시간 및 등록 시간) 방식으로 모델링하고, 새로운 사실이 들어오면 과거 사실을 논리적으로 무효화하며, 벡터, 전문 텍스트, 그래프 검색을 결합합니다. 매우 견고한 코어이지만 배포, 테넌트 관리, 모니터링, 보안 및 성능 튜닝은 전적으로 사용자 책임입니다.

Zep은 관리형 Context Lake 내부에서 Graphiti를 구동하며, 자체 추출 엔진, 관찰 레이어, 순위화, 임베딩, 사용자 및 스레드 저장소, 시각화 대시보드, 디버그 및 API 로그 기능을 추가로 제공합니다. 거버넌스 측면에서는 팀 접근을 위한 RBAC, 에이전트 접근을 위한 ABAC, 감사 추적, 데이터 보존 정책, 테넌트 완전 격리, 고객 키 암호화를 지원합니다. Enterprise 환경에서는 멀티 테넌트 클라우드, BYOK, 또는 자체 VPC 내 BYOC 배포가 가능합니다. Zep은 대규모 환경에서 200ms 미만의 지능형 검색 지연 시간을 주장하므로, 자체 데이터 그래프 구조와 리전 환경에서 직접 재현되는지 확인해 보아야 합니다.

Zep의 기본 과금 단위는 채팅 메시지, JSON 페이로드, 텍스트 블록 형태의 'Episode'입니다. 최대 350바이트 크기의 Episode 1건당 1크레딧이 소모되며, 350바이트를 초과할 때마다 추가로 1크레딧이 부과됩니다. 웹훅 호출은 1건당 0.125(8분의 1) 크레딧이 소모됩니다. 검색, 스토리지, 스레드, 사용자, 그래프 저장 자체에는 크레딧이 일절 부과되지 않습니다. 즉, 변동 비용이 읽기 작업이 아닌 수집 및 처리 단계에 집중되어 있습니다.

최적 활용처: 수시로 변하는 팩트, 엔티티 간 관계 인식 검색, 엄격한 엔터프라이즈 거버넌스가 필수적인 성장기 및 엔터프라이즈 에이전트.
핵심 장점: 오픈소스에서 관리형으로 이어지는 매끄러운 경로와 거버넌스 제어 기능을 갖춘 시계열 지식 그래프 코어.
가격 체계: Free는 월 10,000 크레딧, 2개 프로젝트, Memory MCP Server 시트 1개, 5개의 커스텀 엔티티 및 엣지 타입을 제공하며 이월이나 자동 충전은 지원하지 않습니다. Flex는 월 $125에 50,000 크레딧, 10,000 크레딧 추가당 $25, 30일 이월, 5개 프로젝트를 제공합니다. Flex Plus는 월 $375에 200,000 크레딧, 40,000 크레딧 추가당 $75, 60일 이월, 10개 프로젝트를 제공합니다. Enterprise는 맞춤형 크레딧 및 요율 협의, 보장된 SLA, 무제한 프로젝트, 1년 로그 보관, 클라우드/BYOK/BYOC 배포를 지원합니다. 가격은 2026년 8월 28일 Zep 가격 페이지에서 확인되었습니다.
무료 체험: Free 티어는 매월 10,000 크레딧을 제공하지만, 가변적인 속도 제한이 적용되고 처리 우선순위가 낮으며 미사용 크레딧 이월이 지원되지 않습니다.

가장 현실적인 견적 산출은 대화 건수가 아니라 전송 바이트 수에서 출발해야 합니다. Zep의 공식 계산기 예시는 평균 700바이트 크기의 Episode 15,000건(30,000 크레딧)과 웹훅 호출 20,000건(2,500 크레딧)을 기준으로 제시합니다. 총 32,500 크레딧이 소모되므로 기본 Flex 범위 내에 깔끔하게 들어옵니다. 만약 애플리케이션이 간결한 이벤트 대신 장황한 전체 대화 메시지를 그대로 전송한다면, 메모리 품질은 전혀 나아지지 않으면서 수집 크레딧만 2~3배로 낭비될 수 있습니다.

예상 크레딧이 150,000건을 넘어서는 순간 명확한 플랜 전환 분기점이 나타납니다. Flex 플랜에 추가 충전을 10회 진행하면 총비용은 $375로 Flex Plus와 같아지지만, 제공되는 크레딧은 150,000개에 그칩니다. 반면 160,000 크레딧을 소비할 경우 Flex는 $400가 청구되지만, Flex Plus는 $375에 40,000 크레딧의 추가 여유분까지 확보됩니다. 이는 모호한 감에 의존하지 않고 구매 부서가 명확한 지표로 통제할 수 있는 구체적인 예산 임계점입니다.

최종 판정: Graphiti는 시계열 지식 그래프를 온전히 통제하고자 하는 개발자를 위한 솔루션이고, Zep은 엔터프라이즈 환경에서 지식 그래프를 안전하게 관리·통제하고자 하는 기업을 위한 선택지입니다. 관리해야 할 메모리가 몇 가지 고립된 선호도나 짧은 텍스트 조각에 불과하다면 복잡한 그래프와 월 $125의 기본요금은 불필요한 지출입니다. 답변의 신뢰도가 시간에 따라 변화하는 관계망에 달려 있고 감사자에게 명확한 데이터 격리 경계를 증명해야 한다면, Zep이 요구하는 프리미엄은 충분한 비즈니스 가치를 발휘합니다.

5. Supermemory: 멀티모달 컨텍스트와 외부 커넥터 통합의 강자

Supermemory는 에이전트가 대화 기록, 비정형 문서, 사용자 프로필, 기업 SaaS 커넥터를 아우르는 단일 컨텍스트 레이어를 필요로 할 때 가장 적합한 도구입니다. 개인 비서 에이전트는 대화 내용을 수집하고, 이를 사내 규정 문서와 연결하며, 추후 관련 텍스트 문단과 점진적으로 진화하는 사용자 프로필을 동시에 복원해낼 수 있습니다. 중복 제거 알고리즘 덕분에 고유 SM 토큰 단위 과금 체계 하에서 변경되지 않은 콘텐츠는 다시 청구되지 않습니다. 다만 신속한 메모리 반영 옵션, 다양한 커넥터, 팀 권한 관리, 배포 제어 옵션들이 여러 플랜과 복잡한 작업 요금 항목에 걸쳐 분산되어 있다는 점을 염두에 두어야 합니다.

Supermemory 퀵스타트 문서는 단일 containerTag를 기반으로 세 가지 형태의 검색 결과물을 제공합니다. Document search는 RAG를 위한 원본 문서 청크를 반환합니다. Memory search는 추출된 팩트와 연관 엣지(edge) 그래프를 횡단합니다. Profile 기능은 방대한 코퍼스 전체를 검색할 필요 없이 즉시 프롬프트에 주입할 수 있는 안정적이고 최근 갱신된 요약본을 제공합니다. 이러한 분리 덕분에 애플리케이션은 매 세션마다 천편일률적인 검색을 강제하지 않고, 문서 증거, 개인적 기억, 또는 압축된 프로필 중 필요한 데이터만 선별하여 요청할 수 있습니다.

데이터 수집은 기본적으로 비동기로 작동합니다. 기본 dynamic dreaming 모드는 연관된 문서들을 묶어 배치 처리함으로써 추출된 메모리가 일관된 맥락 안에서 형성되도록 돕습니다. dreaming 모드를 instant로 변경하면 색인이 완료되는 즉시 문서를 처리하지만, 문서 1건당 추가 연산 비용 1회가 발생합니다. Instant 모드는 초기 설정, 디버깅, 혹은 메모리가 즉시 반영되어야 하는 특수 워크플로우에는 유용하지만, 프로덕션 환경의 모든 사소한 쓰기 작업에 켜둘 경우 피할 수 있었던 작업 요금이 급증하게 됩니다.

테넌트 설계는 안정적인 태그와 API 키 관리에서 시작됩니다. 쓰기와 읽기 전반에 걸쳐 동일한 containerTag가 해당 사용자나 계정을 추적해야 합니다. Supermemory의 유효 범위 지정 API 키(scoped API keys) 기능을 사용하면 특정 키의 권한을 단일 컨테이너로 제한하여 결제 정보, 계정 설정, 키 생성 권한에 접근하지 못하도록 원천 차단할 수 있습니다. 이는 위임된 워커 에이전트를 운영할 때 유용하지만, 키의 안전한 발급, 로테이션, 폐기, 매핑 책임은 호스트 시스템에 남습니다.

과금 정의는 주기적으로 동기화되는 콘텐츠에 유리하게 설계되어 있습니다. SM 토큰은 Supermemory가 실제로 수집하고 임베딩하는 '고유(unique) 토큰'을 의미합니다. 동일한 문서를 재업로드하거나 수정되지 않은 데이터를 다시 동기화하더라도 해당 토큰은 중복 청구되지 않습니다. 일반 메모리 그래프 수집 요금은 1,000 SM 토큰당 $0.005이며, 리치 콘텐츠는 $0.010입니다. SuperRAG는 일반 텍스트 1,000 토큰당 $0.001, 리치 콘텐츠는 $0.002입니다. 검색 및 그래프 쿼리는 1,000회당 $0.005이며, 메모리 기본 연산은 1,000회당 $0.10가 청구됩니다.

최적 활용처: 대화 메모리, 파일, 리치 미디어, 사용자 프로필, SaaS 커넥터를 긴밀히 결합해야 하는 에이전트.
핵심 장점: 단일 테넌트 스코프 위에서 3가지 검색 인터페이스를 제공하며, 고유 토큰 중복 제거와 폭넓은 외부 커넥터를 지원.
가격 체계: Free는 약 $5 상당의 사용량이 포함된 $0/월 플랜입니다. Pro는 월 $19에 약 $20 사용량, 무제한 스토리지 및 사용자, 2명의 팀원, Google Drive, Notion, OneDrive 커넥터를 지원합니다. Max는 월 $100에 약 $130 사용량과 Gmail, Granola 연동을 추가합니다. Scale은 월 $399에 약 $600 사용량, 최대 10명의 팀원, GitHub, S3, Web Crawler를 포함한 모든 커넥터, 지출 한도 설정, SOC 2, HIPAA BAA, 자체 호스팅을 제공합니다. Enterprise는 비공개 맞춤 가격으로 에어갭(air-gapped) 격리 배포를 지원합니다. 사용 요율은 상기 기재된 바와 같습니다. 가격은 2026년 8월 28일 Supermemory 가격 페이지에서 확인되었습니다.
무료 체험: Free 플랜은 신용카드 없이 월 $5 상당의 사용량을 제공하며, 자격을 갖춘 스타트업 및 연구자는 Scale 플랜 3개월 무료 이용을 신청할 수 있습니다.

현행 요율 기준으로 1,000만 개의 일반 SM 토큰을 메모리 그래프에 적재하는 데 드는 비용은 $50이며, 리치 콘텐츠는 $100입니다. 모델 추론 비용과 비교하면 매우 저렴해 보이지만, 미세한 레코드를 Instant dreaming 모드로 지속 전송하면 작업 연산 요금이 전체 청구액을 역전할 수 있습니다. 토큰 볼륨과 문서 건수를 반드시 별도로 분리해 측정하십시오. 10개 파일로 구성된 100만 토큰과 10,000개 개별 이벤트로 쪼개져 들어오는 100만 토큰은 시스템에 가하는 부하와 비용 구조가 완전히 다릅니다.

월간 구독 크레딧은 매달 초기화됩니다. 별도로 구매한 추가 충전 크레딧은 만료되지 않습니다. Free 플랜은 잔액 소진 시 처리를 중단하지만 유료 플랜은 자동 충전을 지원하므로, Scale 티어의 엄격한 지출 상한(spend caps)을 적극 활용해야 합니다. 따라서 프로덕션 환경의 이상적인 아키텍처는 업데이트되는 콘텐츠에 안정적인 customId를 부여하고, 일반 데이터 피드에는 기본 dynamic dreaming을 사용하며, 지연 시간에 민감한 쓰기에만 instant 모드를 제한적으로 적용하고, 자동 충전 전 지출 상한을 설정하는 것입니다.

최종 판정: Supermemory는 가장 단순한 메모리 API가 아니라, 광범위한 멀티모달 컨텍스트를 흡수하기 위한 최적의 수집 허브입니다. 서식 문서, 외부 SaaS 커넥터, 진화하는 프로필, 중복 없는 동기화가 에이전트의 핵심 요구사항일 때 선택하십시오. 저장할 메모리가 적고 단순 텍스트 위주라면, 더 간결한 API나 이미 보유 중인 데이터베이스를 활용하는 편이 훨씬 경제적입니다.

6. Cognee: BYOC 환경을 위한 최고의 오픈 지식 엔진

Cognee는 지식을 그래프, 벡터, 관계형 스토리지 전반에 걸쳐 유기적으로 구조화하고자 하는 엔지니어링 팀에 가장 뛰어난 오픈 지식 엔진 솔루션입니다. 과학 리서치나 사내 분석 에이전트는 문서를 파싱하고 온톨로지를 추출하며, 오래된 관계망을 정제하고, 출처 추적성을 유지한 채 그래프 또는 어휘 모드로 정보를 검색할 수 있습니다. 파일 기반 임베디드 스토리지를 기본 지원하므로 로컬 환경에서 프로토타입을 매우 가볍게 구동할 수 있습니다. 반면 아키텍처가 포괄하는 영역이 방대하여, 단순 선호도 메모리 서비스에 비해 설계하고 결정해야 할 스키마, 모델, 데이터베이스, 검색 평가 요소가 훨씬 많습니다.

Cognee의 메모리 파이프라인은 4단계로 구성됩니다. add는 원천 소스를 수집합니다. cognify는 문서를 분류하고, 권한을 확인하며, 청크를 추출하고, 언어 모델을 통해 엔티티와 관계를 뽑아내며, 요약을 생성하고, 콘텐츠를 임베딩하여 그래프 엣지로 커밋하는 6단계 작업을 수행합니다. memify는 오래된 노드를 정리하고, 빈번한 연결을 강화하며, 엣지 가중치를 재조정하고, 유도된 새로운 팩트를 추가합니다. 마지막으로 search가 이 완성된 지식 구조를 가로질러 데이터를 검색합니다.

스토리지 계층을 보면 왜 이 도구가 '엔진'으로 불리는지 알 수 있습니다. Cognee는 지식 그래프, 벡터 데이터베이스, 관계형 DB를 유기적으로 결합합니다. 기본 파일 기반 스토리지로 Kuzu, LanceDB, SQLite를 내장하고 있어 로컬 프로토타입 단계에서는 복잡한 백엔드 클러스터를 띄울 필요가 없습니다. 엔터프라이즈 규모로 확장할 경우 공식 문서에 기재된 Neo4j, FalkorDB, Neptune, Qdrant, pgvector, Redis, DuckDB, Pinecone, ChromaDB, PostgreSQL과 연동할 수 있습니다.

검색 기능은 그래프 완성, 원시 청크, 어휘 기반 청크, 요약, 시계열 검색, Cypher 쿼리, 코드 규칙 기반 검색, 자동 분류 선택기 등을 포함한 14가지 검색 모드를 제공합니다. 이러한 다양성은 단일 지식 코퍼스를 대상으로 다양한 유형의 질문을 던져야 할 때 매우 강력합니다. 하지만 동시에 엔지니어링 팀에 지속적인 벤치마크 평가 부담을 안깁니다. 자동 모드가 항상 최선의 결과를 낸다고 맹신하지 말고, 질문 유형별로 어떤 경로가 가장 정확한 답변을 도출하는지 직접 검증해야 합니다.

멀티테넌시는 pgvector, Neo4j, Kuzu, LanceDB에 걸쳐 지원됩니다. 메모리 격리 실패는 흔히 에이전트 프롬프트 아래의 스토리지 계층에서 발생하므로 이는 매우 중요한 기능입니다. 프롬프트에 아무리 완벽한 사용자 ID를 지정하더라도, 기저의 검색 쿼리가 범위 지정 없는 공용 그래프를 조회한다면 데이터 유출을 막을 수 없습니다. 선택한 모든 백엔드에서 쓰기, 읽기, 삭제, 유도된 팩트 전반에 걸쳐 테넌트 격리가 온전히 작동하는지 철저히 테스트해야 합니다.

최적 활용처: 도메인 특화 지식 엔진을 구축하거나, 자체 클라우드(BYOC) 배포를 고수하며, 온톨로지와 지속성 에이전트 메모리를 결합하려는 엔지니어링 팀.
핵심 장점: 그래프, 벡터, 관계형 스토리지를 유기적으로 아우르는 명확한 add, cognify, memify, search 라이프사이클.
가격 체계: Free는 월 100만 토큰, 1개 워크스페이스, 무제한 사용자 및 API 접근을 카드 등록 없이 제공하는 $0/월 플랜입니다. Standard는 처리된 100만 토큰당 $2.50이며 워크스페이스 추가당 월 $5가 부과되고, Slack, Notion, Linear, Google Drive 커넥터를 지원합니다. Enterprise 가격은 비공개이며, 고객 클라우드 환경에 직접 배포되는 BYOC 계약(스타트업, 6개월, 12개월, 24개월 단위)으로 전담 지원 및 SLA를 제공합니다. 오픈소스 버전은 Cognee 라이선스 비용 없이 자체 호스팅할 수 있습니다. 가격은 2026년 8월 28일 Cognee 가격 페이지에서 검증되었습니다.
무료 체험: Free는 카드 등록 없이 영구 제공되는 호스팅 티어이며, 오픈소스 엔진은 로컬 환경에 즉시 설치하여 제한 없이 구동할 수 있습니다.

적정 토큰 볼륨 하에서 클라우드 비용은 꽤 매력적입니다. Standard 플랜에서 1,000만 처리 토큰 비용은 $25에 불과합니다. 여기에 추가 워크스페이스 3개가 필요하다면 $15가 더해져 총비용은 $40 수준으로 계산됩니다. 물론 이 계산에는 외부 LLM 모델 API 비용, 엔지니어링 리소스, 자체 백엔드 인프라 운영 비용이 포함되어 있지 않습니다. Cognee의 저렴한 토큰 요율을 전체 시스템 소유 비용(TCO)으로 착각해서는 안 됩니다.

도입을 결정짓는 가장 명확한 신호는 온톨로지 형태의 데이터 구조가 필요한지 여부입니다. 에이전트가 "어떤 공급업체의 문제가 어떤 제품에 영향을 미치며, 그로 인해 변경된 계약 조건은 무엇인가?"와 같은 복잡한 다단계(multi-hop) 질문을 지속적으로 해결해야 한다면, Cognee의 구조는 아키텍처의 복잡성을 충분히 정당화합니다. 반면 필요한 메모리가 사용자 ID로 즉시 조회되는 짤막한 선호 사항뿐이라면, Mem0나 단순 인하우스 스토리지를 선택하는 편이 훨씬 빠르게 비즈니스 가치를 창출합니다.

최종 판정: Cognee는 단순 대화 기록 저장을 넘어, 지식을 직접 체계화하고 모델링하려는 팀을 위한 전문 메모리 엔진입니다. 지식 그래프와 프라이빗 배포 경계가 확고한 시스템 요구사항일 때 선택하십시오. $19짜리 SaaS 비용을 아끼겠다는 명분으로 오픈소스를 도입하려 하지만 정작 완성된 기술 스택을 책임지고 운영할 전담 엔지니어가 없는 상황이라면 절대 선택해서는 안 됩니다.

7. Claude Managed Agents Memory Stores: 감사 가능한 파일 네이티브 메모리

Claude Managed Agents memory stores는 에이전트가 이미 Anthropic의 관리형 런타임에서 동작하고 있으며, 영속화되어야 할 상태 데이터가 작고 읽기 쉬우며 버전 관리가 가능한 파일 형태로 관리되어야 할 때 가장 이상적인 솔루션입니다. 금융 에이전트는 읽기 전용 정책 스토어를 읽기-쓰기 프로젝트 스토어와 함께 마운트하여 의사결정 노트를 업데이트하고, 불변 버전 이력을 명확히 남길 수 있습니다. 표준 파일 시스템 구조는 에이전트가 기본 툴로 손쉽게 점검할 수 있고 호스트 시스템이 외부에서 투명하게 검토하기에 용이합니다. 다만 엄격한 객체 크기 제한이 있는 공개 베타 상태이며, 메모리 스토어 자체에 대한 별도 공개 가격이 아직 공시되지 않았습니다.

Managed Agents의 세션은 기본적으로 휘발성(ephemeral)입니다. memory store는 워크스페이스 범위에서 세션 간에 영속적으로 유지되는 텍스트 문서 컬렉션입니다. 세션 리소스 설정을 통해 마운트되면 /mnt/memory/<store-name>/ 경로에 연결되며, 에이전트는 전용 메모리 명령어가 아닌 표준 read, write, edit, search, 셸 명령어를 그대로 활용해 메모리를 조작합니다.

이는 자동화된 시맨틱 메모리라기보다는 내구성 있는 작업 파일 시스템에 가깝습니다. 호스트 시스템은 표준 지침이나 프로젝트 배경지식을 스토어에 사전 적재할 수 있습니다. 세션은 이를 읽기 전용 또는 읽기-쓰기 모드로 마운트합니다. 에이전트가 기록한 내용은 스토어에 즉시 영속화됩니다. 모든 변경 사항은 불변 버전(immutable version)으로 작업 내역과 함께 기록되므로 감사, 시점 복구(rollback), 민감 정보 마스킹(redaction)이 가능합니다. 낙관적 동시성 제어(optimistic concurrency)를 통해 한 워커가 다른 워커의 최신 업데이트를 실수로 덮어쓰는 사고를 방지합니다.

이 시스템의 제약 사항은 설계를 명확히 유도합니다. 각 메모리 문서의 크기는 최대 100KB를 넘을 수 없습니다. 단일 세션에 마운트할 수 있는 스토어는 최대 8개로 제한되며, 스토어는 세션이 생성되는 시점에만 마운트할 수 있습니다. 보관(Archiving) 처리는 비가역적입니다. 보관된 스토어는 읽기 전용으로 전환되고 새로운 세션에 연결할 수 없으며 상태를 되돌릴 수 없습니다(기존 세션의 마운트는 유지됩니다). 이러한 제약 조건은 하나의 거대한 데이터 덤프 대신 작고 목적이 뚜렷한 다수의 문서를 모듈화하여 관리하도록 이끕니다.

문서에 적힌 보안 경고는 직설적이며 엄중합니다. 자격 증명, API 키, 인증 토큰을 메모리 스토어에 절대 저장하지 마십시오. 저장된 텍스트는 해당 스토어를 마운트하는 미래의 세션에 그대로 노출될 수 있습니다. Anthropic은 보안 자격 증명을 환경 변수 볼트에 별도로 보관할 것을 강력히 권고합니다. 만약 기밀 정보가 실수로 메모리에 유입되었다면 현재 파일을 삭제하는 것만으로는 부족하며, 해당 정보가 포함된 모든 불변 버전 이력을 찾아 완전히 마스킹(redaction) 처리해야 합니다.

최적 활용처: 세션 전반에 걸쳐 감사 추적이 보장되는 프로젝트 문서, 사내 정책, 사용자 문서를 투명하게 관리해야 하는 Anthropic Managed Agents 환경.
핵심 장점: 일반 파일 시스템 마운트 방식으로 에이전트 조작이 직관적이며, 불변 버전 관리, 롤백, 민감 데이터 마스킹, 읽기 전용/쓰기 모드 분리를 완벽 지원.
가격 체계: 확인된 베타 기술 문서에는 메모리 스토어 자체에 대한 별도 요금이 공시되지 않았습니다. 일반 모델 및 런타임 사용 요금이 동일하게 적용됩니다. Claude Sonnet 5 요금은 입력 토큰 100만 개당 $2, 출력 토큰 100만 개당 $10이며, Claude Opus 4.8은 입력 100만 개당 $5, 출력 100만 개당 $25입니다. 가격은 2026년 8월 28일 Anthropic Sonnet 5 공식 발표에서 확인되었습니다.
무료 체험: 메모리 스토어는 managed-agents-2026-04-01 헤더 하에서 공개 베타로 제공되고 있으며, 별도의 스토어 전용 무료 티어나 기간제 체험은 공시되지 않았습니다.

이 방식의 비용 절감 효과는 공짜 스토리지에서 나오는 것이 아니라 '선택적 파일 접근'에서 나옵니다. Sonnet 5의 요율을 적용할 때, 100,000 토큰 크기의 기획서를 100개 세션에 매번 프롬프트로 재전송하면 캐시 조정을 제외하고도 입력 1,000만 토큰, 즉 $20의 비용이 낭비됩니다. 스토어를 마운트하면 에이전트가 필요한 단 하나의 노트만 골라 읽을 수 있습니다. 그러나 프롬프트 지침이 엉성하면 에이전트가 폴더 내 모든 파일을 불필요하게 열어보며 토큰을 낭비할 수 있으므로, 실무 세션에서 파일 읽기 패턴을 면밀히 프로파일링해야 합니다.

운영 모델 상에서 Agent 객체와 메모리 스토어는 반드시 분리되어야 합니다. Anthropic의 Managed Agents 개요 문서에 따르면, 버전 관리되는 Agent 설정은 한 번 생성된 후 여러 세션에서 재사용됩니다. 메모리 스토어는 학습된 데이터나 프로젝트 진행 상태를 보관하는 공간입니다. 시스템 프롬프트 변경은 새로운 Agent 버전을 생성해야 하는 작업이고, 고객의 새로운 요구사항 반영은 메모리를 업데이트해야 하는 작업입니다. 이 분리 기준을 확립해야 회귀 버그와 데이터 삭제의 원인을 투명하게 추적할 수 있습니다.

최종 판정: Claude memory stores는 감사가 보장되는 탁월한 작업 파일 시스템이지만, 턴키 방식의 인지 메모리 레이어는 아닙니다. 완벽한 감사 추적성과 표준 파일 인터페이스가 프로젝트의 핵심 요구조건일 때 선택하십시오. 저장된 문서 컬렉션이 에이전트가 파일 탐색으로 감당하기 힘들 정도로 비대해지거나 복잡한 관계망을 형성한다면, 상위 레이어에 별도의 검색 및 통합 계층을 보강해야 합니다.

8. Letta: 코딩 에이전트를 위한 최고의 이식성 메모리

Letta는 기반 언어 모델 벤더가 바뀌더라도 코딩 에이전트의 고유 아이덴티티와 메모리를 온전히 유지해야 할 때 가장 탁월한 선택지입니다. 코드베이스 에이전트는 리포지토리 컨텍스트와 과거 Claude Code 또는 Codex 세션 이력을 바탕으로 초기화되고, 작업이 진행됨에 따라 스스로 메모리를 정제하며, 중간에 모델을 교체하더라도 에이전트의 정체성을 잃지 않습니다. 최신 개발 방향은 개방형, 모델 애그노스틱(model-agnostic), 파일 네이티브 구조를 지향합니다. 다만 전환기 리스크가 존재합니다. Letta는 현재 과거의 서버 측 메모리 패턴들을 대대적으로 개편하고 있으므로 기존 튜토리얼이나 외부 연동 코드가 빠르게 구형화될 수 있습니다.

Letta Code 애플리케이션은 빈 상태로 시작하거나 /init 명령어를 통해 현재 코드베이스 및 과거 Claude Code, Codex 세션 이력으로부터 메모리를 자동으로 부트스트랩할 수 있습니다. 메모리 서브에이전트들이 주기적으로 세션을 검토하여 컨텍스트를 재작성하고 메모리를 정제합니다. /doctor 명령어는 그동안 축적된 데이터 더미를 정리하고 재구성합니다. 지속성 메모리는 능동적으로 가지치기하지 않으면 장기적으로 시스템을 둔화시키는 거대하고 불안정한 프롬프트로 변질되므로 이러한 유지보수 도구는 실무에서 매우 유용합니다.

이식성은 이 제품의 핵심 철학입니다. Letta는 에이전트의 메모리와 정체성을 기저의 모델 벤더로부터 완전히 분리하므로, 사용자는 단일 세션 도중 모델을 교체하더라도 기존 컨텍스트, 메모리, 페르소나를 완벽히 유지할 수 있습니다. 애플리케이션은 사용자의 자체 API 키나 지원되는 코딩 플랜을 직접 연결해 사용할 수 있습니다. macOS, Windows, Linux를 모두 지원하므로 단순한 SDK 개념을 넘어 실질적인 로컬 데스크톱 도구로 즉시 활용할 수 있습니다.

과거 Letta의 개념보다 현재의 아키텍처 전환 방향을 이해하는 것이 훨씬 중요합니다. Letta 차세대 아키텍처 공식 공지에 따르면, 메모리는 특수 데이터베이스 편집 툴 방식에서 MemFS라 불리는 Git 기반 컨텍스트 리포지토리 파일 구조로 전면 전환되고 있습니다. 레거시 서버 메모리 도구들은 범용 파일 시스템 도구로 대체됩니다. 하드코딩되었던 여러 서버 메커니즘은 클라이언트 측 스킬과 서브에이전트로 이관됩니다. 이로써 메모리의 투명성과 이식성은 비약적으로 향상되었으나, 동시에 마이그레이션 부담이 발생했습니다.

Letta는 기존 서버 메모리 도구들이 제거되고 있으며, 과거의 템플릿과 구형 파일 시스템은 2026년 4월 중순부로 공식 지원 중단 절차에 들어갔다고 밝혔습니다. 따라서 프로덕션을 위한 기술 검토는 core_memory_replace나 백그라운드 수면 서버 에이전트 같은 과거 예제를 완전히 배제하고, 최신 Letta Code 및 컨텍스트 리포지토리 체계를 기준으로 진행되어야 합니다. 전환기라는 사실 자체가 지향점이 훌륭하더라도 도입 시 반드시 감안해야 할 명확한 단점입니다.

최적 활용처: 모델 교체 주기 속에서도 메모리, 아이덴티티, 스킬, 세션 이력을 영구 보존해야 하는 코딩 에이전트 및 개인 개발자 비서.
핵심 장점: 모델 애그노스틱 에이전트 하네스 내부에서 작동하는 Git 기반 컨텍스트 리포지토리와 메모리 서브에이전트, /init, /doctor 유지보수 툴 체계.
가격 체계: Letta Code 애플리케이션은 무료로 시작할 수 있으며 자체 모델 API 키나 지원되는 코딩 플랜을 연결하여 사용합니다. 모델 사용료와 호스팅 인프라 비용은 별도로 발생합니다. 2026년 8월 28일 검증 당시 Letta의 공식 가격 안내 URL이 404를 반환했으므로, 관리형 클라우드 티어 가격은 공시할 수 없습니다. Letta 공식 문서에서는 관리형 Letta Cloud 경로와 자체 구축 가능한 완전한 App Server 런타임을 함께 안내하고 있습니다.
무료 체험: 무료 애플리케이션 및 오픈 런타임을 통해 시작할 수 있으며, 검증된 기간제 관리형 클라우드 무료 체험은 본 글에서 확인되지 않았습니다.

경제적 타당성은 모델 선택의 유연성이 비즈니스에 실질적 가치를 부여할 때 극대화됩니다. 개발팀이 분기마다 최신 코딩 모델로 갈아타는 환경이라면, 특정 에이전트가 학습한 컨벤션, 프로젝트 구조도, 과거 디버깅 세션의 교훈을 모델 교체 후에도 그대로 유지함으로써 막대한 셋업 낭비를 막을 수 있습니다. 반면 기업이 특정 관리형 에이전트 플랫폼 하나로 표준화하고 엄격한 테넌트 API를 요구하는 환경이라면, 이식성보다는 Mem0의 애플리케이션 모델이나 Claude의 워크스페이스 제어 방식이 훨씬 큰 가치를 제공합니다.

컨텍스트 리포지토리는 프로덕션 코드와 동일한 엄격함으로 다루어야 합니다. 변경 diff를 리뷰하고, 시크릿 정보의 유입을 차단하며, 수정 권한자를 지정하고, 에이전트가 직접 재작성할 수 있는 파일의 범위를 엄격히 통제하십시오. Git 커밋 이력은 훌륭한 감사 증거가 되지만, 데이터 수집 동의, 보존 기한, 테넌트 격리 정책을 저절로 만들어주지는 않습니다. 영구 삭제 책임자가 지정되지 않은 이식성 메모리는 잠재적인 운영 리스크일 뿐입니다.

최종 판정: Letta는 모델 교체 주기 속에서도 영속되어야 하는 코딩 에이전트를 위한 가장 매력적인 메모리 솔루션이지만, 현재 진행 중인 아키텍처 개편 작업으로 인해 버전 호환성 확인이 필수적입니다. 새로운 파일 네이티브 방식을 채택하십시오. Letta가 공식 지원 중단을 예고한 레거시 서버 도구에 의존하는 설계는 반드시 피해야 합니다.

9. LangMem: LangGraph를 위한 최적의 라이브러리 우선 메모리

LangMem은 기성 호스팅 메모리 제품을 구독하는 대신 메모리 제어 정책을 밑바닥부터 직접 설계하고자 하는 LangGraph 개발팀에 가장 알맞은 라이브러리 우선 솔루션입니다. 대화가 진행되는 동안 에이전트는 실시간으로 메모리를 기록하거나 검색하고, 백그라운드 매니저는 턴이 종료된 후 중요한 지식을 추출하고 통합합니다. 핵심 라이브러리는 임의의 스토리지 시스템과 호환되며 LangGraph의 기본 스토어 레이어와 유기적으로 결합합니다. 다만 공식 빠른 시작 예제에 나오는 인프로세스 스토리지는 프로세스가 재시작되면 모든 데이터를 잃어버리므로, 내구성 있는 프로덕션을 구축하려면 실제 데이터베이스와 엄격한 운영 체계가 반드시 뒷받침되어야 합니다.

LangMem 리포지토리는 완성된 호스팅 서비스가 아닌 기능적 빌딩 블록(primitives)을 제공합니다. 핫패스(Hot-path) 도구는 실시간 대화 도중 에이전트가 언제 메모리를 저장하고 검색할지 스스로 판단하도록 돕습니다. 백그라운드 매니저는 턴 밖에서 중요한 팩트를 추출하고, 중복을 통합하며, 지식을 갱신하고, 시스템 프롬프트를 점진적으로 정제합니다. 이 라이브러리는 LangGraph의 네이티브 스토어뿐만 아니라 독자적인 스토리지 구현체와도 완벽히 호환됩니다.

이러한 유연성이야말로 LangMem을 선택하는 이유입니다. 외부 벤더의 고정된 스키마에 종속되지 않고, 사용자 팩트를 다루는 시맨틱 메모리, 과거 행동을 기록하는 에피소딕 메모리, 프롬프트나 정책 규칙을 업데이트하는 절차적(procedural) 메모리를 개발팀이 완전히 입맛대로 정의할 수 있습니다. 지연 시간에 민감한 대화 세션 밖으로 무거운 정보 추출 작업을 빼내는 것도 가능합니다. 하지만 그 대가로 스키마 정의, LLM 모델 호출, 검색 동작, 통합 주기 스케줄링, 벤치마크 평가, DB 운영, 삭제 로직 처리를 팀이 전적으로 감당해야 합니다.

가장 주의해야 할 운영 경고는 공식 예제 코드에 숨어 있습니다. 빠른 시작에 등장하는 InMemoryStore는 데이터를 프로세스 메모리에만 보관하므로 앱이 재시작되면 완전히 증발합니다. 공식 문서 역시 영속성을 위해 AsyncPostgresStore나 그에 준하는 프로덕션 데이터베이스 백엔드를 사용할 것을 강력히 권고합니다. 단일 프로세스 내에서 두 번의 호출에 걸쳐 이전 대화를 기억했다고 해서 세션 간 내구성이 확보된 것이 아닙니다. 인수 테스트 단계에서 반드시 프로세스를 강제 재시작해 보아야 합니다.

최적 활용처: 고유한 메모리 동작을 직접 설계해야 하며, 이미 신뢰할 수 있는 데이터베이스와 평가 파이프라인을 갖추고 있는 LangGraph 개발팀.
핵심 장점: 모든 호환 스토리지와 연동 가능한 핫패스 메모리 도구 및 비동기 백그라운드 추출/통합 엔진.
가격 체계: LangMem 라이브러리 자체는 MIT 라이선스 기반의 완전 무료 오픈소스입니다. 선택 사항인 LangSmith의 요금 체계는 다음과 같습니다. Developer 플랜은 1개 시트와 월 5,000건의 기본 트레이스를 제공하는 $0/시트/월 플랜(초과 시 사용량 과금)입니다. Plus는 시트당 월 $39에 무제한 시트 구매 가능, 월 10,000건 기본 트레이스, 1개의 소형 서버리스 배포 환경을 제공합니다. Enterprise는 온프레미스 및 하이브리드 옵션을 지원하는 맞춤 견적 플랜입니다. LangSmith의 추가 사용 요금은 LCU당 $1.50, LSU당 $1.00로 계량 청구됩니다. 가격은 2026년 8월 28일 LangChain 가격 페이지에서 확인되었습니다.
무료 체험: 코어 라이브러리는 무료 오픈소스이며, 선택 연동 가능한 LangSmith는 기간제 체험 대신 $0 Developer 플랜을 영구 제공합니다.

LangMem은 팀이 주변 인프라와 운영 역량을 이미 내재화하고 있을 때만 가장 저렴한 솔루션이 됩니다. 패키지 라이선스는 $0이지만, 고가용성 Postgres 스토리지 구축, DB 마이그레이션, 백그라운드 워커 큐, 모델 추출 파이프라인, 모니터링 트레이스, 당직 온콜(on-call) 인건비는 결코 공짜가 아닙니다. 이 엔지니어링 리소스 비용을 $0이 아니라 Mem0 Starter($19)나 Pro($249)의 비용과 객관적으로 비교해야 합니다. 5명의 엔지니어가 LangSmith Plus를 사용하는 것만으로도 컴퓨팅, 스토리지, 모델 호출료를 제외하고 매달 $195의 고정비가 시작됩니다.

이 라이브러리는 장기 이력과 실시간 외부 팩트를 동시에 다뤄야 하는 에이전트에 가장 이상적입니다. LangMem으로 과거의 맥락과 결론을 유지하되, 최신 가격, 법률 개정안, 실시간 일정, 외부 이벤트는 자율 에이전트를 위한 AI 검색 API 가이드에서 다룬 실시간 검색 레이어를 통해 보완해야 합니다. 메모리는 과거의 결정과 가정을 기억하고, 검색은 지금 달라진 외부 현실을 검증해야 합니다.

최종 판정: LangMem은 날카롭고 유연한 메모리 빌딩 블록이지, 위탁 관리형 메모리 서비스가 아닙니다. 고유한 커스터마이징이 필수적이며 LangGraph가 이미 팀의 표준 런타임일 때 도입하십시오. 턴키 수준의 관리형 서비스를 원하면서 단순 인프로세스 데모 코드를 지속성 아키텍처로 오인하고 있다면 절대 프로덕션에 올려서는 안 됩니다.

상황별 최적의 메모리 시스템 선택 기준

전체 순위 점수보다 빠른 의사결정을 돕는 기준은 워크플로우의 명확한 경계입니다.

관리형 지식 작업 환경이 필요하다면: Perplexity Brain

전략 분석가, 창업자, 영업 팀이 이미 Perplexity Computer를 매일 활용하고 있으며 동일한 프로젝트를 반복해서 다루고 있다면 Brain을 선택하십시오. 별도 구축 작업 없이 과거 컨텍스트 요약과 출처 추적에 낭비되던 시간을 즉각 돌려받을 수 있습니다. 반면 메모리가 자체 애플리케이션에 내장되어야 하거나 다른 벤더로 이식되어야 한다면 Brain을 배제하십시오.

범용 애플리케이션의 기본 선택지: Mem0

SaaS나 사내 시스템에서 사용자별, 에이전트별 메모리 분리가 필요하고, 호스팅형으로 빠르게 검증한 뒤 필요시 셀프 호스팅으로 전환할 수 있는 안전한 경로를 원한다면 Mem0를 선택하십시오. 시계열 그래프, 엔터프라이즈 거버넌스, 멀티모달 커넥터, 파일 기반 감사가 독보적인 요구사항으로 떠오르기 전까지는 가장 무난한 기본값입니다. 다만 $19에서 $249로 뛰는 플랜 격차를 주시하고 관리형 전용 기능들이 그만한 가치를 내는지 사전 검증해야 합니다.

시간에 따른 변화와 종합 추론이 핵심이라면: Hindsight

장기간 축적된 데이터 속에서 고유 명사, 관계망, 발생 시점, 고차원 관찰이 모두 답변 품질을 결정짓는 환경이라면 Hindsight를 선택하십시오. 단순 시맨틱 검색으로는 바뀐 사실이나 반복되는 인사이트를 잡아내지 못한다는 점이 정량 평가로 드러났을 때 최적의 후보가 됩니다. 반추 기능이 의사결정 품질을 유의미하게 개선하지 못한다면 Retain 및 스토리지 과금 부담을 지지 말고 Mem0나 소형 스토어로 회귀하십시오.

거버넌스가 보장된 시계열 그래프가 필요하다면: Zep

시계열 지식 그래프를 팀이 직접 소유하고 운영하려면 Graphiti를, 엔터프라이즈 거버넌스, 상세 감사 로그, 관리형 사용자 스레드, 완벽한 테넌트 격리 및 클라우드 배포 옵션이 필수적이라면 Zep을 선택하십시오. Zep은 월간 크레딧 소비량이 150,000건을 넘어서는 순간 Flex 반복 충전 대비 Flex Plus가 비용 면에서 훨씬 유리해집니다. 지식 그래프가 핵심이 아니거나 단순한 선호도 텍스트만 관리하면 된다면 굳이 비싼 요금을 감수할 이유가 없습니다.

방대한 멀티모달 컨텍스트를 흡수해야 한다면: Supermemory

에이전트가 처리해야 할 지식 베이스가 대화 기록, 비정형 파일, 미디어, 사용자 프로필, 실시간 동기화되는 SaaS 커넥터와 뒤섞여 있다면 Supermemory가 최적입니다. 고유 토큰 기반 과금은 변경 없는 대규모 동기화 데이터 처리에 매우 경제적입니다. 하지만 파편화된 소형 문서가 너무 많고 즉각적인 색인 작업이 빈번하여 멀티모달 레이어가 주는 효익보다 운영 요금 부담이 커진다면 간결한 단일 API로 전환해야 합니다.

온톨로지 구축 자체가 프로덕트의 핵심이라면: Cognee

엔티티 간의 복잡한 다단계 관계망, 명확한 출처 추적, BYOC 프라이빗 배포, 다채로운 검색 모드가 애플리케이션의 본질이라면 Cognee를 선택하십시오. 그래프와 데이터베이스 인프라를 직접 운영하고 튜닝할 역량을 갖춘 팀에 잘 맞습니다. 온톨로지 관리, 검색 품질 평가, 백엔드 클러스터 운영을 전담할 엔지니어가 없다면 관리형 메모리 API를 선택하는 편이 안전합니다.

감사 가능한 작업 파일 시스템이 필요하다면: Claude memory stores

지속되어야 할 상태 데이터가 명확한 버전 이력, 권한 모드, 롤백, 민감 데이터 마스킹을 지원하는 텍스트 파일 구조여야 한다면 Claude Managed Agents memory stores를 선택하십시오. 파일 컬렉션이 지나치게 거대해져 단순 파일 탐색만으로는 감당하기 힘들거나 복잡한 관계형 쿼리가 필요해진다면 상위 시맨틱 메모리 서비스를 추가 도입해야 합니다.

모델 교체에 구애받지 않는 코딩 에이전트를 원한다면: Letta

에이전트가 학습한 리포지토리 구조, 컨벤션, 고유 아이덴티티, 디버깅 세션 이력이 기반 모델 벤더 교체 후에도 영구히 살아남아야 한다면 Letta를 선택하십시오. 반면 안정적인 관리형 플랫폼 도입이 더 중요하거나 현재 활발히 진행 중인 Letta의 아키텍처 전환 리스크를 흡수할 여력이 없다면 다른 솔루션을 검토하십시오.

LangGraph 내부에서 완벽한 커스텀 정책을 세우고 싶다면: LangMem

메모리 유형 분류, 쓰기/읽기 정책, 추출 및 통합 로직, 스토리지 아키텍처를 엔지니어링 팀이 직접 밑바닥부터 정의하고자 할 때 LangMem을 선택하십시오. 이러한 아키텍처 구축이 비즈니스 차별화 요소가 아니라 부수적인 운영 부담에 불과하다면 기성 관리형 서비스로 전환하는 것이 현명합니다.

핵심적인 선택 원칙은 명료합니다. 메모리를 자체 운영하는 인건비와 잠재적 리스크 비용보다 월간 구독료 프리미엄이 저렴하다면 관리형 솔루션을 선택하십시오. 데이터 저장 위치, 상세 점검 가능성, 메모리 동작 정책을 외부로 위임할 수 없다면 오픈소스 또는 자체 호스팅을 선택하십시오. 이 손익 계산에는 잘못된 메모리를 교정하는 데 드는 인적 리소스도 반드시 반영해야 합니다. 검색 비용은 몇 푼 안 되더라도 고객사마다 매주 1시간씩 사람이 잘못된 데이터를 지우고 고쳐야 한다면 가장 비싼 솔루션이 될 수 있습니다.

피해야 할 아키텍처 함정

지속성 검증을 거치지 않은 채 "메모리"라는 단어의 겉모습만 보고 솔루션을 구매하지 마십시오. 진정한 지속성 시스템은 새로운 세션이나 프로세스 재시작 후에도 데이터를 유지해야 하고, 필요한 내용만 선택적으로 검색할 수 있어야 하며, 수정 요청을 안전하게 수용하고, 올바른 테넌트 경계 내에서 영구 삭제를 보장해야 합니다. 다음은 실무에서 가장 흔히 마주치는 치명적인 함정들입니다.

프로덕션 환경에서 LangGraph InMemoryStore 사용

InMemoryStore는 LangMem의 빠른 예제 구동이나 로컬 개발에는 매우 유용합니다. 하지만 공식 기술 문서에 명시되어 있듯 프로세스가 재시작되면 내부 데이터는 완전히 사라집니다. 데모 단계에서 몇 차례 호출에 걸쳐 이전 대화를 기억해 냈다고 해서 이를 지속성 프로덕션 아키텍처로 오인하여 배포해서는 안 됩니다. 반드시 AsyncPostgresStore와 같은 데이터베이스 백엔드를 연결하고 인수 테스트 시 프로세스 강제 재시작 검증을 포함하십시오.

벡터 데이터베이스 하나로 메모리 시스템 전체를 대체하려는 시도

Pinecone이나 Qdrant 같은 벡터 DB는 훌륭한 스토리지이자 유사도 검색 엔진입니다. 하지만 단순히 텍스트를 임베딩하여 벡터 DB에 집어넣었다고 해서 메모리 시스템이 완성되었다는 주장은 위험합니다. 온전한 메모리 설계에는 정보 추출, 시간적 유효성 판정, 상호 모순 처리, 테넌트 격리, 데이터 교정, 출처 추적, 보존 기한 및 영구 삭제 정책이 반드시 수반되어야 합니다. 이러한 상위 레이어를 직접 설계할 역량이 없다면 이미 완성된 메모리 시스템을 도입해야 합니다.

멀티테넌트 애플리케이션을 위한 범용 백엔드로 Perplexity Brain 채택

Brain은 Computer 내부 워크스페이스에서 경이로운 생산성을 제공하지만, 자체 메모리 API, 테넌트별 암호화 키, 동적 모델 라우팅, 데이터 내보내기 정책이 요구되는 SaaS 프로덕트의 백엔드로 쓸 수 있는 도구가 아닙니다. 시트당 요금은 잘 결합된 작업 환경을 이용하는 대가입니다. 무구축 작업 공간 도구를 개발자용 플랫폼 엔진으로 억지 활용하려 하지 마십시오.

전담 운영 엔지니어 없는 무분별한 Graphiti 자체 호스팅

Graphiti는 매우 뛰어난 시계열 지식 그래프 코어를 제공합니다. 하지만 그래프 스토리지 클러스터 구축, 배포, 장애 모니터링, 보안 패치, 스케일링, 검색 품질 평가 작업을 대신해 주지는 않습니다. 단지 Zep의 Flex 플랜($125) 비용을 아끼겠다는 이유만으로, 시스템을 책임지고 운영할 전담 엔지니어도 없이 섣불리 자체 호스팅을 시도해서는 안 됩니다.

Letta의 구형 서버 메모리 튜토리얼 맹신

core_memory_replace, 과거의 파일 시스템 동작 방식, 백그라운드 수면 서버 에이전트 등 구형 서버 도구를 다루는 과거 튜토리얼을 기반으로 아키텍처를 설계하지 마십시오. Letta는 해당 기능들의 제거와 지원 중단을 이미 공식적으로 선언했습니다. 최신 기술 검토는 반드시 Letta Code, Git 기반 컨텍스트 리포지토리, 최신 SDK 지침을 기준으로 진행해야 합니다.

교정 및 삭제 책임자가 부재한 메모리 제품 도입

기술적으로 아무리 뛰어난 시스템이라도 잘못된 기억을 정제할 명확한 책임자가 없다면 운영상 극도로 위험해집니다. 자동화된 백그라운드 통합 알고리즘은 단 하나의 오류를 순식간에 확신에 찬 요약본으로 둔갑시킬 수 있습니다. 시스템을 릴리즈하기 전, 원본 출처를 점검하고, 팩트를 직접 수정하며, 유출된 비밀을 마스킹하고, 테넌트 데이터를 영구 삭제하며, 하류 캐시나 파생 데이터까지 완벽히 지워졌는지 확인할 주체를 지정하십시오. 벤더가 이러한 수명주기 제어 기능을 지원하지 않는다면 중요한 비즈니스 워크플로우에 절대 도입해서는 안 됩니다.

다음 주 월요일 바로 실행할 액션 플랜

월요일 아침부터 회사 지식 베이스 전체를 마이그레이션하려 들지 마십시오. 주간 계정 보고서 작성, 이전 코딩 작업 이어하기, 승인된 고객 운영 선호도 적용 등 과거의 컨텍스트가 명백히 성패를 가르는 단 하나의 반복 워크플로우를 타깃으로 삼으십시오.

1. 메모리 규약 문서화: 영속화할 단 한 가지 유형의 팩트, 테넌트 키, 원본 출처, 만료 규칙, 절대 저장해서는 안 되는 금지 데이터를 정의하십시오. 기밀 정보는 철저히 배제합니다.
2. 섀도우 파이프라인 구축: 기존 에이전트가 평소대로 응답하는 동안, 도입 후보 메모리 시스템이 백그라운드에서 병렬로 검색을 수행하도록 만드십시오. 프로덕션 결정에 즉각 개입하지 말고 검색된 컨텍스트와 결과만 조용히 로깅합니다.
3. 20개의 과거 맥락 검증 질문 설계: 변경된 사실, 정확한 고유 명사, 과거 결정 대 최신 결정 비교, 데이터 삭제 요청, 그리고 의도적으로 주입된 잘못된 정보 1건을 테스트셋에 포함하십시오. 범용 벤치마크는 이 맞춤 평가셋을 결코 대체할 수 없습니다.
4. 4가지 핵심 지표 측정: 답변 정확도, 소모된 토큰 또는 크레딧, 이전 맥락을 사람이 다시 요약하는 데 든 시간, 그리고 수정 작업 발생 빈도를 추적하십시오. 지연 시간도 확인하되, 빠르게 출력되는 틀린 답변에 속지 마십시오.
5. 수명주기 스트레스 테스트: 프로세스를 재시작하고, 새로운 세션을 열고, 원본 팩트를 수정하고, 특정 테넌트 권한을 취소하고, 레코드를 영구 삭제한 뒤, 오래되거나 삭제된 복제본이 다시는 검색되지 않는지 확인하십시오.
6. 실제 정상 상태 비용 산출: 한 달간 발생하는 쓰기, 읽기, 보존 기간, 개별 연산, 시트 수, 향후 성장세를 바탕으로 해당 벤더의 실제 과금 계량기를 적용하십시오. 오픈소스 도구라면 담당 엔지니어의 투입 공수를 비용에 합산하십시오.
7. 명확한 플랜 전환 임계점 정의: 다음 상위 티어로 넘어가거나 다른 시스템으로 전환해야 하는 구체적인 사용량 한도, 거버넌스 요건, 또는 품질 기준을 사전에 확정해 두십시오.

Mem0의 경우, 그래프 기능, 통합 기능, 또는 요청 처리 한도로 인해 월 $230의 추가 지출이 정당화될 때 Starter에서 Pro로 넘어가는 것이 그 기준이 됩니다. Zep의 경우, 월간 예상 크레딧이 150,000건을 넘어서서 Flex 반복 충전보다 Flex Plus가 저렴해지는 시점이 분기점입니다. Perplexity의 경우, 월 $200 또는 $325짜리 시트 비용을 충분히 뽑아낼 만큼 Computer 환경에서의 반복 지식 작업이 확보되는지 여부입니다. LangMem의 경우, 무료 소프트웨어를 공짜 운영으로 착각하지 않고 팀이 데이터베이스와 메모리 정책을 책임지고 직접 운영하겠다는 결단이 섰을 때입니다.

한 주의 끝에는 단 하나의 워크플로우만 프로덕션으로 승격시키십시오. 성공적인 메모리 시스템 도입은 가장 방대한 데이터를 쏟아부었는가가 아니라, 이전 작업을 얼마나 매끄럽게 이어가고, 중복 컨텍스트를 얼마나 줄였으며, 사람의 수정 횟수를 얼마나 감소시켰고, 필요할 때 명령 한 번으로 완벽히 잊을 수 있는가로 증명됩니다.

자주 묻는 질문 (FAQ)

GitHub에서 오픈소스로 이용 가능한 AI 에이전트 메모리 시스템은 무엇인가요?

Mem0, Hindsight, Graphiti, Cognee, Letta Code, LangMem 모두 오픈소스 경로를 제공합니다. 다만 오픈소스라고 해서 관리형과 기능이 완전히 동일하지는 않습니다. Mem0는 v3 순위화 및 고급 운영 기능의 상당수를 Platform 전용으로 제한하고 있고, Graphiti는 지식 그래프 주변의 거버넌스 시스템을 직접 구축해야 하며, LangMem은 내구성 있는 데이터베이스 스토어와 제반 운영 환경을 자체 구축해야 합니다.

에이전트 메모리 프레임워크란 무엇인가요?

에이전트 메모리 프레임워크는 에이전트가 어떤 정보를 저장할지, 해당 상태를 어떻게 구조화하고 교정할지, 그리고 미래 세션에 어떤 핵심 조각을 선별하여 반환할지를 통제하는 소프트웨어 레이어입니다. 단순한 대화 녹취록 저장을 넘어 데이터 영속화, 정보 추출, 검색, 수명주기 정책을 유기적으로 결합합니다.

AI 에이전트 메모리로 벡터 데이터베이스만 사용해도 충분한가요?

충분하지 않습니다. 벡터 데이터베이스는 임베딩을 저장하고 유사한 콘텐츠를 검색하는 스토리지 역할은 훌륭히 수행하지만, 실무 프로덕션 메모리 아키텍처에는 테넌트 유효 범위 분리, 시간적 유효성 판정, 상호 모순 처리, 출처 추적, 데이터 교정, 보존 기한 및 영구 삭제 정책이 추가로 요구됩니다. 벡터 DB는 완전한 메모리 시스템을 지탱하는 하나의 저장소 부품으로 활용되어야 합니다.

거대한 컨텍스트 윈도우가 지속성 메모리를 완전히 대체할 수 있나요?

대체할 수 없습니다. 더 큰 컨텍스트 윈도우는 단일 추론 과정에서 모델이 한 번에 볼 수 있는 정보의 양을 늘려줄 뿐, 새로운 세션이 열렸을 때 어떤 정보를 보존할지, 어떤 정보가 낡아 효력을 잃었는지, 특정 사실의 소유권이 누구에게 있는지, 또는 이를 어떻게 영구 삭제할지 스스로 결정하지 못합니다. 또한 선택적 영속 검색을 활용해야 매 실행마다 전체 이력을 재전송하느라 발생하는 막대한 토큰 비용을 방지할 수 있습니다.

Hindsight나 Zep 대신 Mem0를 선택해야 하는 시점은 언제인가요?

범용 애플리케이션의 표준 메모리 API를 원할 때는 Mem0를 선택하십시오. 시간대별 데이터 재현, 병렬 검색, 관찰 기반 추론 및 고차원 반추가 시스템 품질의 핵심일 때는 Hindsight를 선택해야 합니다. 한편 엄격한 RBAC, ABAC, 상세 감사, 데이터 보존 및 관리형 테넌트 격리가 보장된 시계열 관계 지식 그래프가 필수 요건이라면 Zep을 선택해야 합니다.

AI 에이전트를 위한 가장 저렴한 지속성 메모리 시스템은 무엇인가요?

여러 솔루션이 무료 플랜을 제공하지만, 가장 경제적인 시스템은 실제 과금 계량 단위와 팀의 운영 모델에 따라 달라집니다. Cognee Standard는 워크스페이스 비용을 제외하고 1,000만 토큰 처리에 $25를 청구하고, Supermemory는 메모리 그래프 내 1,000만 일반 고유 SM 토큰에 $50를 부과하며, Hindsight Retain은 1,000만 입력 토큰 처리에 $100가 듭니다. 각 단위는 서로 다른 작업을 수행하며, 셀프 호스팅 소프트웨어는 라이선스가 무료라도 모델 호출료, 데이터베이스 인프라, 엔지니어링 운영 인건비가 별도로 발생합니다.

AI 에이전트에서 데이터를 올바르게 망각(삭제)시키려면 어떻게 해야 하나요?

데이터를 쓸 때 사용했던 것과 동일한 테넌트 키로 범위를 제한한 상태에서, 호스트 시스템이 직접 통제하는 명시적인 수정, 만료, 삭제, 마스킹 경로를 실행해야 합니다. 그런 다음 삭제 후 하류 시스템의 동작을 철저히 검증하십시오. 불변 버전 이력, 파생 요약문, 지식 그래프 엣지, 캐시, 또는 외부로 내보낸 복제본에 해당 정보가 여전히 남아 미래 세션에 반환될 수 있다면, 현재 활성 레코드 하나를 지운 것만으로는 완벽히 삭제되었다고 볼 수 없습니다.

데이터 영속성, 영구 삭제, 실질 비용 산출 질문들을 하나의 시트에 정리해 확인하고 싶으신가요? AI 비즈니스 워크플로우 감사 체크리스트를 다운로드하여 다음 주 월요일 하나의 메모리 워크플로우를 직접 채점해 보십시오.