EverMind가 AI 에이전트용 오픈소스 메모리 런타임 EverOS를 Apache 2.0 라이선스로 공개했다. LLM(대규모 언어 모델)은 본질적으로 상태를 저장하지 않아 세션이 끝나면 대화 맥락이 사라지는 한계가 있다. EverOS는 이 문제를 벡터 데이터베이스 대신 일반 마크다운(Markdown) 파일에 메모리를 기록하는 방식으로 접근한다. 저장된 파일은 에이전트가 세션을 넘나들며 읽고 편집하고 검색할 수 있는 기준 데이터가 된다.
저장 구조는 마크다운 파일, 상태 관리용 SQLite, 벡터·BM25·스칼라 필터링을 통합 처리하는 LanceDB 세 요소로 구성된다. MongoDB나 Elasticsearch 같은 대형 미들웨어가 필요 없어 소규모 팀이 낮은 운영 비용으로 도입할 수 있다. 검색은 단일 LanceDB 쿼리에서 키워드 기반 BM25, 고밀도 벡터 검색, 스칼라 필터링을 동시에 수행하는 혼합 방식으로 작동한다. EverMind는 이 검색 방식을 mRAG(멀티모달 RAG)로 부른다. 파일을 편집하면 파일 감시자가 인덱스를 자동 재동기화해 검색 결과가 최신 상태를 유지한다.
EverOS의 핵심 차별점은 절차적 메모리 기능이다. 에이전트가 완료한 각 작업을 케이스(Case)로 기록하고, 반복적으로 성공한 패턴은 오프라인에서 재사용 가능한 스킬(Skill)로 정제한다. 스킬은 에이전트 팀 전체에 자동으로 공유된다. 버전 1.1.0에서는 오프라인 에피소드 클러스터를 병합하고 프로필과 스킬을 세션 간에 정제하는 Reflection 기능도 추가됐다. EverMind가 보고한 벤치마크 성능은 LoCoMo 93.05%, LongMemEval 83.00%, HaluMem 93.04%이며 p95 검색 지연 시간은 500ms 미만이다. 다만 이 수치는 EverMind 자체 보고 수치이므로 독립 검증이 필요하다.
EverOS는 Python 3.12 이상에서 동작하는 로컬 퍼스트 런타임으로, FastAPI HTTP API와 CLI를 함께 제공한다. 엔드포인트가 OpenAI 프로토콜과 호환돼 OpenAI, OpenRouter, vLLM, Ollama 등 다양한 공급자와 설정 URL 변경만으로 연동된다. 자체 호스팅이 부담스러운 팀을 위한 EverOS Cloud 관리형 옵션도 제공하며, 두 옵션이 동일한 SDK와 메모리 형식을 공유한다.
저작권자 © STORIUM 무단전재 및 재배포 금지
