Mem0 vs Zep vs TencentDB Agent Memory: 2026 완전 비교

2026년 상반기, Agent Memory(에이전트 메모리 계층)는 「선택적 플러그인」에서 벡터 DB·모델 라우팅과 나란한 인프라로 자리 잡았습니다. Coding Agent가 세션을 넘어 사용자 선호, 프로젝트 제약, 실패한 CI 설정을 기억해야 하거나, 고객 지원 Agent가 「지난달 고객이 한 말」과 「지금의 사실」을 구분해야 할 때, 채팅 기록을 context window에 넣는 것만으로는 부족합니다.

이 글은 2026년 논의가 가장 많았던 세 가지 솔루션을 가로 비교합니다: Mem0(오픈소스 + 관리형 메모리 계층), Zep(Graphiti 기반 엔터프라이즈 시계열 지식 그래프), TencentDB Agent Memory(Tencent 오픈소스 기호화 단기 + 계층형 장기 메모리). 아키텍처, 검색 지연, 토큰 경제성, 프레임워크 통합, 컴플라이언스, 팀 거버넌스를 다루고 바로 적용할 수 있는 선정 결정 트리를 제시합니다.

* 벤더 공개 벤치마크·기술 문서 데이터. 작업 유형·데이터 규모에 따라 실제 효과는 다릅니다.

2026년에 Memory 계층을 별도로 선정해야 하는 이유

LLM context window는 커지고 있지만, 크다고 잘 기억하는 것은 아닙니다. 프로덕션에서 흔한 세 가지 실패:

1. 세션 드리프트: 3일 전 「TestFlight 베타만」이라고 했는데, 오늘 Agent가 App Store 정식 출시를 제안.
2. 도구 로그가 컨텍스트 폭발: xcodebuild나 E2E 테스트 출력이 수만 토큰을 차지해 유용한 비즈니스 메모리를 밀어냄.
3. 평면 RAG 오검색: 벡터 DB가 「폐기된 옛 요구사항」과 「현재 스프린트 목표」를 함께 가져옴.

Memory 계층의 역할은 세션 간 상태를 prompt에서 분리해 구조화 저장 + 정밀 검색으로 다시 채우는 것입니다. 문서 RAG 및 DeepSeek Coding Agent 선정에서 논의한 「누가 코드를 쓰는가」와 상호 보완: 모델은 추론, Memory는 지속 컨텍스트를 담당합니다.

평가 프레임워크: 다섯 가지 핵심 지표

Mem0 / Zep / TencentDB 한 줄 정의

• Mem0: 「임의 Agent에 꽂을 수 있는 메모리 계층」— MIT 오픈소스, 관리형은 요청당 과금. 2026년 4월 신규 알고리즘은 단일 패스 ADD 추출 + 다중 신호 융합 검색 강조.
• Zep: 「엔터프라이즈 Context Lake」— 오픈소스 엔진 Graphiti가 이중 시계열 지식 그래프 구축. 관리형 검색 sub-200ms 목표. 사실 버전 관리·출처 추적에 강함.
• TencentDB Agent Memory: 「더 큰 창이 아니라 더 나은 메모리 구조」— Mermaid 기호화 단기 메모리 + L0→L3 장기 피라미드. OpenClaw 및 국내 클라우드 스택에 깊이 통합.

핵심 역량 대조표

아키텍처 심층: 세 가지 메모리 철학

Mem0: 압축 + 다중 신호 검색

Mem0 설계 철학은 「파이프라인은 덜 건드리고, 메모리 계층을 두껍게」: Agent 프레임워크는 기존대로 orchestrate, Mem0가 옆에서 extract → consolidate → retrieve. 2026년 OSS README가 강조하는 신규 알고리즘:

• Single-pass ADD-only 추출: LLM 1회 호출로 쓰기, 제자리 덮어쓰기 없음—쓰기 증폭 감소.
• Multi-signal retrieval: 의미 벡터 + BM25 키워드 + 엔티티 링크 병렬 점수 융합.
• Temporal Reasoning: 「지금 어디 사는지」「지난주 회의에서 뭐라 했는지」류 쿼리에 시간 인식 랭킹.

관리형 Pro($249/월)에서 Graph Memory로 엔티티 관계 추적. 벡터 메모리만 필요하면 Growth $79로 충분한 경우가 많음. Docker Compose로 풀스택 기동—K8s 보유 팀에 적합.

from mem0 import Memory
m = Memory()
m.add("사용자는 TestFlight 베타 선호, App Store 정식 출시 불필요", user_id="u_42")
hits = m.search("배포 채널 선호?", user_id="u_42")

Zep: 이중 시계열 지식 그래프

Zep 차별점은 「사실은 만료되지만, 역사는 잃으면 안 된다」. Graphiti는 각 엣지에 두 가지 시간 축 유지:

• Valid time: 현실 세계에서 사실이 참이었던 기간;
• Transaction time: 시스템이 그 사실을 알게 된 시점.

새 정보가 옛 사실과 모순되면, 옛 엣지는 삭제되지 않고 invalid_at 표시—Agent는 「고객이 지금 쓰는 요금제」와 「3개월 전에 한 말」 모두 답변 가능. B2B 지원, 계정 변경, 컴플라이언스 감사에 매우 유용.

대가로 그래프 구축은 단순 벡터 쓰기보다 무거움: LLM 엔티티/관계 추출과 충돌 해소 필요. Zep 관리형은 p95 검색 200ms 이내; Graphiti 셀프호스팅은 Neo4j 운영·튜닝을 직접.

TencentDB: 기호화 단기 + L0–L3 장기

TencentDB Agent Memory가 해결하는, 자주 간과되는 두 가지 고충:

1. 단일 초장 작업: 도구 출력은 Context Offloading으로 외부 파일에 기록. 컨텍스트에는 고밀도 Mermaid 상태도만 유지. node_id로 세부를 원본 로그에 역추적(grep 증거 사슬 완전).
2. 세션 간 팀 지식: 대화를 L0 원본 대화 → L1 원자 사실 → L2 시나리오 블록(Markdown) → L3 사용자 프로필로 계층 정제—「비가역적 무차별 요약」 회피.

Tencent 기술 문서의 WideSearch류 실험: 토큰 최대 61.38% 절감, 작업 통과율 51.52% 상대 향상; PersonaMem 정확도 48% → 76%. OpenClaw 플러그인으로 로컬 SQLite 백엔드 제로 설정—OpenClaw로 원격 Mac 작업을 편성하는 팀에 최단 경로.

프레임워크 통합과 OpenClaw 실측 경로

세 솔루션의 통합 마찰은 크게 다릅니다:

Mem0: 세 줄로 임의 프레임워크 연결

Python / Node SDK. LangChain, AutoGen, 자체 FastAPI 게이트웨이와 연결. OmniRoute 멀티모델 게이트웨이 뒤에 통합 Memory 서비스를 두어 Claude Code, Cursor BYOK, Reasonix가 동일 사용자 프로필을 공유하는 구성에 적합.

Zep: User / Thread 모델 내장

SDK에 사용자·세션 관리 내장—자체 구현 한 겹 절약. 「한 사용자 ↔ 여러 Agent 스레드」 엔터프라이즈 어시스턴트에 적합. Graphiti 셀프호스팅은 이 부분을 직접 구현.

TencentDB: OpenClaw 원클릭 플러그인

README에 OpenClaw와 Hermes Gateway(포트 8420) 적합 안내. 전형 경로: 클라우드 Mac에서 OpenClaw Agent가 xcodebuild / 테스트 스크립트 실행, Memory 플러그인이 지난 세션 실패한 서명 설정·기기 UDID 기억—다음 세션 재설명 불필요. 팀급 Memory Hub(Chat Memory, Skill, Wiki, CodeGraph 4종 자산)는 빠르게 진화 중—업스트림 기여 의향 있는 얼리어답터용.

비용, 컴플라이언스, 운영

직접 청구(개인/소규모 팀, 2026년 8월 수준)

메모리 추출 자체가 LLM 호출—AI 프로그래밍 월 비용 글의 DeepSeek Flash 경로면 add 1회 수전(銭) 수준; Claude Opus 추출이면 메모리 계층이 Agent 본체보다 비쌀 수 있음. 실무적 접근: 추출은 소형 모델, 검색은 벡터/그래프 인덱스.

컴플라이언스 요약

• Mem0: SOC 2 Type I, HIPAA BAA(엔터프라이즈); 북미 의료/금융 파일럿에 적합.
• Zep: SOC 2; 데이터 거버넌스·API 감사 로그 강조.
• TencentDB: 데이터는 전부 자체 환경; 국내 등보·프라이빗 배포 친화. 해외 팀은 네트워크·라이선스 자체 평가.

선정 결정 트리와 조합 제안

만능 메모리 DB는 없습니다. Mem0는 생태계·온보딩 속도, Zep는 시계열 정확성, TencentDB는 장기 작업 기호화와 OpenClaw 네이티브 통합에서 강합니다. 성숙 팀은 결국 조합하는 경우가 많음: Zep로 고객 사실, Mem0로 개발자 선호, TencentDB로 OpenClaw 단발 작업 Mermaid 상태—게이트웨이 계층의 통일 user_id로 연결.

자주 묻는 질문

Mem0 Graph Memory와 Zep의 본질적 차이는?

Mem0 Pro 그래프는 주로 엔티티 관계로 검색 강화; Zep/Graphiti 그래프는 1급 데이터 모델로 이중 시계열·무효화가 핵심 시맨틱. 「특정 기간 관계가 성립했는가」 쿼리가 많으면 Zep 우선.

TencentDB는 Tencent Cloud 필수?

아님. 기본 로컬 SQLite로 단기+장기 메모리 end-to-end 실행 가능. TCVDB는 선택 확장, Tencent Cloud 기존 팀의 대규모 벡터 검색용.

Redis / Postgres만으로 메모리를 직접 만들 수 있나?

가능하지만 추출·중복 제거·시계열·검색 융합 바퀴를 재발명하게 됨. Mem0/Zep/TencentDB 가치는 Agent 메모리 함정을 이미 밟아 봤다는 점. 프로토타입은 DIY; 프로덕션은 거인의 어깨 위에.

RAG 문서 저장소와 역할 분담은?

문서(제품 매뉴얼, API spec)는 RAG; 사용자 대화 축적·작업 상태·선호는 Memory. prompt 조립 단계에서 병합—하나의 벡터 DB에 전부 맡기지 말 것.