발표에서 확인된 핵심 사실

새로운 세션을 시작할 때마다 AI에게 코딩 컨벤션을 다시 설명하는 일은 개발자가 겪는 고질적인 피로감이다. 이러한 반복을 해결하기 위해 범용 AI 에이전트가 사용자의 컨벤션과 프로젝트 역사를 기억하게 만드는 메모리 시스템 Monet(모네)가 등장했다. 이 시스템은 사용자가 선호하는 구현 방식과 작업 과정에서 내린 결정, 그리고 발견한 패턴과 이슈를 기록한다. 이를 통해 AI 에이전트는 프로젝트의 내부 맥락을 속속들이 파악하고 있는 전담 엔지니어처럼 동작한다.

데이터 관리는 100% 로컬 환경에서 이루어지며 네트워크 연결이나 텔레메트리를 전혀 사용하지 않는다. 온디바이스 임베딩 방식을 사용하며 모든 메모리 데이터는 `~/.monet` 경로의 SQLite 파일 하나에 저장한다. 사용자는 이 파일을 직접 열어 내용을 확인하거나 필요에 따라 백업 및 내보내기를 수행할 수 있다. 내부 엔진은 비공개 컴파일 바이너리로 구성되지만, 외부 연동 인터페이스는 표준 MCP(Model Context Protocol, 모델 컨텍스트 프로토콜)를 채택했다.

표준 MCP를 지원하는 Claude Code, Cursor, Codex 등 다양한 AI 에이전트에서 즉시 연동하여 사용할 수 있다. 이는 대규모 레거시 코드베이스를 다룰 때 직면하는 컨텍스트 윈도우의 물리적 한계를 넘어서는 메모리 인프라를 제공한다. 에이전트가 스스로 판단해 중요한 결정 사항을 기록하고 우선순위에 따라 불러오는 구조를 갖췄다. 개발자는 반복적인 지침 입력 없이도 프로젝트의 역사적 맥락이 반영된 결과물을 얻는다.

기술이 실제로 작동하는 방식

명시적인 저장 명령이 기억의 유일한 수단은 아니다. Monet은 사용자가 "이거 기억해"라고 지시하지 않아도 작업 과정에서 내린 결정과 발견한 패턴, 마주친 이슈를 스스로 판단해 기록하는 쓰기 구조를 가진다. 에이전트가 작업 흐름 속에서 무엇이 중요한지 스스로 결정해 기록함으로써 기록의 누락을 방지한다. 읽기 단계에서는 단순한 키워드 검색 방식에서 벗어나 실제 문제 해결에 기여했던 기억을 우선적으로 노출해 효율을 높인다. 단순히 일치하는 단어를 찾는 것이 아니라, 과거에 실제로 많이 참조되었거나 해결책이 되었던 기억을 먼저 불러오는 방식이다. 이러한 메커니즘은 에이전트가 단순한 저장소를 넘어 스스로 판단하는 메모리 관리자로 동작하게 한다.

현재의 최적화된 구조는 세 차례의 설계 변경을 거쳐 도출됐다. 초기 단계에서는 에이전트가 작업하며 배운 내용을 마크다운 파일 하나에 기록하고, 새 세션을 시작할 때 해당 파일을 포함하는 단순한 방식을 사용했다. 이후 4개월 전에는 MCP(Model Context Protocol, AI 모델과 데이터 소스를 연결하는 표준 인터페이스)를 기반으로 에이전트가 읽고 쓰는 시스템을 구축하며 팀 공유 기능까지 염두에 뒀다. 하지만 개발팀은 몇 주 전 팀 공유라는 목표를 내려놓고 개인이 매일 사용할 때의 경험에만 집중해 Monet을 처음부터 다시 만들었다. 팀 단위의 확장성보다 "내가 진짜 매일 쓸 수 있는가"라는 개인의 실질적 사용 경험을 극대화하는 방향으로 시스템 전체를 재설계했다.

확인해야 할 핵심 지점

개발자가 코드 한 줄을 수정하기 위해 연관 로직 열 개를 일일이 대조하며 시간을 보내는 상황이 빈번하다. 수백만 줄의 코드가 얽힌 복잡한 앱에서는 단순한 기능 구현보다 사이드 이펙트(Side Effect, 코드 수정으로 인해 예상치 못한 곳에서 발생하는 부작용)를 찾는 과정이 훨씬 까다롭다. 에이전트가 수십 개의 파일을 헤매며 로직을 탐색하다 실수를 반복하면 컨텍스트 윈도우의 크기는 더 이상 단순한 바이트 단위의 용량 문제가 아니라 인프라의 한계로 작용한다. 메모리가 없는 상태에서는 연관 로직 확인과 부작용 탐색이 어려워 작업 진행 자체가 불가능해지며, 결국 메모리는 작업 가능 여부를 결정하는 필수 인프라가 된다.

실제 환경에 적용하기 위한 설치 하네스는 [GitHub](github.com/team-monet/with-monet)에 Apache-2.0 라이선스로 공개되어 있으며 누구나 무료로 사용할 수 있다. Apache-2.0 라이선스 기반의 오픈소스로 제공되는 하네스는 사용자가 비용 부담 없이 시스템을 구축할 수 있는 경로를 제공한다. 엔진 자체는 비공개 컴파일 바이너리 형태로 배포되어 내부 로직은 가려져 있지만, 외부 시스템과 소통하는 연동 인터페이스는 표준 MCP(Model Context Protocol, AI 모델과 데이터 소스를 연결하는 표준 규격)를 채택했다. 개발자는 공개된 하네스를 통해 시스템에 접근하고 표준 규격에 맞춰 에이전트의 메모리 기능을 통합하며 효율적으로 시스템을 운용한다.

새 세션을 열 때마다 코딩 컨벤션을 다시 입력하던 소모적인 과정이 사라진다. MCP 표준 인터페이스와 로컬 SQLite 기반의 Monet은 에이전트가 스스로 판단해 맥락을 관리하는 인프라를 제공한다. 이는 컨텍스트 윈도우의 물리적 한계로 인해 포기했던 대규모 레거시 코드베이스의 작업 가능성을 결정짓는 핵심 요소가 된다. 공개된 하네스를 통해 시스템에 접근하고 메모리 기능을 통합하는 실행력이 곧 코드베이스 관리의 경쟁력이 된다.