{{< resource-info >}}

AI Agent 메모리 영속화 2026: Letta vs Mem0 vs A-MEM #

Meta Description: 메모리 없는 Agent는 매번 0에서 다시 시작합니다. 멀티 세션 워크로드에서 Letta, Mem0, A-MEM 실측. 누가 진짜 컨텍스트를 유지하는지, 비용은 어떤지, 언제 직접 만들어야 하는지.

영속 메모리는 Agent를 ‘도구’에서 ‘파트너’로 바꾸는 분기점입니다. 2025-2026년 동안 세 개의 OSS 프레임워크가 진지한 선택지로 떠올랐습니다. 본 글에서는 같은 멀티 세션 워크로드로 세 가지를 모두 테스트합니다.

⚡ TL;DR #

Letta: OS 스타일 메모리 계층(core / archival / recall). 가장 정교함.

Mem0: 개발자 편의성 최고. 기존 Agent에 빠르게 메모리를 추가할 때 최선.

A-MEM: 능동적 망각 + 감쇠를 갖춘 연구 지향. 장기 실행 Agent에 최선.

건너뛸 때: 단순한 일회성 작업. 대신 MCP memory server를 쓰세요.

세 가지 접근법 #

Letta (구 MemGPT) #

Stars: 약 13K. 스택: Python. 모델: OS에서 영감을 받은 계층. Core memory(컨텍스트 내), archival memory(벡터 DB), recall memory(페이지된 히스토리). Agent가 자기 메모리를 직접 편집.

Mem0 #

Stars: 약 8K. 스택: Python. 모델: 단순한 add/search API. 메모리 항목은 요약 + 벡터화된 사용자 진술. 개발자 편의성 최고.

A-MEM #

Stars: 약 3K. 스택: Python(학계 출신). 모델: 감쇠가 있는 능동적 망각. 최근 메모리에 더 높은 가중치. 장기 실행 Agent에 유리.

테스트: 10세션 멀티턴 워크로드 #

코딩 어시스턴트 Agent로 2주에 걸쳐 10 세션을 시뮬레이션했습니다. 추적 지표:

• 메모리 유지 정확도 (Session 1에서 설정한 사용자 선호를 Agent가 기억하는가?)
• 메모리 레이어가 추가하는 지연
• 셋업 시간
• 비용(토큰 사용 + DB)

유지 정확도(정확히 회상된 사실의 비율) #

평가: Letta가 장기 유지 최강. A-MEM이 세션 간 가장 안정적.

추가 지연 #

평가: Mem0이 가장 가벼움. Letta가 가장 무거움(정교함 ↑ = 쿼리 ↑).

셋업 시간 #

평가: Mem0이 가장 빠른 통합.

각각의 사용 시점 #

Letta가 이기는 경우: #

• 멀티턴 Agent가 같은 사용자를 수개월 이상 응대
• 메모리 복잡도가 중요(우선순위, 변화하는 선호)
• 프로덕션 완성도를 위해 셋업 시간을 투자할 수 있음

Mem0이 이기는 경우: #

• 기존 Agent에 빠르게 메모리 추가
• 단순한 “이 사실들을 기억해” 워크플로
• 개발자 편의성이 중요함

A-MEM이 이기는 경우: #

• 장기 실행 Agent에 감쇠가 필요(오래된 사실의 관련성 하락)
• 연구 / 실험
• 메모리 다이내믹스를 튜닝하고 싶음

전용 메모리 레이어를 건너뛸 때: #

• 일회성 작업
• 단일 세션 워크플로
• 단순 “사용자 이름 기억하기” — MCP memory server 사용

구현 현실 #

Mem0(가장 단순)으로 기존 Agent에 메모리 추가하기:

from mem0 import Memory
m = Memory()
m.add("User prefers TypeScript over JavaScript", user_id="alice")
m.add("User's project uses pnpm not npm", user_id="alice")

# Later session
relevant = m.search("What package manager?", user_id="alice")
# Returns: "User's project uses pnpm not npm"

relevant을 Agent 컨텍스트에 주입. 끝.

Letta는 통합이 더 무겁지만 정교한 계층을 얻을 수 있습니다.

비용 영향 #

메모리 프레임워크는 실제 비용을 추가합니다:

• 새 메모리 임베딩: add당 $0.0001-0.0005
• 턴당 검색: $0.0002-0.001
• 벡터 DB 호스팅: 월 $20-100

유료 사용자를 응대하는 Agent에는: 매출 대비 사소함. 무료/취미 Agent에는: 눈에 띔. 예산을 그에 맞춰 잡으세요.

추천 인프라 #

메모리 프레임워크 + 벡터 DB 호스팅:

• DigitalOcean — $200 크레딧
• HTStack — 홍콩 VPS

제휴 링크 — 가격 동일, dibi8.com을 지원합니다.

결론 #

정교한 프로덕션 Agent에는 Letta. 기존 Agent에 빠른 통합은 Mem0. 감쇠가 필요한 장기 실행은 A-MEM. 셋 다 같은 문제를 다른 방식으로 풉니다 — 우선순위에 따라 고르세요.

단순한 경우엔 MCP memory server로 충분합니다. 과한 설계는 금물. 전용 메모리 프레임워크의 복잡도는 메모리 품질이 실제 제품 차별화 요소일 때만 가치 있습니다.

관련 글: AI Agent 메모리 시스템 2026 · MCP Servers 2026 랭킹 · 오픈소스 AI Agent 프레임워크 Top 10