에이전트를 위한 오픈소스 메모리 레이어 'XMem'

내 GitHub 프로필을 보고 한 통의 메일을 받았다. 보낸 사람은 XMem의 창업자이자 CEO인 Ishaan Gupta. AI 메모리 관련 리포지토리들을 둘러보다가 내가 관심 있을 것 같아 연락했다고 한다.

Came across your GitHub profile while exploring AI memory-related repositories and thought XMem might be relevant.
We’re building XMem, a first-of-its-kind open-source multi-agentic memory layer for AI agents. Recently, we benchmarked it against several existing memory systems on Locomo and LongMemEval-S and saw promising results.

The latest version can run locally, so you don’t have to rely on our cloud to get persistent memory working for your agents. The core codebase is now in Go, making XMem faster and easier to run locally.

Repo: https://github.com/XortexAI/Xmem
if you find the project interesting, a GitHub star would help us a lot as we're still early-stage and building the community.

We’re handpicking early XMem power users. We’ll get on a call, understand your use case, configure XMem for your workflow, and help you set it up.
Would you be open to trying XMem as an early power user?

https://cal.com/ishaan.xmem

Thanks,
Ishaan Gupta
Founder & CEO @xmem.in

요즘 AI 에이전트 프레임워크나 다양한 Agent 툴들을 조합해서 자동화 파이프라인을 구축하는 데 푹 빠져있던 참이라 꽤 눈길이 가는 내용이었다. 메일 내용을 바탕으로 XMem이라는 프로젝트가 어떤 것인지 가볍게 정리해 본다.

XMem?

XMem은 AI 에이전트를 위해 만들어진 오픈소스 멀티 에이전트 메모리 레이어(Multi-agentic memory layer)다.

에이전트들이 과거의 컨텍스트를 기억하고 워크플로우 내에서 활용할 수 있게 돕는 시스템인데, 최근 Locomo와 LongMemEval-S 벤치마크 테스트에서 기존 메모리 시스템들 대비 상당히 긍정적인 성과를 거두었다고 한다.

기술적 아키텍처 및 매커니즘

XMem이 기존의 단순한 벡터 데이터베이스나 고정된 컨텍스트 관리 기법과 차별화되는 것은 '멀티 에이전트 환경 최적화'와 '경량화된 로컬 실행 능력'이다.

• 완벽한 로컬 구동: 클라우드에 의존할 필요 없이, 로컬 환경에서 에이전트의 영구 메모리(Persistent Memory)를 직접 작동시킬 수 있다. 로컬 개발 환경에서는 로컬 지원이 큰 장점이다. (그러나 나 같은 여러 PC, 여러 Agent를 사용하는 환경에서는 아직은 사용이 어렵다.)
• Go 언어 기반의 코어: 핵심 코드베이스가 Go 언어로 작성되었기에 로컬 환경에서 훨씬 빠르고 가볍게 실행되며, 세팅 자체도 간편하다.

멀티 에이전틱 메모리 레이어

기존 메모리 시스템은 단일 LLM 인스턴스의 대화 이력을 관리하는데 집중한다. XMem은 복수의 에이전트가 협업하는 것을 전제로 설계했다.

• 메모리 격리 및 공유: 에이전트 A의 작업 기억 중 일부는 에이전트 B에게 실시간으로 공유되어야 하지만, 불필요한 내부 이력까지 공유되면 컨텍스트 오염이 발생한다. 이를 라우팅 규칙에 따라 제어한다.
• 컨텍스트 압축 및 그래프화: 장기기억과 단기기억을 단순히 텍스트 스니펫으로 저장한다기 보다, 에이전트 간의 상호작용 관계를 기반으로 구조화하여 필요한 시점에 최적의 컨텍스트만 결합하여 전달한다.

Go 기반

Go로 바꾼 것은 로컬 개발 환경에서 큰 이점을 갖는다.

• 고성능 동시성: 멀티 에이전트 환경에서는 많은 에이전트가 동시에 메모리를 읽고 쓰는 Race Condition이 발생하기 쉽다. Goroutine과 Channel 구조를 활용해 Overhead없이 안정적인 병렬 메모리 동기화를 처리한다.
• 크로스 플랫폼 단일 바이너리: Python 기반의 툴들은 종속성 패키지 꼬임이 발생할 가능성이 있다. Go로 컴파일되었기에 어떤 OS 환경에서든 가볍고 독립적인 단일 바이너리로 즉시 실행이 가능하여 로컬 인프라 구성이 심플해진다.

마무리

현재 초기 파워 유저를 모집 중이다.
현재 프로젝트 초기 단계라서 커뮤니티 빌딩에 꽤 공을 들이는 모습이다. 깃허브 스타(Star) 요청과 함께, 초기 '파워 유저'를 찾고 있다는 내용이 메일의 핵심이었다.

단순히 툴을 던져주는 게 아니라, 신청하면 파운더와 직접 화상 콜을 잡고 현재 고민 중인 유즈케이스를 분석해 준다고 한다. 거기에 맞춰 XMem을 어떻게 워크플로우에 통합할지 직접 세팅까지 도와준다고 하니, 에이전트 기반 자동화 시스템을 기획 중이라면 한 번쯤 이야기해 볼 만한 기회 같다.

조만간 리포지토리를 클론해서 Distrobox에 한 번 올려보고 조금더 디테일하게 테스트를 해봐야겠다. 관심 있는 분들은 아래 링크들 참고하세요.

• XMem GitHub 리포지토리: https://github.com/XortexAI/Xmem
• 파워 유저 신청 (파운더와 미팅 잡기): https://cal.com/ishaan.xmem

✍ Written with Marklog