에이전트작업메모리: AI 코딩 에이전트를 위한 로컬 메모리 시스템

AgentWorkingMemory가 해결하는 문제

Claude Code와 같은 AI 코딩 에이전트는 세션 간 지속적 메모리가 부족합니다. 개발자들은 새로운 세션을 시작할 때마다 아키텍처, 데이터베이스 스키마, 이전 결정들을 다시 설명해야 하여 시간과 컨텍스트 창 공간을 낭비하게 됩니다. Claude Code가 --continue로 대화를 재개하거나, 자동 메모리가 메모를 마크다운 파일에 저장하거나, CLAUDE.md 프로젝트 문서화 같은 도구를 제공하지만, 이러한 방법들은 한계가 있습니다:

• --continue나 --resume은 전체 채팅 스레드를 복원하지만 컨텍스트 창 공간을 소모하며 한 번에 하나의 스레드만 작동합니다
• 자동 메모리는 MEMORY.md의 처음 200줄을 로드하지만 검색 지능이 부족합니다—현재 작업과 관련된 메모가 무엇인지 알지 못합니다
• CLAUDE.md 같은 프로젝트 문서는 안정적인 정보에는 작동하지만 빠르게 진화하는 프로젝트에서는 금방 구식이 됩니다

AgentWorkingMemory는 세션 전반에 걸쳐 지식을 축적하고, 현재 작업과 관련된 컨텍스트를 표면화하며, 시간이 지남에 따라 수동 관리 없이 개선되도록 함으로써 이러한 문제들을 해결합니다.

작동 방식

AWM은 클라우드 의존성 없이 완전히 로컬 머신에서 실행됩니다. 시스템은 다음으로 구성됩니다:

• 저장을 위한 SQLite 데이터베이스
• 세 개의 로컬 ML 모델(총 약 124MB, 한 번 다운로드 후 캐시됨)
• Node.js 프로세스

실행할 서버도, Docker 컨테이너도, 백그라운드 데몬도 없습니다. Claude Code를 시작하면 MCP(Model Context Protocol)를 통해 AWM이 자동으로 시작됩니다. 세션을 닫으면 중지됩니다. 모든 것이 로컬에 유지됩니다—클라우드 없음, API 키 없음, 데이터가 머신을 떠나지 않음. 추가 보안을 위해 AWM은 메모리 API 접근을 잠그기 위한 베어러 토큰 인증을 지원합니다.

설정 및 사용법

설치에는 두 개의 명령이 필요합니다:

npm install -g agent-working-memory
awm setup --global

Claude Code를 재시작한 후 14개의 메모리 도구가 자동으로 나타납니다. 첫 세션은 ML 모델이 다운로드되는 동안 약 30초가 소요됩니다(약 124MB, 이후 캐시됨). 그 시점부터:

• 에이전트는 중요한 것을 학습할 때 메모리를 기록합니다
• 새로운 작업을 시작할 때 관련 메모리를 회상합니다
• 중단 후 복구하기 위해 상태를 체크포인트합니다

이 시스템은 20년 된 코드베이스(약 140만 줄)를 현대적 스택(약 25만 줄 예상)으로 재구축하면서 개발되었으며, 특히 88개의 데이터베이스 테이블이 있는 멤버십 관리 플랫폼과 여러 AI 에이전트를 병렬로 사용하는 다중 스프린트 개발을 위해 구체적으로 개발되었습니다.