AI 에이전트가 대화 세션이 끝나면 이전 맥락을 잊어버리는 고질적인 문제가 있습니다. 사용자 선호도, 과거 결정, 언급된 이름 등 중요한 정보들이 사라져 매번 새로운 대화를 시작하는 것과 다름없었습니다. 이러한 문제를 해결하기 위해 일반적으로는 벡터 데이터베이스, 임베딩 파이프라인, 검색 서비스 등 복잡한 인프라를 구축해야 했지만, 최근 순수 타입스크립트로 개발된 임베디드 메모리 엔진 '리메모리(rememori)'가 등장하며 이러한 복잡성을 크게 줄였습니다.
리메모리는 '기억(remember)', '회상(recall)', '망각(forget)'이라는 세 가지 핵심 API를 제공합니다. 텍스트와 임베딩(embedding), 태그, 추출된 개체(entity)를 저장하고, 유사도, 공유 개체, 사용자 피드백, 중요도, 시간 경과 등을 종합적으로 고려하여 관련성 높은 정보를 회상합니다. 특히 v0.7부터는 '강화(reinforce)' 및 '강등(demote)' 기능을 추가하여 기억의 정확도를 높였습니다. 올라마(Ollama) 같은 로컬 임베딩 모델이나 OpenAI 호환 엔드포인트를 자유롭게 연결할 수 있으며, 단일 파일 저장(Node.js, Bun) 또는 IndexedDB(브라우저)를 통해 서버 없이 로컬에서 모든 작업을 처리합니다. 핵심 코어는 약 8KB에 불과하며, 의존성(dependency)이 전혀 없어 어디서든 가볍게 실행될 수 있습니다.
이러한 로컬 우선(local-first) 접근 방식은 여러 면에서 중요한 의미를 가집니다. 첫째, 사용자 데이터가 기기 외부로 전송되지 않아 개인 정보 보호 및 규제 준수(compliance)에 유리합니다. 의료, 금융 등 민감한 정보를 다루는 분야에서 특히 유용합니다. 둘째, 서버 인프라 구축 및 유지보수 비용이 없어 개발 및 운영 효율성이 극대화됩니다. 셋째, 라즈베리 파이(Raspberry Pi)와 같은 저사양 기기에서도 AI 에이전트가 기억력을 가질 수 있게 되어 홈 자동화나 게임 내 NPC(Non-Player Character) 등 다양한 임베디드 환경으로 AI 적용 범위를 넓힐 수 있습니다. 리메모리는 다중 사용자 서버나 클라우드 서비스가 아닌, 프로세스 내부에 메모리 기능을 내장하려는 개발자들에게 강력한 도구가 될 것입니다.