대안 비교, 장단점 및 로드맵
Engram은 자동화 백그라운드 메모리 엔진들과는 추구하는 철학과 배치되는 공간이 다릅니다. 철저히 인간의 소유권, 검토 용이성, 그리고 에이전트 간 이식성을 최고 목표로 최적화되었습니다.
Engram의 특장점
- 텍스트 그대로 readable한 Markdown 기반의 신뢰 소스 제공
- 영속 디스크 쓰기가 작동하기 직전에 항상 거치는 인간 승인 절차
- Git 친화적인 이력 추적 및 협업 브랜치/머지 동기화
- 워크스페이스(로컬) 우선순위 할당 및 글로벌로 연계되는 계층식 폴백
- 특정 에이전트 도구에 종속되지 않음: Markdown 파일은 어떤 에이전트 브레인이든 즉시 파싱하고 활용할 수 있음
- 강력한 안전 레이어: 스키마 구조 정밀 유효성 확인, 토큰/암호 노출 방지 스캔, 프롬프트 인젝션 패턴 사전 필터링, 정합성 해시, 제외 패턴 처리
- 데몬 프로세스나 별도 로컬 DB 엔진 혹은 유료 클라우드 계정이 전혀 요구되지 않음
- 가져오기, 원시 수집, 아카이브 격리, 관계 그래프화, 리그레션 성능 벤치마킹, 무결성 수리 기능 등 장기 보존 및 유지 보수에 탁월한 시스템 구축
Engram 설계상의 트레이드오프
- 백그라운드 데몬이 혼자 감지하고 기록해 주는 방식에 비해 사용자의 관리적 디시플린(규율)이 약간 필요함
- 기본 조회는 결정론적 렉시컬 검색으로 작동합니다.
search --semantic은 결정론적인 로컬 단어 유사도를 덧붙이는 것이며 딥러닝 임베딩 모델의 시맨틱 시뮬레이티드 검색이 아닙니다. - 그래프의 노드 벡터도 가볍고 해시화된 단어 카운트 조합 벡터에 해당하며 고도화된 의미 벡터 임베딩이 아닙니다.
- 충돌/모순 메모리 감지는 어디까지나 휴리스틱 알고리즘에 기초하므로 조언 및 팁을 주는 보조 용도로 제한됩니다.
deduplicate --semantic또한 로컬 형태소 단어 매칭 방식을 사용하므로 외부 임베딩 서버의 힘을 빌리지 않습니다.- 지식 패턴 감지(pattern mining), 기밀 정보 암호화 설정, PR 워크플로우를 위한 파일 등은 준비되어 있지만 현재 메인 CLI 실행 단계에서 전부 파이프라인이 엮여 동작하진 않습니다.
- 그래프를 구성할 때는 자동 추출된 요약(summary) 및 태그 정보에 의존합니다.
Agentmemory 도구와의 비교
rohitg00/agentmemory는 코딩 에이전트 전용의 무척 정교한 자동 백그라운드 메모리 머신입니다. 서버/데몬 방식 운용, MCP 규격, 훅스 시스템, REST API, 에이전트 어댑터 지원, 가시적인 뷰어 인터페이스, 행동 리플레이, 하이브리드 검색 및 Hermes 모델 최적화 등을 강점으로 내세웁니다.
에이전트가 알아서 기억을 수집해주고, 시각적 리플레이나 벡터 검색을 선호하며, MCP 툴셋 연계 및 서버-클라이언트 형태의 통합 공유 메모리를 바라신다면 agentmemory가 이상적입니다.
반면, 메모리도 우리 코드 파일처럼 투명하게 프로젝트 레포지토리 내의 Markdown 파일로 소유하고, 변경 사항은 Git Diff로 한눈에 검토하며, 서버를 키지 않아도 어느 에이전트로든 자유롭게 마이그레이션 가능한 구조를 원하신다면 Engram이 최선입니다.
| 비교 차원 | Engram | agentmemory |
|---|---|---|
| 최종 신뢰 소스 | 검증된 Markdown 파일들 | 백그라운드 메모리 DB / 서버 |
| 신뢰의 게이트선 | 인간의 명시적 A/B/C 승인 | 자동 캡처 후 툴 규칙 제어 |
| 기본 실행 형태 | 파일 프로토콜, 백그라운드 데몬 없음 | 활성화된 로컬 데몬/서비스 요구됨 |
| 이력 검토 방식 | Git Diff 확인 및 마크다운 직접 리뷰 | 뷰어 UI나 API로 과거 세션 조회 |
| 어울리는 환경 | 기록 투명성 및 엄격한 감사가 필요한 팀 | 모든 대화가 자동으로 연동되길 원하는 개인 |
| 관리상 리스크 | 사용자의 수동 규칙 승인 관리가 필요함 | 보이지 않는 DB 상태가 꼬일 염려가 있음 |
Hermes Agent 도구와의 비교
요약 (TL;DR)
| Engram | Hermes Agent | |
|---|---|---|
| 설계 철학 | 인간 소유, 파일 우선 프로토콜 (선택적 자동 저장 가능) | 자율적이고 항상 활성화된 메모리 |
| 저장소 | .agents/.engram/ 안의 타입화된 마크다운 파일 | MEMORY.md + USER.md (엄격한 글자수 제한) |
| 쓰기 모델 | 기본적으로 인간 승인 (A/B/C 게이트; 규칙을 통한 자동화 가능) | 에이전트가 자율적으로 쓰기 수행 |
| 불러오기 | 온디맨드: engram load "<작업>" 실행 시 관련 파일 주입 | 상시 활성화: 세션 시작 시 시스템 프롬프트에 코어 파일 고정 |
| 벡터 검색 | 선택적 로컬 sqlite-vec (결정론적 방식, 임베딩 비지원) | 외부 프로바이더 경유 (예: agentmemory — BM25 + 벡터) |
| 크로스 에이전트 | 파일을 읽을 수 있는 모든 에이전트가 Engram 메모리 사용 가능 | Hermes 코어는 단일 에이전트용; agentmemory 플러그인을 통한 크로스 에이전트 지원 |
| 이식성 | Git 네이티브, 오프라인 우선, 일반 마크다운 | 로컬 파일; 외부 제공업체 사용 시 클라우드 종속성 발생 가능 |
| 오버헤드 | 데몬 불필요, 메모리 저장 규칙 준수 필요 (자동화하지 않을 경우) | 서버 프로세스 + 뷰어 UI, REST API, MCP 서버 |
저장 포맷
Engram은 각 메모리를 YAML 프런트매터(frontmatter), 해시 무결성 검사 및 선택적 의존성 그래프(depends_on)가 포함된 타입화된 마크다운 파일로 저장합니다. JSON 인덱스, 그래프 및 sqlite-vec 사이드카가 가속 레이어 역할을 하며, 마크다운이 신뢰할 수 있는 단일 원천(source of truth)입니다.
Hermes는 모든 지속성 메모리를 다음 두 개의 제한된 파일로 압축합니다.
~/.hermes/memories/MEMORY.md— 에이전트 메모(2,200자 제한)~/.hermes/memories/USER.md— 사용자 프로필(1,375자 제한)
엄격한 글자수 제한으로 인해 에이전트는 메모리를 무작정 누적하기보다 엄선하여 관리하게 됩니다. 세션 기록은 SQLite FTS5를 통해 검색할 수 있습니다.
쓰기 모델
Engram — 기본적으로 명시적인 인간의 승인 장치입니다. 에이전트가 후보를 제안하고, 디스크에 기록하기 전에 인간이 반드시 승인해야 합니다. 저장 시 시크릿 검사 및 프롬프트 인젝션 스캔이 진행됩니다. (참고: 사용자는 답변이 완료될 때 에이전트가 제안한 새로운 메모리를 자동으로 저장하는 규칙을 설정하여 이 프로세스를 자동화할 수 있으며, 이를 통해 자동 저장 흐름을 구축할 수 있습니다).
Hermes — 자율적 실행. 에이전트가 글자수 제한 범위 내에서 무엇을 언제 기록할지 스스로 결정합니다. 코어 루프 내에 인간의 승인 절차가 없습니다.
불러오기 모델
Engram — 온디맨드 라우팅. engram load "<작업>"은 태그, 타입, 최신성, 그래프 및 선택적 벡터 시그널을 바탕으로 후보의 순위를 재조정하여 간결한 팩(기본 8개 파일)을 컨텍스트에 주입합니다.
Hermes — 상시 활성화 주입. 세션 시작 시 코어 파일이 시스템 프롬프트에 고정됩니다. 선택적인 외부 제공업체(예: agentmemory)가 각 LLM 턴 전에 프리페치를 실행하고 완료 후 동기화합니다.
도구 선택 가이드
감사 가능하고 인간의 검토를 거친 메모리, Git을 통한 팀 공유, 개인정보 보호 보장 또는 도구 간 에이전트 독립적인 이식성이 필요할 때는 Engram을 사용하십시오 (사용자 규칙을 통한 자동 저장도 옵션으로 제공됩니다).
메모리 저장을 위해 엄격한 규칙을 준수할 필요 없이 자동으로 축적되는 메모리, 상시 활성화된 컨텍텍스트 주입, 또는 뷰어, REST API 및 플러그형 벡터 백엔드를 지원하는 더 풍부한 런타임을 원할 때는 Hermes를 사용하십시오.
개발 도구 자체 내장 메모리와의 비교
IDE나 특정 에이전트 서비스에 내장된 메모리는 쓰기는 간편하지만, 백업하거나 추출하여 타사 도구와 공유하기 곤란하고, 어떤 내용을 머리에 넣었는지 사람이 diff로 변경점을 검토하기 아주 어렵습니다.
Engram은 그러한 에이전트의 내부 기억들을 단지 필요할 때 읽어 가는 보조 장치로 격하시킵니다. 진짜 기억의 중심부는 인간이 소유한 Markdown 파일들이기 때문입니다.
향후 로드맵 아이디어
- 그래프 벡터 및 로컬 검색을 지원하기 위한 선택형 로컬 임베딩 공급 장치 탑재
- 특정 지식이 라우팅된 상세 사유를 인간에게 설명하는 투명한 그래프 디버거 제공
- 벤치마크 테스트용 고정 fixture 데이터를 레포지토리에 보관해 품질 퇴보 방지
- 그래프 구조, 퀄리티 체크 지표, 아카이브 흐름을 통합해 고도화된 상호 모순 제거 루틴 확보
- 다양한 형태의
agentmemory내보내기 규격에 대응하는 이식 테스트 확대 - 시맨틱 중복 감지 전용 선택형 외부 임베딩 서버 연동
- 손상되거나 망가진 메모리 파일이 보고되었을 때 고칠 수 있는 수리(proposal) 패치 제공
다음 단계: 홈화면(으)로 이동.