안녕하세요.
이번 시간에는 Memory MCP의 정의 및 종류, Model Context Protocol 공식 GitHub 저장소에서 제공하는 레퍼런스 Memory MCP인 modelcontextprotocol/server-memory를 Cursor AI에 적용하는 방법에 대해 설명 드리도록 하겠습니다.
1. Memory MCP 정의
Memory MCP란 쉽게 말해 AI 에이전트에게 영구적인 기억 장치를 달아주는 로컬/클라우드 서버입니다.
AI가 사용자와 대화를 나누면서 알게 된 중요한 사실(Fact), 선호도, 기술 스택, 트러블슈팅 경험 등을 단순한 채팅 기록이 아니라 '지식 그래프(Knowledge Graph)'나 '벡터(Vector)' 형태의 구조화된 데이터로 추출하여 별도의 데이터베이스나 로컬 파일에 영구적으로 저장합니다.
이후 AI는 답변을 생성하기 전에 스스로 search_nodes나 read_graph 같은 도구(Tool)를 호출하여, 현재 상황에 필요한 과거의 기억만 쏙쏙 빼와서(Context Injection) 답변의 퀄리티를 극대화합니다.
＊ 기존 AI 채팅 기록과는 뭐가 다를까?
- 프로젝트(Workspace)의 경계 초월: 에디터의 기본 대화 기록은 해당 프로젝트 창을 닫으면 끝입니다. 하지만 Memory MCP를 쓰면 A 프로젝트에서 겪은 버그 해결 경험을 B 프로젝트에서도 AI가 기억하고 적용해 줍니다.
- 핵심만 기억하는 효율성: 수천 줄의 잡담과 코드 찌꺼기가 섞인 채팅 히스토리를 전부 뒤지는 것이 아닙니다. [사용자] -> [선호함] -> [TypeScript] 처럼 요약된 사실만 저장하므로 검색 속도가 빠르고 토큰 소모가 적습니다.
- 에디터 독립성: Cursor에서 저장한 메모리를 Windsurf나 다른 터미널 AI 에이전트에서도 동일하게 불러와 활용할 수 있습니다.
2. Memory MCP 종류
현재 GitHub와 AI 커뮤니티에서 가장 주목받는 Memory MCP는 5가지 정도가 있습니다.
① 공식 Memory MCP (modelcontextprotocol/server-memory)
- 특징: MCP 공식 진영에서 제공하는 레퍼런스 서버.
- 장점: 복잡한 DB 설치 없이 로컬 환경에 JSON 파일 하나로 지식 그래프를 구성합니다. 가장 가볍고 세팅이 직관적이어서 처음 입문할 때 강력히 추천합니다.
② Mem0 MCP (mem0ai/mem0-mcp)
- 특징: 메모리 관리에 특화된 Mem0 API 기반의 범용 서버.
- 장점: 코딩 선호도뿐만 아니라 일반적인 대화에서의 의도와 맥락을 시맨틱하게 검색하는 데 탁월하며, 클라우드 연동이 유연합니다.
③ MCP Memory Service (doobidoo/mcp-memory-service)
- 특징: 다중 AI 에이전트 간의 '기억 공유'를 위한 영구 백엔드.
- 장점: SQLite, ChromaDB 등 실제 데이터베이스를 연동할 수 있어 덩치가 큰 아키텍처나 여러 에이전트가 동시에 작업하는 환경에 적합합니다.
④ Cognee MCP (topoteretes/cognee)
- 특징: 지식 그래프와 벡터 스토어를 결합한 엔터프라이즈급 메모리 프레임워크.
- 장점: 단순 대화를 넘어 방대한 외부 문서를 구조화하고 복잡한 RAG(검색 증강 생성) 파이프라인을 구축할 때 뛰어난 성능을 발휘합니다.
⑤ Obsidian MCP (bitbonsai/mcp-obsidian)
- 특징: 유명 지식 관리 툴인 '옵시디언(Obsidian)'을 AI의 뇌로 쓰는 서버.
- 장점: 내가 마크다운으로 정리해 둔 설계도, 일일 회고록 등을 AI가 직접 읽고 참조합니다. 내 눈으로 직접 메모리 상태를 보고 수정할 수 있다는 것이 최고의 매력입니다.
＊ 어떤 서버를 선택해야 할까?
만약 AI 코딩을 막 시작했고 복잡한 설정이 싫다면 공식 Memory MCP를 Cursor에 연동해 보는 것으로 충분합니다. 반면, 팀 단위로 AI 에이전트를 운영하거나 개인 지식 베이스(PKM)와 완벽하게 연동하고 싶다면 Obsidian MCP나 Mem0 MCP가 훌륭한 대안이 될 것입니다.
3. 공식 Memory MCP(modelcontextprotocol/server-memory) 적용 가이드(with Cursor AI)
이번 글에서는 Cursor AI에 Memory MCP(modelcontextprotocol/server-memory)를 적용하는 방법에 대해 공유 드리겠습니다.
① Add Custom MCP 클릭
Cursor AI 실행 -> Cursor Settings(Ctrl + Shift + J) -> Tool & MCPs 로 이동 후 Add Custom MCP 클릭
② mcp.json 수정
mcp.json 파일에 아래 MCP 설정 입력 후 저장
mcp.json :
{
"mcpServers": {
"memory": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-memory"
],
"env": {
"MEMORY_FILE_PATH": "C:/Users/[본인의 계정 이름]/.global_memory/memory.json"
}
}
}
}
③ memory mcp 상태 확인
Installed MCP Servers에 memory mcp 가 enableld 상태로 바뀌면 정상 설치 완료
4. modelcontextprotocol/server-memory 핵심 메서드
modelcontextprotocol/server-memory은 다양한 메서드를 제공하는데요. 사용자는 해당 메서드를 직접 prompt 창에 칠 필요 없이, 자연어로 명확하게 지시만 해주면 AI가 알아서 알맞은 메서드로 번역해서 실행합니다.
① 기억을 찾아볼 때 (검색 강제하기)
- ❌ "mcp_memory_search_nodes 실행해서 DB 설정 찾아줘" (불필요하게 복잡함)
- ✅ "내 메모리에서 지난번 설정한 DB 접속 정보 검색해서 알려줘."
- ✅ "메모리 뒤져서 내가 선호하는 CSS 프레임워크가 뭔지 확인해 봐."
②기억을 저장할 때 (저장 강제하기)
- ❌ "create_entities로 현재 코딩 스타일 저장해"
- ✅ "지금 우리가 정리한 이 API 응답 구조, 중요하니까 네 메모리에 영구적으로 저장해 둬."
③ 핵심 메서드
- search_nodes: 지식 그래프 내에서 특정 텍스트나 쿼리와 일치하는 엔티티(노드)를 검색합니다. AI가 과거 대화에서 특정 인물이나 프로젝트, 기술 스택을 찾을 때 사용합니다.
- read_graph: 지식 그래프의 전체 구조 또는 특정 메모리 덩어리를 읽어옵니다. 엔티티 간의 관계를 파악하여 더 넓은 문맥을 이해할 때 사용합니다.
- open_nodes: 특정 노드의 상세 정보를 바로 열어서 확인합니다.
- create_entities: 지식 그래프에 새로운 개념, 사람, 사물 등의 엔티티(노드)를 생성합니다.
- create_relations: 두 엔티티 사이의 관계를 생성합니다. (예: [사용자] --관심있음--> [Memory MCP])
- add_observations: 기존 엔티티에 새로운 사실이나 관찰 결과를 덧붙여 기억을 업데이트합니다.
5. 용량 제한이 있을까?
기본적으로 '설정상'의 하드 리미트(Hard Limit)나 엄격한 용량 제한은 없습니다.
공식 Memory MCP(@modelcontextprotocol/server-memory)는 데이터를 로컬 파일(주로 JSON 형식)에 텍스트 기반으로 저장합니다.
- 텍스트 데이터의 특성상 수만 건의 노드(Node)와 관계(Relation)를 기록하더라도 실제 파일 크기는 몇 MB에서 수십 MB 수준으로 매우 작습니다.
- 따라서 현대의 컴퓨터 하드디스크 용량을 고려할 때, 일반적인 개발 과정에서 생성되는 메모리로는 물리적인 용량 부족을 겪을 일이 사실상 없습니다.
하지만 주의해야 할 '성능적 한계'는 존재합니다. 기억 데이터베이스(JSON 파일)가 너무 방대해지면, AI가 search_nodes나 read_graph 도구를 사용해 정보를 검색할 때 로컬 파일을 읽고 파싱하는 시간이 길어지거나, 연관성 낮은 정보까지 뭉텅이로 검색되어 답변 품질이 떨어질 수 있습니다.
＊ 팁: 만약 나중에 기억 데이터가 너무 커져서 성능 저하가 우려된다면 앞서 소개했던 doobidoo/mcp-memory-service 처럼 SQLite나 벡터 DB 등을 사용하는 고성능 메모리 서버로 마이그레이션 하는 방법이 있습니다.
6. 참고 자료
- https://github.com/modelcontextprotocol/servers/tree/main/src/memory
- https://skywork.ai/skypage/ko/MCP-Server-Memory:-AI-%EC%97%94%EC%A7%80%EB%8B%88%EC%96%B4%EB%A5%BC-%EC%9C%84%ED%95%9C-%EC%8B%AC%EC%B8%B5-%EB%B6%84%EC%84%9D/1972114548975570944
댓글