Markdown 기반 Local-first Memory Layer를 통한 AI Agent 컨텍스트 유지 체계 구축

Building a Local Markdown Memory Layer for AI Agents

Gowtham2026년 5월 11일9분intermediate

AI 요약

Context

AI Agent 세션마다 반복되는 프로젝트 설정 및 의사결정 맥락 설명으로 인한 컨텍스트 소모 발생. 블랙박스 형태의 hosted memory 서비스가 아닌, 사용자가 직접 제어하고 검증 가능한 투명한 memory layer의 필요성 증대.

Markdown 기반 Local-first 저장 구조를 채택하여 데이터의 투명성과 사용자 제어권 확보
Raw Sources → Structured Wiki → Retrieval로 이어지는 LLM Wiki 패턴을 적용한 정보 정제 파이프라인 설계
Raw, Sources, Concepts, Entities, Memories로 세분화된 디렉토리 구조를 통해 정보의 성격에 따른 계층적 저장 체계 구축
단순 텍스트 저장을 넘어 Scope, Source, Review Status 등 메타데이터를 포함한 Memory Lifecycle 관리 로직 구현
MCP(Model Context Protocol) 서버 연동을 통해 Agent가 직접 Memory 도구를 호출하고 갱신하는 인터페이스 제공
SQLite FTS를 인덱싱 레이어로 활용하여 대규모 로컬 파일 내 고속 검색 성능 확보

실천 포인트

1. Agent의 기억 저장소를 불투명한 DB 대신 사람이 읽을 수 있는 Markdown 등으로 설계하여 검증 가능성 확보

2. 단순 저장(Write)과 정제된 기억(Remember) 단계를 분리하여 정보 밀도 최적화

3. Memory의 생명주기(생성-검토-검증-폐기)를 정의하는 메타데이터 체계 도입

4. MCP와 같은 표준 프로토콜을 활용해 Agent가 스스로 기억을 쿼리하고 업데이트하는 도구 세트 제공

태그