Claude Code 에이전트용 3계층 메모리 시스템 구축으로 세션 간 컨텍스트 지속성과 의미 기반 검색 및 에이전트별 접근 제어 구현

Context

Claude의 내장 메모리는 감사 추적, 버전 관리, 에이전트별 스코핑이 불가능하며 자동 추출되는 팩트만 저장된다. 세션이 끝나면 이전 결정사항과 컨텍스트가 손실되어 매번 설정과 선호도를 재설명해야 한다.

Technical Solution

• CLAUDE.md 파일 기반 기초 계층: 홈 디렉토리의 전역 ~/.claude/CLAUDE.md와 프로젝트별 CLAUDE.md에 역할, 인프라 개요, 규칙을 정적 설정으로 저장
• 디렉토리 기반 워킹 메모리: ~/.claude/memory/ 디렉토리 구조(shared/, agents/{dev,research,ops})에 90일 TTL의 마크다운 노트를 frontmatter 형식으로 저장
• memsearch 플러그인 도입: sentence-transformers 사용 로컬 벡터 임베딩으로 마크다운 인덱싱 후 세션 시작 시 관련 컨텍스트 자동 주입 및 Stop 훅으로 세션 요약 자동 저장
• qmd 검색 도구 추가: BM25 키워드 매칭과 벡터 임베딩 및 LLM 리랭킹을 결합하여 기술 문서에서 정확한 용어 검색 가능하도록 MCP 인터페이스 제공
• Graphiti 기반 지식 그래프: 엔티티 관계를 매핑하여 메모리 간 연결성 자동 구성(선택사항)

Impact

memsearch 임베딩 시간이 GPU 가속(Vulkan 사용, AMD Radeon 780M iGPU) 활용으로 3분 이상에서 1분 미만으로 단축되었다. 10분 설정으로 전체 메모리 시스템 가치의 70%를 확보 가능하다.

Key Takeaway

AI 에이전트와 협업할 때 지속적인 컨텍스트와 의미 기반 검색, 에이전트별 스코핑을 계층화된 메모리 아키텍처로 구현하면 세션 간 일관성을 유지하면서 불필요한 정보 노출을 방지할 수 있다.