Hyeong · 데이터·마케팅·개발 제너럴리스트

supermemory 뜯어보기 — AI에 장기 기억을 주는 엔진, 'Memory ≠ RAG'는 맞고 '벤치마크 1위'는 반만 믿자

18 min read

파이토치 한국(PyTorch Korea) 커뮤니티에서 supermemory를 소개하는 글을 봤다. “AI에 장기 기억을 준다”는 도구는 요즘 흔하다. 그런데 한 문장에서 멈칫했다.

Memory is not RAG.

이 문구가 걸려서 공식 저장소와 문서까지 파봤다. 그리고 README의 ‘벤치마크 3개 모두 1위’ 주장에서 한 번 더 멈칫했다. 그래서 이 글은 supermemory가 뭔지 정리하되, 공식 1차 출처로 교차검증하고 과장되기 쉬운 부분은 ⚠️로 짚는 방식으로 쓴다. (커뮤니티 소개글은 대체로 정확했지만, 출처·라이선스·벤치마크에서 짚어둘 게 몇 개 있었다.)

확인 기준은 2026년 6월 30일, supermemory의 GitHub README·docs·플러그인 저장소다. 미리 밝히면, 나는 개념과 구조를 뜯어본 것이지 벤치마크를 직접 재현하거나 프로덕션에 붙여본 건 아니다.

한눈에 — supermemory는 뭘 묶어주나?

flowchart TB
    subgraph CORE["supermemory = 컨텍스트 스택 (하나의 API)"]
      ME["Memory Engine<br/>사실 추출·모순 갱신·자동 망각"]
      UP["User Profiles<br/>static + dynamic"]
      HS["Hybrid Search<br/>RAG + Memory 한 쿼리"]
      CN["Connectors<br/>Drive·Gmail·Notion·GitHub…"]
      MM["Multimodal<br/>PDF·이미지(OCR)·영상·코드"]
    end
    A["💻 소비자 앱 (Nova) · 브라우저 확장"] --> CORE
    B["📦 SDK (npm / pip)"] --> CORE
    C["🖥️ 자가호스팅 단일 바이너리<br/>localhost:6767 · Ollama 오프라인"] --> CORE
    D["🔌 MCP 서버 / 플러그인"] --> CORE
    classDef c fill:#e7f5ff,stroke:#1c7ed6,color:#10548f;
    class ME,UP,HS,CN,MM c;

핵심은 “벡터 DB·임베딩·청킹을 직접 안 짜도, 사실 추출부터 검색까지 하나의 API로 처리” 한다는 것이다. 그리고 그 입구가 소비자 앱·SDK·자가호스팅·MCP로 네 갈래다.

‘Memory is not RAG’가 대체 무슨 뜻인가?

가장 마음에 걸렸던 문구이자, 사실 이 글에서 제일 건질 만한 개념이다. supermemory README의 표현을 그대로 옮기면 이렇다.

“Memory is not RAG. RAG retrieves document chunks — stateless, same results for everyone.”

여기서 RAG(검색 증강 생성) 는 질문과 관련된 문서 조각을 찾아 붙여주는 방식이다. 무상태(stateless)라, 같은 질문이면 누구에게나 같은 결과를 준다. 반면 메모리(memory) 는 사용자에 관한 사실을 시간축 위에서 추출·추적한다.

구분RAGMemory (supermemory)
상태무상태(stateless)사용자별 사실을 시간축으로 추적
결과누구에게나 동일사용자마다 개인화
하는 일문서 청크 검색사실 추출 · 모순 갱신 · 만료
예시”관련 문단을 찾아줌""샌프란시스코로 이사” → “뉴욕 거주”를 대체
flowchart LR
    C1["대화: '뉴욕에 산다'"] --> M[(사용자 메모리)]
    C2["대화: '방금 SF로 이사'"] --> M
    M --> R["최신 사실로 갱신<br/>(이전 정보 자동 대체)"]
    T["'내일 시험' 같은 임시 사실"] --> X["날짜 지나면 자동 만료"]
    classDef r fill:#fff3bf,stroke:#e67700,color:#8a5a00;
    class R,X r;

그리고 supermemory의 포인트는 둘 중 하나를 고르는 게 아니라, 한 쿼리에서 RAG와 메모리를 같이 돌린다(하이브리드)는 데 있다. 지식 베이스 문서 검색과 개인화된 맥락을 동시에 돌려준다.

⚠️ 출처를 정확히 적자. 이 ‘Memory is not RAG’ 프레이밍과 이 글의 세부 대부분은 공식 docs(supermemory.ai/docs/intro)가 아니라 GitHub README에 있다. docs/intro는 같은 containerTag(유저 ID)를 쓰면 Memory API·User Profiles·RAG가 컨텍스트 풀을 공유한다는 식으로 다소 다르게 설명한다. 인용할 땐 README를 출처로 명시하는 게 안전하다.

supermemory가 묶는 다섯 가지 — 무엇이 들어 있나?

README 기준 컨텍스트 스택은 다섯 조각이다.

구성요소하는 일메모
Memory Engine대화에서 사실 추출, 시간 변화·모순 처리, 만료 정보 자동 망각핵심 엔진
User Profiles안정적 장기 사실 + 최근 맥락을 합쳐 자동 유지profile.static + profile.dynamic, 한 번 호출 ~50ms
Hybrid SearchRAG와 메모리를 한 쿼리로searchMode: 'hybrid'(기본) / 'memories'
Connectors외부 데이터 실시간 웹훅 동기화Google Drive·Gmail·Notion·OneDrive·GitHub·Web Crawler
Multimodal Extractors업로드를 검색 가능한 청크로PDF·이미지(OCR)·영상(전사)·코드(AST 청킹)

User Profiles가 특히 영리하다. profile.static에는 “Acme의 시니어 엔지니어”, “Vim 사용” 같은 장기 사실이, profile.dynamic에는 “인증 마이그레이션 작업 중” 같은 최근 맥락이 담긴다. 한 번 호출로 둘 다 받아 시스템 프롬프트에 주입하면, 에이전트가 “상대가 누구인지”를 아는 상태로 대화를 시작한다.

⚠️ 수치를 섞지 말자. ‘~50ms’는 profile() 호출 기준이고, 랜딩 페이지가 광고하는 검색 지연은 별도로 ‘sub-300ms’다. 또 커넥터 목록은 출처마다 다르다 — README는 ‘Web Crawler’를 넣지만 랜딩 페이지는 대신 ‘S3’를 넣는 식이다. ‘실시간 웹훅 동기화’는 일관되게 확인되지만, 세부 목록은 페이지마다 갈린다.

코드 없이도, 코드로도 — 어떻게 쓰나?

입구가 세 갈래다(MCP는 다음 절에서 따로).

① 코드 없이: app.supermemory.ai에서 바로 쓴다. Nova라는 에이전트가 내장돼 메모리를 검색·정리하고, 브라우저 확장으로 평소 웹에서 기억을 남길 수 있다. 이 소비자 앱은 무료로 시작한다.

② SDK: npm·PyPI로 제공된다.

import Supermemory from "supermemory";
const client = new Supermemory();
 
// 사실 저장 (project 단위 컨테이너 태그로 분리)
await client.add({ content: "User loves TypeScript", containerTag: "user_123" });
 
// 프로필 + 관련 메모리를 한 번에
const { profile, searchResults } = await client.profile({
  containerTag: "user_123",
  q: "What style does the user prefer?",
});
// profile.static  → 안정적 장기 사실
// profile.dynamic → 최근 맥락

기억은 project(컨테이너 태그) 로 묶여, 업무용과 개인용을, 또는 클라이언트·저장소 단위로 맥락을 분리할 수 있다. “내일 시험” 같은 임시 사실은 날짜가 지나면 만료되고, 모순되는 정보는 자동으로 정리된다.

③ 자가호스팅(개인적으로 제일 끌린 부분): 단일 바이너리로 내 머신에서 통째로 돌린다.

curl -fsSL https://supermemory.ai/install | bash   # 또는: npx supermemory local
supermemory-server                                  # Memory API → http://localhost:6767
# 첫 부팅 시 API 키(sm_...) 생성, 데이터는 ./.supermemory 한 곳에 보관
# 모델은 자유: OpenAI·Anthropic·Gemini·Groq 또는 Ollama(gpt-oss:20b)로 '완전 오프라인'

데이터·자동화로 먹고사는 입장에서 이 경로가 가장 실용적이다. Ollama(gpt-oss:20b) 를 가리키면 데이터가 머신 밖으로 안 나가는 완전 오프라인 모드가 된다. 회사 데이터·PII를 다루는 워크플로에서 “메모리 레이어는 갖되 외부 전송은 막는다”는 선택지가 생긴다.

Claude Code에 붙이는 길은 둘, 헷갈리기 쉽다

여기가 소개글들이 자주 뭉뚱그리는 지점이다. supermemory를 Claude Code에 붙이는 길은 두 가지이고, 작동 방식이 다르다.

(A) 범용 MCP 서버(B) claude-supermemory 플러그인
설치npx -y install-mcp@latest https://mcp.supermemory.ai/mcp --client claude --oauth=yes/plugin marketplace add supermemoryai/claude-supermemory → /plugin install
작동도구 3종: memory(저장/망각)·recall(검색)·context(프로필 주입)훅(auto-capture·reasoned-recall) + 슬래시 명령(/supermemory:index, :status 등)
비용호스팅 메모리 사용실사용엔 Supermemory Pro 이상 필요

MCP 서버 쪽은 claude 자리에 cursor·windsurf·vscode를 넣으면 그 클라이언트에 붙는다.

⚠️ 두 경로를 한 문단에서 합치면 독자가 오해한다. install-mcp로 붙이는 memory/recall/context 도구는 ‘범용 MCP 서버’ 방식이고, claude-supermemory 플러그인은 마켓플레이스 설치 + 훅/슬래시로 동작하는 다른 길이다. 참고로 README상 memory 도구 설명은 ‘store/delete’가 아니라 ‘Save or forget information’ 이다(기능은 같아도 워딩이 다름). 그리고 이 플러그인은 ‘supermemory-plugins’ 마켓플레이스의 ‘supermemory’로 개명돼, 기존 ‘claude-supermemory’ 이름은 자동 업데이트되지 않는다.

프레임워크 래퍼도 넓다 — Vercel AI SDK·LangChain·LangGraph·OpenAI Agents SDK·Mastra·Agno·Claude Memory Tool·n8n. 기존 모델 호출을 withSupermemory로 감싸 메모리를 붙이는 식이다. n8n·LangGraph로 자동화를 짜는 사람이라면 여기에 메모리 레이어를 끼우는 그림이 그려진다.

그런데 ‘벤치마크 1위’는 믿어도 되나?

이 블로그를 쓰는 이유의 절반은 여기다. README는 이렇게 단언한다.

“Supermemory is state of the art across all major AI memory benchmarks: LongMemEval (81.6% — #1), LoCoMo (#1), ConvoMem (#1)“

벤치마크측정README 주장
LongMemEval세션 간 장기 기억(지식 갱신 포함)81.6% — 1위
LoCoMo긴 대화의 사실 회상1위(수치 미공개)
ConvoMem개인화·선호 학습1위(수치 미공개)

문구 자체는 정확히 README에 있다. 하지만 그대로 “1위”라고 옮기기 전에 세 가지를 같이 적어야 공정하다.

⚠️ (1) 이 수치는 supermemory가 자사 README에 적은 self-reported(벤더 자체 보고) 값이고, 어떤 출처에서도 독립·제3자 재현 결과는 확인되지 않았다. (2) 구체 점수는 LongMemEval(81.6%)만 있고 LoCoMo·ConvoMem은 숫자 없이 ‘#1’로만 적혀 있다. (3) 비교 프레임워크 MemoryBench 자체를 supermemory가 만들었다(저장소 supermemoryai/memorybench, 복합지표 MemScore). 자기가 만든 잣대에서 자기가 1등이라는 구조라 이해상충 소지가 있다. → ‘1위’는 README 원문대로 인용하되, 반드시 “벤더 자체 보고, 독립 검증 미확인” 으로 캐비엇하자. (커뮤니티 소개글이 ‘(self-reported in README)‘라고 표기한 건 올바른 처리였다.)

MemoryBench가 supermemory·Mem0·Zep을 같은 조건에서 비교하도록 오픈소스로 공개된 것 자체는 좋은 일이다. 다만 “벤더가 만든 벤치마크의 1위”는 마케팅과 측정을 분리해서 봐야 한다.

‘MIT 오픈소스’라는데, 어디까지 무료인가?

사용자가 단 mit-license 태그는 맞다. 그런데 ‘무료’의 경계는 생각보다 좁다.

flowchart TD
    MIT["MIT 라이선스 (코드)"] --> OSS["자가호스팅 단일 바이너리<br/>MemoryBench · 플러그인 저장소 코드"]
    PAID["Supermemory Pro 이상 (유료)"] --> HOST["호스팅 클라우드 제품<br/>개발자 플러그인 '실사용'"]
    FREE["무료"] --> APP["소비자 앱 (app.supermemory.ai) · OSS 자가호스팅"]
    classDef o fill:#e6fcf5,stroke:#0ca678,color:#0b6b50;
    classDef p fill:#ffe3e3,stroke:#e03131,color:#a01818;
    class OSS,APP o;
    class HOST p;

⚠️ 메인 저장소 supermemoryai/supermemory의 LICENSE는 MIT로 확정(파일이 ‘MIT License / Copyright (c) 2025 supermemory’). 하지만 (1) MIT는 ‘코드’에 적용되고 — 자가호스팅 바이너리·MemoryBench·플러그인 저장소 코드 — 호스팅 클라우드 제품과 개발자 플러그인의 실사용엔 ‘Supermemory Pro 이상’ 유료 구독이 필요하다(claude-supermemory·openclaw-supermemory README에 ‘Requires Supermemory Pro or above’ 명시). (2) 그 claude-supermemory 저장소엔 루트 LICENSE 파일이 없어(직접 요청 시 404), MIT가 README 문구로만 주장된다. 즉 “MIT니까 제품 전체가 공짜”는 과장이다. 무료의 경계는 OSS 자가호스팅 바이너리와 소비자 앱까지다. (Pro 구체 요금은 어떤 출처에서도 숫자를 확인하지 못했다.)

⚠️ 하나 더. 일부 소개가 Hermes(NousResearch/hermes-agent) 를 ‘supermemory 플러그인’으로 묶는데, Hermes는 Nous Research의 독립형 자기개선 에이전트이고 supermemory는 그 안의 선택적 메모리 공급자일 뿐이다(해당 README는 자체 메모리 Honcho·FTS5를 쓰며 supermemory를 언급하지도 않는다). supermemory 1군 플러그인은 Claude Code·OpenCode·Openclaw(표기 주의) 셋으로 보는 게 정확하다.

그래서, 나는 이걸 어떻게 볼까

flowchart LR
    USE["언제 쓸까"] --> A["개념 참고: Memory ≠ RAG,<br/>static/dynamic 프로필 설계"]
    USE --> B["실전: 자가호스팅 + Ollama<br/>오프라인 메모리 레이어"]
    USE --> C["통합: n8n·LangGraph 등에<br/>메모리 끼우기"]
    CARE["조심할 것"] --> D["'1위'는 벤더 자체 보고"]
    CARE --> E["'무료'는 코드/소비자앱 한정"]
    classDef u fill:#e6fcf5,stroke:#0ca678,color:#0b6b50;
    classDef k fill:#fff3bf,stroke:#e67700,color:#8a5a00;
    class A,B,C u;
    class D,E k;

정리하면 이렇다.

  • 개념은 건질 게 많다. ‘Memory ≠ RAG’, profile.static/profile.dynamic로 정적·동적 맥락을 나눠 시스템 프롬프트에 주입한다는 설계는, 내가 직접 메모리를 붙이든 안 붙이든 참고할 가치가 있다.
  • 가장 끌리는 건 자가호스팅 + 오프라인. localhost:6767에 Ollama를 물려 데이터가 밖으로 안 나가는 메모리 API는, 민감 데이터를 다루는 자동화에 현실적인 선택지다.
  • 마케팅은 반만 믿는다. ‘벤치마크 1위’는 벤더 자체 보고고, ‘MIT 무료’는 코드와 소비자 앱까지다. 핵심 기능은 결국 Pro 게이팅이라는 비즈니스 모델을 감안하고 도입을 판단하면 된다.

AI에 기억을 붙이는 흐름은 올해 들어 확실히 빨라졌다. supermemory는 그 흐름을 하나의 API로 깔끔하게 추상화했다는 점에서 볼 만하다 — 다만 숫자와 ‘무료’라는 단어는 출처를 보고 받아들이자.

참고자료

그래프 뷰