Open source memory layer so any AI agent can do what Claude.ai and ChatGPT do

개요

Stash는 AI 에이전트가 이전 대화, 학습된 지식, 목표 등을 기억하게 하여 ChatGPT나 Claude.ai와 같은 기능을 제공하는 오픈소스 메모리 레이어입니다.

주요 내용

• Stash의 기능: AI 에이전트가 사용자의 선호도, 과거 실수, 장기 프로젝트 목표 등을 기억하게 하여 반복적인 설명이나 동일한 오류 재발을 방지합니다.
• 작동 방식: AI 에이전트와 세계 사이에 지속적인 인지 계층을 제공하며, 에피소드, 사실, 관계, 패턴, 목표, 실패, 가설 등으로 지식을 구성합니다.
• Namespaces: 메모리를 폴더처럼 계층적으로 구성하여 사용자 정보, 프로젝트별 정보, 에이전트 자체 지식 등을 분리하고 관리합니다. /projects 네임스페이스에 쓰면 하위 모든 프로젝트의 정보가 자동으로 포함되고, /projects/stash 등 특정 네임스페이스에 정확하게 쓰는 것이 가능합니다.
• Stash vs RAG: RAG(Retrieval Augmented Generation)가 문서 검색 엔진이라면, Stash는 경험을 통해 성장하는 "마음"을 제공합니다. RAG는 주어진 문서를 기반으로 작동하지만, Stash는 대화, 결정, 성공, 실패 등 AI 에이전트의 모든 경험을 학습하고 지식 그래프를 구축하며, 목표 추적, 인과관계 추론, 자기 교정 기능을 수행합니다.
• 차별점: Claude.ai, ChatGPT 등 일부 플랫폼에 국한된 메모리 기능과 달리, Stash는 어떤 AI 모델(로컬 모델 포함), 어떤 플랫폼에서든 사용할 수 있으며, 데이터 소유권, 오픈소스, 백그라운드 통합, 목표 추적, 실패 학습, 인과관계 추론, 에이전트 자체 모델링 등 더 깊은 기능을 제공합니다.
• 설정 및 통합: Docker Compose를 통해 PostgreSQL, pgvector, Stash를 포함한 환경을 3가지 명령어로 빠르게 설정할 수 있습니다. MCP(Multi-Agent Communication Protocol)를 네이티브로 지원하여 Claude Desktop, Cursor 등 MCP 호환 에이전트에 5분 이내로 통합할 수 있습니다.
• 에이전트 자체 모델: Stash는 에이전트가 자신의 능력, 한계, 선호도를 스스로 학습하고 유지하도록 지원하는 /self 네임스페이스를 생성합니다.
• 자율 루프: AI 에이전트가 과거 메모리를 기반으로 스스로 주제를 선택하여 조사하고, 새로운 연결을 만들며, 학습한 내용을 통합하는 5분 단위의 연구 루프를 실행하여 지속적으로 발전하게 합니다.
• 모델 연동: OpenRouter를 통해 GPT, Claude, Gemini, Mistral 등 수백 개의 모델에 접근하거나, Ollama, vLLM, LM Studio 등 로컬에서 실행되는 모델과도 연동하여 사용할 수 있습니다.

시사점

Stash는 AI 에이전트의 기억력 부족 문제를 해결하고, 개인화 및 지속적인 학습을 가능하게 하여 AI 에이전트의 실질적인 유용성을 크게 향상시킬 잠재력을 가지고 있습니다.