개요

Memory MCP는 영구 메모리를 위한 공식 참조 Model Context Protocol (MCP) 서버입니다. 이 서버는 AI 에이전트가 대화와 세션 전반에 걸쳐 구조화된 정보를 저장하고 검색할 수 있는 경량 지식 그래프를 구현합니다.

Model Context Protocol 팀이 관리하는 공식 MCP 서버 저장소의 일부로 개발된 이 서버는 LLM의 가장 큰 제한 사항 중 하나인 상태 비저장성(statelessness)을 해결합니다. 에이전트는 매번 컨텍스트를 반복 설명하는 대신, 사실, 사용자 선호도, 프로젝트 세부사항, 결정 사항 및 관찰 결과를 저장한 후 필요할 때 이를 회상할 수 있습니다.

이 서버는 많은 커뮤니티 메모리 구현의 기반이 되며, Claude Desktop, Claude Code, Cursor 및 기타 MCP 클라이언트 도구에서 직접 지원됩니다.

기능

지식 그래프 저장: 관찰 결과, 관계 및 속성이 지속적으로 저장된 엔터티를 보유합니다.
메모리 추가/검색/검색: 엔터티 생성, 관찰 결과 추가, 키워드 또는 의미론적 검색, 관련 컨텍스트 가져오기 도구를 제공합니다.
세션 간 지속성: 데이터는 재시작 후에도 유지되며 새로운 대화에서 사용 가능합니다.
범위 지정 및 구조화: 깔끔한 엔터티-관계 모델링을 통해 사용자 수준, 프로젝트 수준 또는 대화 수준 메모리를 지원합니다.
경량 및 로컬 우선: npx, Docker 또는 로컬 설치를 통해 최소한의 종속성으로 실행됩니다. -IMCP 표준 준수: 완전한 도구 검색, JSON-RPC 인터페이스 및 모든 MCP 클라이언트와의 원활한 통합을 지원합니다.
확장 가능한 기반: 고급 구현(벡터 검색, Neo4j와 같은 그래프 데이터베이스 또는 하이브리드 시스템)을 위한 출발점 역할을 합니다.

사용 사례

세션 간 연속성: Claude 또는 Cursor가 프로젝트 아키텍처, 코딩 선호도, 과거 결정 사항을 재설명 없이 기억합니다.
사용자 선호도 추적: 개인 맞춤형 지원을 위해 스타일 선호도, 도구 선택 또는 워크플로우 습관을 저장합니다.
프로젝트 지식 베이스: 코드베이스 정보, 버그 해결 및 설계 선택의 살아있는 그래프를 구축합니다.
다중 에이전트 협업: 복잡한 워크플로우에서 서로 다른 AI 에이전트 또는 세션 간 메모리를 공유합니다.
장기 학습: 에이전트가 수주 또는 수개월에 걸쳐 지식을 축적하여 효율성을 개선하고 컨텍스트 윈도우 낭비를 줄입니다.

설치 및 빠른 시작

npx 사용 (가장 쉬운 방법)

npx -y @modelcontextprotocol/server-memory

Claude Desktop / Cursor용 구성

MCP 구성 파일(예: claude_desktop_config.json 또는 .cursor/mcp.json)에 추가합니다:

{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-memory"]
    }
  }
}

Docker 옵션

docker run -i -v claude-memory:/app/dist --rm mcp/memory

실행되면 AI 에이전트는 create_entity, add_observation, search_memories, get_graph와 같은 도구를 사용하여 지속 메모리 저장소와 상호작용할 수 있습니다.

Memory MCP를 사용하는 이유

LLM은 강력하지만 세션 사이에 정보를 잊어버립니다. Memory MCP는 장기 컨텍스트를 유지하는 표준화되고 안전하며 발견 가능한 방법을 제공하여 LLM을 상태를 유지하는 파트너로 변환합니다. 이는 토큰 사용량을 획기적으로 줄이고(매번 히스토리를 붙여넣을 필요 없음) 더 자연스럽고 연속적인 워크플로를 가능하게 합니다.

공식 구현은 간단한 로컬 지식 그래프를 사용하여 빠르고 비공개이며 자체 호스팅이 쉽습니다. 커뮤니티 확장 기능은 벡터 검색, Neo4j 백엔드 또는 하이브리드 의미론 + 그래프 기능을 추가하여 더 풍부한 메모리 시스템을 제공합니다.

고급 팁 & 생태계

Claude Thread Continuity 또는 다른 MCP 서버와 결합하여 전체 대화 + 프로젝트 메모리를 구현하세요.
프로덕션 또는 다중 사용자 설정의 경우 SQLite, MongoDB, Qdrant 또는 Neo4j 백엔드를 사용하는 커뮤니티 포크를 고려하세요.
uv-mcp, playwright-mcp 또는 postgres-mcp와 같은 도구와 함께 사용하여 행동하고 기억하는 완전한 에이전트 워크플로를 구축하세요.
대규모 사용의 경우 스토리지 증가를 모니터링하고 정리 정책을 구현하세요.

링크

공식 소스: modelcontextprotocol/servers - Memory
MCP 예제 및 문서: modelcontextprotocol.io/examples
MCP 사양: modelcontextprotocol.io

Memory MCP는 MCP 생태계에서 진정한 지속적이고 지능적인 AI 에이전트를 위한 기초 구성 요소입니다.

메모리 MCP

개요

기능