저자가 Ebbinghaus Forgetting Curve 기반 메모리 API인 Smara를 개발하여 AI Agent 간 기억 공유 문제를 해결한 사례

Context

Claude Code, Cursor, Codex 등 AI 도구들이 각기 격리된 메모리를 가져 세션 간 사용자 정보를 기억하지 못하는 문제가 있다. 기존 RAG 방식은 벡터 유사도로만 검색하여 오래된 기억이 최근 기억보다 높은 순위를 받는 시간이 인식되지 않는 한계를 가졌다.

Technical Solution

• Ebbinghaus 방정식 R = e^(-t/S) 를 적용하여 메모리 강도 S에 따른 지수적 기억 감쇠를 구현했다
• importance 점수(0~1)로 중요 메모리는 느리게 감쇠하고 사소한 정보는 빠르게 사라지도록 설계했다
• relevance × recency × reinforcement 공식을 통해 검색 시 관련성, 시간성, 접근 빈도를 종합 평가한다
• MCP Server를 통해 Claude Code, Cursor, Windsurf에 자동 연결하고 OpenAI API 호환으로 Codex, ChatGPT도 지원한다
• 모든 플랫폼에서 단일 메모리 풀 공유로 도구 전환 시에도 기억이 유지된다

Impact

구체적 수치는 없으나 기존 Flat retrieval 대비 Agent 대화가 데이터베이스 조회 느낌에서 실제 인지와 같은 느낌으로 변화했다고 보고했다

Key Takeaway

시간의 중요성을 수학적 공식으로 구현한 Ebbinghaus 감쇠가 AI Agent 메모리의 핵심 문제인 시간 인식 부재를 해결하며, 크로스 플랫폼 메모리 공유가 기억 과학보다 실용적 가치를 갖는다