OpenMemory MCP

OpenMemory MCP

Mem0 · 코딩

OpenMemory MCP는 Mem0가 만든 로컬 AI 메모리 서버다. MCP 클라이언트에 지속적인 공유 컨텍스트를 제공해, 어시스턴트가 세션을 넘나들며 취향을 기억한다.

OpenMemory MCP 미리보기

OpenMemory MCP 소개

About

OpenMemory MCP란 무엇인가

OpenMemory MCP는 Model Context Protocol을 사용하는 클라이언트를 위해 Mem0가 만든 프라이빗 메모리 서버다. 각 코딩 어시스턴트가 매번 백지에서 시작하는 대신, 알려준 내용을 저장하고 같은 메모리를 Cursor, Claude, Windsurf, Cline 같은 도구에 넘긴다. 원리는 단순하다. 취향을 한 번 말하면, 연결된 모든 어시스턴트가 나중에 그 내용을 읽어 간다.

서비스는 자기 컴퓨터에서 돌아간다. 메모리는 자신이 관리하는 벡터 저장소에 로컬 AI 메모리로 남고, 데이터는 외부 서버로 나가지 않는다. 노트가 비공개 코드나 사내 문서, 클라우드 업체에 맡길 수 없는 고객 작업을 건드린다면 이 점이 중요하다.

시작하기 전에 알아 둘 게 하나 있다. Mem0는 OpenMemory 개발을 사실상 중단했고, 대시보드와 사용자별 키, 감사 로그를 이어받는 자체 호스팅 메모리 서버로 사용자를 안내한다. 원래 프로젝트는 여전히 찾을 수 있지만, 새로 구축한다면 자체 호스팅 쪽을 따라야 한다.

시작하기

  1. 메모리를 둘 컴퓨터에 Docker와 Docker Compose를 설치한다.
  2. 메모리 추출을 맡을 모델용으로 OpenAI API 키를 설정한다. 전역 환경 변수로 두거나 스크립트 인자로 넘겨도 된다.
  3. 명령 한 줄로 시스템을 띄운다. MCP 서버와 Qdrant 벡터 저장소, 대시보드가 함께 올라온다.
  4. 대시보드를 열고 쓰는 클라이언트를 골라, 생성된 연결 명령을 복사한다.
  5. 그 명령을 MCP 클라이언트에 붙여 넣고 다시 시작하면, 어시스턴트가 메모리를 읽고 쓸 수 있다.

제품 정보

OpenMemory MCP의 요금, 지원 플랫폼, 성능을 한눈에 확인해 보세요.

무료 플랜예
유료 플랜$0 - $249/mo
플랫폼Web, macOS, Windows, Linux
개발사Mem0
카테고리코딩
출시일May 2025
최근 업데이트Sep 2025
웹사이트 방문 수374.1K
웹사이트 글로벌 순위124.9K
API 제공 여부예

추천 대상

이 도구가 가장 잘 맞는 사용자, 작업, 상황입니다.

사용자

  • Cursor, Claude, Windsurf를 오가며 모든 도구가 자기 스택을 알길 바라는 개발자. 공유 메모리가 있으면 편집기를 바꿀 때마다 설정을 다시 설명할 필요가 없다.
  • 전용 작업을 클라우드에 올리지 않는, 프라이버시를 중시하는 엔지니어. 메모리는 자기 하드웨어에 남고, 누가 읽을지는 본인이 정한다.
  • 같은 프로젝트를 함께 쓰는 소규모 팀. 여러 사람이 한 서버를 가리키면 프로젝트 관례를 모두 물려받는다. 다만 키를 맡길 사람은 가려야 한다.

작업

  • 코딩 취향을 일관되게 유지하기. 언어와 스타일을 한 번 저장하면, 연결된 각 어시스턴트가 재촉 없이 따른다.
  • 프로젝트 맥락을 도구 사이로 옮기기. 아키텍처 결정을 적어 두면 각 클라이언트가 저장소를 다룰 때 그 내용을 되살린다.
  • 조사와 노트 모으기. 찾은 내용을 메모리에 쏟아 넣고, 에이전트가 글자 그대로가 아니라 의미로 검색하게 둔다.

활용 상황

  • 작업을 계획에서 실행으로 넘기기. 한 어시스턴트에서 로드맵을 그리고, 같은 맥락을 코드를 쓰는 다른 어시스턴트에 넘긴다.
  • 끊긴 작업을 이어가기. 다음 세션이 무엇을 만들고 있었는지 기억해, 프로젝트를 다시 소개하라는 요구를 받지 않는다.
  • 로컬 메모리가 자기 흐름에 맞는지 가늠하기. 예비 컴퓨터에서 돌려 보고 일상 프롬프트가 어떻게 달라지는지 확인한 뒤 넓힌다.

주요 기능

클라이언트 간 메모리 공유

같은 AI 메모리 계층이 연결한 모든 MCP 호환 클라이언트를 맡는다. 한 에이전트 메모리에 알린 취향을 다른 어시스턴트가 나중에 읽는다. 도구를 바꿔도 다시 설명하지 않아도 되며, 프로젝트가 존재하는 이유가 바로 여기에 있다.

완전 로컬 배포

시스템은 Docker 위에서 Postgres와 Qdrant 벡터 데이터베이스로 돌아가며, 모두 자기 하드웨어에서 실행된다. 추출을 위해 외부 모델 제공자를 설정하지 않는 한 데이터는 컴퓨터를 떠나지 않는다. 데이터 규정이 엄격한 팀에는 흔한 클라우드 우려가 사라진다.

의미 기반 메모리 검색

검색은 벡터 임베딩에 기대므로 글자가 아니라 의미로 찾는다. 과거의 결정을 물으면 표현이 달라져도 관련 항목을 꺼낸다. 이 동작은 긴 프로젝트에서 키워드 검색보다 잘 버틴다.

접근 제어와 감사 로그

특정 메모리에 대한 클라이언트 접근을 일시 중지하거나 취소할 수 있고, 서버는 읽기와 쓰기를 모두 로그에 남긴다. 대시보드에는 어떤 앱이 어떤 메모리에 언제 손댔는지가 뜨므로, 공유 서버도 추적할 수 있다.

메모리 관리 대시보드

웹 대시보드에서 메모리를 훑어보고 검색하고 추가하고 지울 수 있으며, 클라이언트별 연결 명령도 만들어 준다. 배경 서비스를 실제로 점검하고 정리할 수 있는 것으로 바꿔 주는 부분이다.

메모리 메타데이터와 태그

각 항목은 주제, 감정, 타임스탬프 같은 메타데이터를 지녀 정렬과 검색이 쉽다. 평평한 텍스트 목록이 아니라 구조가 있고, 이 구조는 메모리가 늘어날 때 힘을 발휘한다.

장단점

장점

  • 전부 자기 하드웨어에서 돌아, 비공개 코드와 노트가 외부 클라우드를 거치지 않는다.
  • Cursor, Claude, Windsurf 등 여러 MCP 클라이언트가 같은 메모리를 공유해 반복 설정을 줄인다.
  • 의미 기반 검색이 메모리를 찾아내, 긴 프로젝트에서는 키워드 일치보다 오래 간다.
  • 접근 제어와 감사 로그로 저장된 컨텍스트를 누가 읽는지 보고 제한할 수 있다.
  • 오픈 소스라 코드를 확인하고 구성을 손볼 수 있다.

단점

  • Mem0가 OpenMemory 개발을 멈춰, 새 기능은 자체 호스팅 Mem0 서버에 실린다.
  • 구축이 Docker와 명령줄 숙련을 전제로 해, 비기술 사용자는 금방 떠난다.
  • 추출에 OpenAI 같은 외부 모델 키가 필요해, 설치 직후 완전한 오프라인 운용은 안 된다.
  • 혜택을 보는 건 MCP를 아는 클라이언트뿐이고, 프로토콜을 도입하지 않은 도구는 빠진다.

자주 묻는 질문

MCP 호환 AI 클라이언트에 공유되고 오래 남는 메모리를 준다. 대화마다 취향과 프로젝트 세부를 잊는 대신, 각 도구가 저장한 내용을 읽고 앞선 도구가 멈춘 지점에서 이어 간다.