Tencent의 Team Memory: 에이전트가 메모리를 공유한다면 누군가는 그것을 책임져야 한다

Tencent의 최신 오픈소스 릴리스를 가장 쉽게 읽는 방식은 데이터 이야기로 만드는 것이다. 중국 클라우드 벤더가 팀의 집단 기억을 보관하는 시스템을 내놓았다. 그다음 헤드라인은 스스로 완성할 수 있다. 그런데 그 해석은 틀렸다. 실제 저장소를 5분만 보면 왜 그런지 알 수 있다.

8월 13일 Tencent Cloud는 TencentDB Agent Memory를 개인용 편의 기능에서 공유 팀 인프라로 확장하는 대규모 업데이트 Team Memory를 발표했다. 나는 직접 실행해 본 것이 아니라 발표와 저장소를 읽었다. 그러니 현장 보고가 아니라 데스크 리서치로 봐주길 바란다. 무엇인지, 왜 “팀”이 진짜 이야기인지, 그리고 서구 독자가 가장 먼저 떠올릴 걱정이 왜 엉뚱한 곳을 겨누는지 정리해 보자.

핵심 요점 - Team Memory는 TencentDB Agent Memory를 개인 장기 메모리에서 공유 팀 자산으로 확장한다. 채팅 이력, 질의 가능한 위키 형태의 문서, 그래프로 만든 코드 저장소, 재사용 가능한 형태로 증류한 스킬을 접근 제어 뒤에 둔다. - 이름과 달리 데이터베이스가 아니다. SQLite와 벡터 검색을 사용하는 로컬 우선 TypeScript 서비스 묶음이며 MIT 라이선스다. Anthropic 자체 API 프로토콜을 사용해 Claude Code와 연결된다. - 기본 배포는 모든 것을 사용자의 환경에 남겨 두므로 반사적으로 나오는 “내 데이터가 중국으로 간다”는 걱정은 대부분 해당하지 않는다. 남는 위험은 거버넌스, 중국어 중심 커뮤니티, 선택형 Tencent Cloud VectorDB 경로다. - 공유 메모리는 공유 공격 표면이기도 하다. 메모리 오염 연구에 따르면 손상된 항목은 세션을 넘어 전파된다. 여기서는 설계상 동료들의 에이전트까지 전파될 수 있다. - 벤더 벤치마크 주장은 자체 보고다. GitHub 관심도는 실제다. 8월 27일 기준 별 24,900개를 조금 넘었다. 하지만 서구권 개발자 채택은 그 숫자가 암시하는 것보다 훨씬 얇아 보인다.

무슨 일이 있었나

2026년 8월 13일 Tencent Cloud는 5월에 오픈소스로 공개한 TencentDB Agent Memory의 두 번째 주요 릴리스 Team Memory를 발표했다. 발표와 저장소를 기준으로 한 핵심 사실은 다음과 같다.

• 팀 메모리는 네 가지 자산 유형으로 조합된다. Chat Memory(과거 에이전트 대화), LLM-Wiki(자연어로 질의할 수 있는 프로젝트 문서), Code Graph(저장소 구조, 심볼, 호출 경로), Skills(완료된 문제 해결 세션이나 코드 리뷰를 재사용할 수 있게 증류한 것)다.

• 새 콘솔 Memory Hub가 팀, 에이전트, 작업을 관리하며 각 메모리 항목에는 소유자, 버전, 상태, 사용 이력이 붙는다. 권한은 사용자, 역할, 에이전트 단위로 적용되고 비공개부터 팀 전체까지 범위를 정할 수 있다.

• 자산은 역할별로 조합된다. 버그 수정 에이전트는 Code Graph와 과거 문제 해결 스킬을 받고, 요구사항 에이전트는 위키와 비즈니스 컨텍스트를 받는다.

• Tencent의 CodeBuddy, OpenClaw, Claude Code 등 여러 에이전트 플랫폼에서 작동한다. 코드 릴리스(v2.0.0)는 뉴스룸 발표보다 10일 앞선 8월 3일에 올라왔다.

보존할 가치가 있는 주장은 이식성에 관한 것이다. “기반 모델이나 에이전트 프레임워크가 바뀌더라도 Team Memory에 축적된 경험은 완전히 호환된다”는 것이다. Tencent는 프로젝트가 첫 90일 동안 GitHub 별 20,000개를 넘었고 GitHub Trending 1위에 여러 차례 올랐다고도 말한다. 현재 별 개수는 검증할 수 있다. 내가 8월 27일 확인했을 때 24,912개였고, 7월 4일 제3자 추적기가 기록한 7,200개와 비교하면 성장 궤적은 그럴듯하다. Trending 주장은 Tencent 자체 글로만 거슬러 올라가고 확인할 방법이 없으니 마케팅으로 분류하겠다.

Tencent Cloud의 Team Memory는 오픈소스 TencentDB Agent Memory 프로젝트를 개인용에서 팀용으로 확장해 대화, 문서, 코드, 증류된 스킬을 Claude Code를 포함한 플랫폼에서 거버넌스가 적용된 메모리 자산으로 구성한다. 2026년 8월 13일 발표에 따른 내용이다. GitHub에서 2026년 8월 27일 확인한 저장소 별 수는 24,912개였다.

실무자 관점에서 보면 실제로 무엇인가

먼저 이름부터 보자. TencentDB Agent Memory는 데이터베이스가 아니고 PostgreSQL 기반도 아니며, 의미 있는 수준에서 TencentDB 기술을 사용하는 것도 아니다. MemoryCore, MemoryKnowledge, MemoryPanel, MemoryProxy로 구성된 TypeScript 서비스 모음으로, 로컬 SQLite에 저장하고 벡터 검색에는 sqlite-vec를 쓴다. 확장이 필요하면 Tencent Cloud VectorDB를 선택적으로 사용할 수 있다. TencentDB라는 이름은 브랜드 인접성에 가깝다. Tencent 데이터베이스 팀이 예전에 실제 인프라도 오픈소스로 공개한 적은 있다. 2019년의 TBase, 현재 OpenTenBase가 그 예다. 하지만 이번 것은 그 조직이 만든 애플리케이션 계층 프로젝트이고 실제로 그렇게 동작한다.

별 모으기 프로젝트라고 치부하기에는 아키텍처도 꽤 고민돼 있다. 메모리는 원시 대화에서 안정적인 페르소나 수준 사실까지 여러 층으로 증류된다. 검색은 항목 수와 시간 예산 안에서 BM25 키워드 검색과 벡터 검색을 섞는다. 주입되는 컨텍스트를 작게 유지하는 방식이다. 가장 영리한 부분은 Memory Proxy다. 에이전트와 모델 사이에 앉아 Anthropic과 OpenAI API 프로토콜을 모두 사용하고, 관련 메모리를 시스템 프롬프트에 주입한다. Claude Code 입장에서는 플러그인도 훅도 MCP 서버도 필요 없다. 클라이언트는 프록시가 있다는 사실조차 알 필요가 없다.

또한 포부만 적어둔 README가 아니라 실제 소프트웨어다. 한 명령으로 Docker 배포가 가능하고 TypeScript 및 Python SDK, OpenAPI 문서, 이중 언어 문서가 있으며 매일 커밋이 올라온다. 기본 브랜치가 main이 아니라 feat/server_team이라는 점은 아직 얼마나 빠르게 움직이는지 보여준다.

TencentDB Agent Memory는 sqlite-vec를 사용하는 SQLite 저장, 계층형 메모리 증류, BM25와 벡터를 결합한 하이브리드 검색을 갖춘 로컬 우선 TypeScript 서비스 묶음이다. Memory Proxy는 Anthropic과 OpenAI API 프로토콜을 사용하므로 Claude Code가 플러그인이나 MCP 서버 없이 장기 메모리를 받아볼 수 있다. 2026년 8월 28일 확인한 프로젝트 README에 따른 내용이다.

왜 “팀”이 진짜 이야기인가

에이전트 메모리는 지금까지 대부분 혼자 하는 게임이었다. 가장 많은 투자를 받은 Mem0는 2025년 10월 2,400만 달러를 유치했고 AWS의 에이전트 SDK에서 메모리 제공자로 쓰인다. Zep의 Graphiti는 사실을 삭제하지 않고 무효화하는 시간형 지식 그래프를 만든다. Letta는 각 에이전트가 스스로 관리하는 계층형 메모리를 제공한다. 세 제품 모두 한 에이전트가 자기 과거를 기억하는 문제를 중심에 둔다.

2026년 8월 27-28일 확인한 가장 주목받는 오픈소스 에이전트 메모리 프로젝트 네 곳의 GitHub 별 수: Mem0, Graphiti, TencentDB Agent Memory, Letta. Tencent의 프로젝트는 다른 것보다 몇 년이나 더 젊다.

Team Memory가 거는 베팅은 메모리의 단위가 곧 에이전트가 아니라 팀이 된다는 것이다. 실제 업무에 에이전트를 쓰는 사람이라면 이 제품이 이름 붙인 문제를 안다. 매 세션마다 프로젝트 배경을 다시 설명하고, 지난달 발견한 해결책은 아무도 재구성하지 못하며, 효과 있었던 방법은 한 사람의 Claude Code 이력 속에만 남아 있다. Tencent의 답은 이 모든 것을 소유자, 버전, 권한이 있는 관리 자산으로 다루고 서로 다른 에이전트 역할에 서로 다른 조각을 조합하는 것이다.

마지막 부분이 정말 새롭다. “비공개”가 팀 관리자조차 읽을 수 없다는 뜻이고, 한 개발자가 증류한 문제 해결 스킬을 검토한 뒤 특정 에이전트나 사람에게만 공유할 수 있는 접근 제어 모델은 메모리를 팀 인프라로 보는 방식이다. 서구권 프로젝트 중 어느 것도 이것을 핵심 제품으로 제공하지 않는다. 그들은 더 좋은 노트를 판다. 이것은 잠금 정책이 있는 공동 문서함이 되려 한다.

Mem0, Zep, Letta는 모두 한 에이전트가 자신의 이력을 기억하는 문제를 중심으로 한다. Team Memory는 대신 대화, 문서, 코드 그래프, 증류된 스킬을 사용자별, 역할별, 에이전트별 권한을 가진 거버넌스형 팀 자산으로 다루고 작업별로 조합한다. Tencent Cloud 발표와 저장소 문서에 따른 내용이다.

공유 두뇌는 공유 표적이기도 하다

발표가 길게 다루지 않은 부분이다. 더 큰 컨텍스트 창이 기억 문제를 해결하지 못했기 때문에 메모리라는 기능이 존재한다. Chroma의 context rot 연구는 18개 최첨단 모델에서 입력이 길어질수록, 컨텍스트 창이 가득 차기 훨씬 전부터 성능이 떨어지는 모습을 보여줬다. 그래서 모두가 메모리를 만들고 있고, 보안 연구도 왜 이것이 민감한 문제인지 따라잡았다. OWASP의 에이전트형 위협 가이드는 메모리 오염을 명시적으로 지목한다. 장기 저장소를 한 번 오염시키면 이후 모든 세션이 그 오염을 물려받는다.

이제 그 저장소를 공유한다고 생각해 보자. 오염된 문제 해결 스킬은 다음 주 내 에이전트 하나만 잘못 이끄는 것이 아니다. 설계상 그 스킬을 공유받은 모든 에이전트와 팀원을 잘못 이끈다. 팀의 대화, 문서, 코드 구조, 작업 방식을 한 저장소에 모아두는 것은 공격자 관점에서는 원하는 모든 것이 잘 정리된 목록이기도 하다. Tencent의 완화책은 실제로 존재하지만 절차적이다. ACL 모델로 누가 무엇을 읽는지 제한하고, 스킬은 공유 전에 검토하도록 설계해 기계가 증류한 콘텐츠에 사람이 개입한다. 그 통제는 결국 뒤에 있는 검토 습관만큼만 강하다.

이 중 어느 것도 쓰지 말라는 이유는 아니다. 거버넌스 기능이 곧 제품이라는 이유다. “어떤 에이전트가 어떤 메모리를 읽을 수 있는가”는 에이전트 거버넌스 전반에서처럼 스택의 다른 어떤 접근 정책과도 같은 무게로 다뤄야 한다.

OWASP의 에이전트형 AI 위협 가이드를 포함한 에이전트 보안 연구는 오염된 장기 메모리가 이후 세션을 잘못 이끄는 메모리 오염을 별도의 공격 유형으로 본다. 공유 팀 메모리 저장소는 설계상 그 위험을 동료와 에이전트 전체로 확장하므로 공유 전 검토 워크플로와 접근 제어가 핵심 기능이 된다.

중국 관련 질문, 솔직하게 답하기

먼저 배포 가정을 분명히 하겠다. 여기에 따라 답이 완전히 달라지기 때문이다. MIT 라이선스이며 로컬 우선인 오픈소스 버전을 셀프 호스팅하면 데이터는 자신의 환경에 남는다. 저장은 로컬 SQLite이고, LLM 엔드포인트는 사용자가 설정하며, Tencent Cloud 계정도 필요 없다. 이 경로에서는 중국 벤더가 팀의 메모리를 보관한다는 반사적인 걱정이 해당하지 않는다. 기본 배포에서 그 걱정은 잘못된 걱정이라고 분명히 말할 가치가 있다.

실제로 남는 우려는 더 조용하다. 선택형 Tencent Cloud VectorDB 경로를 택하면 Tencent 클라우드에 연결되므로 별도의 결정으로 봐야 한다. 저장소에는 OpenTelemetry 계측이 들어 있다. 이런 시스템을 배포하기 전에 감사하는 것은 정상적인 보안 위생이지 의혹 제기가 아니다. 커뮤니티는 중국어 중심이다. 토론, 튜토리얼, 대부분의 추진력이 중국어권에 있다. 그리고 언젠가 엔터프라이즈 지원이 필요하다면 중국 벤더에게 구매하게 되며 일부 조직에서는 그에 따른 조달 대화가 필요하다.

별 개수보다 커뮤니티의 모양을 잘 보여주는 숫자가 하나 있다. 프로젝트는 GitHub 별이 25,000개에 조금 못 미치지만 이달 초 Hacker News 제출 글은 2점에 댓글이 하나도 없었다. 별은 실제지만 무게 중심은 국내에 있다. 서구 팀에는 도움을 어디서 받을 수 있는가에 대한 주의점이다. 해외 진출을 준비하는 중국 팀에는 이 도구가 이곳 팀들의 실제 업무 방식에 맞춰 만들어졌다는 신호다. 그 자체로 하나의 구축 대 구매 고려사항이다.

MIT 라이선스 TencentDB Agent Memory를 셀프 호스팅하면 사용자가 설정한 모델 엔드포인트와 로컬 SQLite를 사용하고 Tencent Cloud 계정 없이 데이터를 자신의 환경에 유지할 수 있다. 저장소 문서에 따른 내용이다. 남는 고려사항은 선택형 Tencent Cloud VectorDB 경로, 일반적인 의존성 감사, 중국어 중심 커뮤니티와 지원 채널이다.

지금 무엇을 해야 하나

에이전트 메모리를 검토 중이라면 세 가지를 이 순서대로 하자.

1. 오늘: 발표문만 보지 말고 저장소를 읽어라. 실제 설계는 아키텍처 문서와 ACL 모델에 있고, 직접 만져보고 싶다면 Docker 배포도 한 명령이다.

2. 이번 주: 중요하지 않은 저장소 하나와 에이전트 하나로 실행해 보고 증류 계층이 실제로 무엇을 남기는지 보라. Tencent는 PersonaMem 점수가 48%에서 76%로 올랐다고 보고하지만 독립적으로 재현한 곳은 없다. 벤더 벤치마크는 자신의 말뭉치를 대신하지 못한다.

3. 이번 달: 실제 자료를 가져오기 전에 접근 정책을 적어라. 어떤 메모리가 비공개인지, 어떤 것은 팀 전체인지, 증류된 스킬을 공유하기 전에 누가 검토하는지 정하라. 도구는 통제를 제공하지만 정책은 당신 몫이다.

하지 말아야 할 것도 두 가지 있다. 정책이 생기기 전에 독점 코드를 공유 저장소에 넣거나 고객 대화를 가져오지 마라. 나중에 권한을 붙이는 것은 메모리가 없는 것보다 더 나쁘다. 또 별 개수를 서구권 준비 상태의 신호로 읽지 마라. 함께 디버깅하게 될 커뮤니티는 대부분 중국어로 글을 올린다. 아직 더 초기 단계이고 에이전트를 어디에 쓸지부터 고민 중이라면 에이전트형 아키텍처 글부터 시작하라.

자주 묻는 질문

TencentDB Agent Memory는 실제로 데이터베이스인가?

아니다. 이름과 달리 로컬 SQLite와 벡터 검색에 저장하는 TypeScript 서비스 묶음으로, 에이전트와 호출 대상 모델 사이에 놓인다. TencentDB라는 이름은 만든 팀을 반영할 뿐 사용 기술을 뜻하지 않는다. 확장을 위한 선택형 Tencent Cloud VectorDB 통합은 있지만 기본 배포에는 데이터베이스 서버 자체가 필요 없다.

TencentDB Agent Memory가 데이터를 Tencent Cloud로 보내나?

기본 셀프 호스팅 구성에서는 아니다. MIT 라이선스이고 SQLite에 로컬 저장하며 사용자가 설정한 LLM 엔드포인트를 호출한다. Tencent Cloud 계정도 필요 없다. 예외는 선택형 Tencent Cloud VectorDB 통합이며, 이는 기본 동작이 아니라 사용자가 의도적으로 선택하는 경로다.

Claude Code와 작동하나?

그렇다. 메커니즘도 깔끔하다. Memory Proxy가 Anthropic과 OpenAI API 프로토콜을 사용하므로 Claude Code, Tencent의 CodeBuddy, OpenClaw가 설치할 플러그인, 훅, MCP 서버 없이 시스템 프롬프트를 통해 주입된 메모리를 받는다. 에이전트가 모델 엔드포인트 대신 프록시를 바라보게 하면 된다.

TencentDB Agent Memory는 Mem0와 어떻게 다른가?

Mem0가 서구권에서 더 자리 잡은 선택지다. 더 오래됐고, 더 많은 투자를 받았으며(2025년 10월 2,400만 달러 유치), AWS의 에이전트 SDK에도 통합돼 있다. TencentDB Agent Memory는 더 젊고 기본이 로컬 우선이며, 차별점은 팀 수준 거버넌스다. 소유자, 버전, 권한, 역할 기반 조합이 있다. 문제의 핵심이 에이전트 하나가 기억하는 것이라면 둘 다 쓸 수 있다. 팀이 메모리를 안전하게 공유하는 것이 문제라면 Tencent 쪽이 그 문제를 중심으로 만들어졌다.

결론

Team Memory는 데이터베이스로 더 잘 알려진 팀이 만든 젊고 빠르게 움직이는 프로젝트다. 벤더 벤치마크와 Trending 주장 모두 평소처럼 할인해서 받아들여야 한다. 하지만 그 아래의 설계 감각은 맞다. 에이전트가 실제 팀 업무를 하기 시작하면 메모리는 개인 편의 기능이기를 멈추고 소유자, 권한, 검토가 필요한 공유 인프라가 된다. 오픈소스 프로젝트 중 Tencent가 먼저 그 지점에 도달했고, 누구에게도 데이터를 보내지 않고 자체 하드웨어에서 실행할 수 있는 형태로 만들었다. 내가 지켜볼 것은 별 개수가 계속 오르는지가 아니다. 공유 전 검토라는 규율이 바쁜 팀의 현실과 부딪혔을 때도 살아남는지다. 여기서 제대로 된 시스템이 되거나 조용히 부채가 된다.

공유 에이전트 메모리를 자신의 스택 어디에 둘지 고민하고 있다면, 나는 이런 주제를 고객과 정기적으로 논의한다. 연락해 달라.

출처

• Tencent Cloud, “TencentDB Agent Memory, Team Memory 출시”: https://www.tencentcloud.com/dynamic/news-details/101465 (2026년 8월 13일 게시, 2026년 8월 28일 확인)

• TencentCloud, TencentDB-Agent-Memory 저장소: https://github.com/TencentCloud/TencentDB-Agent-Memory (2026년 8월 28일 확인, 별 및 포크 수는 2026년 8월 27일 확인)

• MarkTechPost, “Tencent Cloud, TencentDB Agent Memory v2.0 오픈소스로 공개”: https://www.marktechpost.com/2026/08/07/tencent-cloud-open-sources-tencentdb-agent-memory-v2-0/ (2026년 8월 7일 게시, 2026년 8월 28일 확인)

• Open Source For You, “Tencent Cloud Agent Memory v2”: https://www.opensourceforu.com/2026/08/tencent-cloud-agent-memory-v2/ (2026년 8월 게시, 2026년 8월 28일 확인)

• PR Newswire via Morningstar, “Mem0, 2,400만 달러 유치”: https://www.morningstar.com/news/pr-newswire/20251028sf07039/mem0-raises-24m-series-a-to-build-memory-layer-for-ai-agents (2025년 10월 28일 게시, 2026년 8월 28일 확인)

• Mem0 저장소: https://github.com/mem0ai/mem0 (2026년 8월 28일 확인)

• Zep, Graphiti 저장소: https://github.com/getzep/graphiti (2026년 8월 28일 확인)

• Letta 저장소: https://github.com/letta-ai/letta (2026년 8월 28일 확인)

• Chroma, “Context Rot: 입력 토큰 증가가 LLM 성능에 미치는 영향”: https://research.trychroma.com/context-rot (2025년 7월 게시, 2026년 8월 28일 확인)

• OWASP, “에이전트형 AI 위협과 완화책”: https://genai.owasp.org/resource/agentic-ai-threats-and-mitigations/ (2026년 8월 28일 확인)

• OpenTenBase(이전 TBase): https://www.opentenbase.org/en/ (2026년 8월 28일 확인)

• Wikimedia Commons, 표지 이미지 “아프리카사바나코끼리”(GFDL 1.2, Muhammad Mahdi Karim): https://commons.wikimedia.org/wiki/File:African_Bush_Elephant.jpg (2026년 8월 28일 확인)