EverOS 1.1.0 출시: AI 에이전트를 위한 오픈 소스 메모리 운영체제에 지식 관리 기능 추가

AI 에이전트(AI agents)는 근본적인 문제를 안고 있습니다. 바로 대화가 끝나면 모든 것을 잊어버린다는 점입니다. 모든 새로운 세션은 백지 상태에서 시작되며, 이로 인해 사용자는 문맥(context), 선호도, 과거의 결정 사항을 다시 설명해야만 합니다. EverMind에서 개발한 오픈 소스 메모리 운영체제(memory operating system)인 EverOS는 3주 전 v1.0 출시 이후 이 문제를 해결해 왔습니다. 이제 2026년 6월 24일에 출시된 EverOS 1.1.0을 통해, 이 프로젝트는 일급 지식 관리(knowledge management), 성찰 오케스트레이션(reflection orchestration), 그리고 확장된 런타임(runtime) 기능을 도입하여 자율 에이전트(autonomous agents)를 위한 완전한 인지 아키텍처(cognitive architecture)에 한 걸음 더 다가섰습니다.

AI 에이전트에게 메모리 운영체제가 필요한 이유

새로운 기능들을 살펴보기 전에, EverOS가 왜 존재하는지 이해할 가치가 있습니다. Claude Code와 Codex부터 OpenClaw 및 Hermes에 이르기까지 현대의 AI 에이전트들은 단일 세션 내에서는 믿을 수 없을 정도로 유능하지만, 해당 세션이 종료되면 모든 문맥을 잃어버립니다. 모든 새로운 대화는 사용자와 프로젝트, 그리고 진행 중인 작업에 대한 에이전트의 이해를 다시 구축할 것을 요구합니다. 이러한 무상태성(statelessness)은 자율 에이전트가 진정으로 유용한 어시스턴트가 되는 것을 가로막는 가장 큰 병목 현상입니다.

EverOS는 에이전트가 세션, 플랫폼, 심지어 서로 다른 에이전트 도구 전반에 걸쳐 읽고 쓸 수 있는 **지속적이고 자기 진화하는 메모리 계층(persistent, self-evolving memory layer)**을 제공함으로써 이 문제를 해결합니다. EverOS는 인지 과학(cognitive science)에서 빌려온 네 가지 유형으로 메모리를 구성합니다: 일화적(episodic, 무엇이 일어났는가), 의미적(semantic, 일반 지식), 절차적(procedural, 어떻게 수행하는가), 그리고 프로필(profile, 사용자가 누구인가). 모든 메모리는 기본적으로 일반 Markdown 파일로 저장되어 개방적이고, 버전 관리가 가능하며, 어떠한 독점적인 형식에도 종속되지 않습니다.

이 프로젝트는 초기 공개 이후 3주 만에 **GitHub에서 9,600개 이상의 스타(stars)**와 810개의 포크(forks)를 확보하며 빠르게 탄력을 받고 있습니다. Apache 2.0 라이선스, 셀프 호스팅(self-hosted) 배포 옵션, 그리고 주요 에이전트 플랫폼(Hermes, Claude Code, Codex, OpenClaw, MCP 포함)과의 호환성 덕분에 프로덕션 에이전트 시스템을 구축하는 개발자들에게 인기 있는 선택지가 되었습니다.

EverOS 1.1.0의 새로운 기능

버전 1.1.0은 프로젝트 데뷔 이후 첫 번째 주요 기능 릴리스이며, 기본적인 에피소드 저장(episode storage)을 넘어 메모리 시스템을 대폭 확장합니다. 주요 추가 사항은 다음과 같습니다:

1. Knowledge APIs — 구조화된 문서 관리

1.1.0의 핵심 기능은 Knowledge APIs의 도입입니다. EverOS는 이미 에피소드 메모리(episodic memory, 대화 기록 및 에이전트 궤적)를 처리하고 있었지만, 새로운 Knowledge 시스템은 구조화된 문서(structured documents)를 위한 전용 저장 및 검색 기능을 추가합니다. 이제 에이전트는 전체 분류 체계(taxonomy) 지원을 통해 지식 문서(knowledge documents)를 생성, 목록화, 패치(patch), 삭제 및 검색할 수 있습니다.

이 기능이 강력한 이유는 지식이 단순히 저장되는 것에 그치지 않고, EverOS의 메모리 시스템을 구동하는 것과 동일한 하이브리드 검색 엔진(hybrid retrieval engine: BM25 + 벡터 검색(vector search) + 스칼라 필터링(scalar filtering))으로 인덱싱되기 때문입니다. 에이전트는 프로젝트 아키텍처 문서, 코딩 스타일 가이드 또는 고객의 브랜드 가이드라인을 지식 문서로 저장한 다음, 향후 세션 중에 시맨틱 검색(semantic search)을 통해 이를 검색할 수 있습니다. 지식 주제 검색(knowledge-topic search) 기능 덕분에 에이전트는 단순한 키워드 일치를 넘어 주제적 관련성(thematic relevance)을 바탕으로 문서를 찾을 수도 있습니다.

문서 위키(documentation wikis), 정책 핸드북(policy handbooks), 기술 사양서(technical specs)와 같이 장기적인 참조 자료가 필요한 에이전트 기반 애플리케이션(agent-based applications)을 구축하는 개발자들에게 Knowledge APIs는 EverOS를 생태계 내의 어떤 에이전트라도 프로그래밍 방식으로 접근할 수 있는 완전한 지식 관리 시스템(knowledge management system)으로 탈바꿈시켜 줍니다.

2. Reflection Orchestration — 시간이 지날수록 똑똑해지는 메모리

정제되지 않고 축적되기만 하는 메모리는 노이즈가 됩니다. EverOS 1.1.0은 에피소드 클러스터 (episode clusters)를 주기적으로 병합하고 정제하는 메커니즘인 **Reflection orchestration (성찰 오케스트레이션)**을 도입합니다. 모든 가공되지 않은 상호작용을 영구적으로 저장하는 대신, 이제 시스템은 관련 에피소드를 정제된 요약본으로 통합하고, 세션 전반에 걸친 패턴을 식별하며, 중복된 정보를 제거할 수 있습니다.

이는 자율 에이전트 (autonomous agent) 메모리 관리로 나아가는 결정적인 단계입니다. 1,000건의 고객 문의를 처리하는 지원 AI가 1,000건의 가공되지 않은 대화 기록을 모두 보유할 필요는 없습니다. 대신 패턴, 공통 해결책, 사용자 선호도를 압축된 재사용 가능 지식으로 정제해야 합니다. Reflection orchestration은 바로 이 역할을 수행합니다. 즉, 가공되지 않은 궤적 (raw trajectories)을 구조화되고 쿼리 가능한 지능 (queryable intelligence)으로 변환하는 **오프라인 통합 (offline consolidation)**을 가능하게 합니다.

이는 성공적인 에이전트 궤적 (Cases)이 오프라인 증류 (offline distillation)를 통해 재사용 가능한 기술 (Skills)로 자동 승격되는 EverOS의 기존 Self-Evolving Skills (자기 진화 기술) 파이프라인을 직접적으로 확장한 것입니다. 1.1.0 버전에서 reflection 레이어는 절차적 기술뿐만 아니라 에피소드 수준의 지식에 초점을 맞춘 두 번째 통합 경로를 추가합니다.

3. 확장된 OME Runtime

메모리 작업을 실제로 실행하는 엔진인 Open Memory Execution (OME) 런타임은 1.1.0에서 여러 업그레이드를 거쳤습니다. **Event IDs (이벤트 ID)**는 개발자에게 모든 메모리 작업에 대한 추적 가능성을 제공하여 디버깅과 감사를 용이하게 합니다. run-record storage migration (실행 기록 저장소 마이그레이션) 시스템을 통해 런타임은 기존 메모리 저장소를 깨뜨리지 않고 내부 데이터 구조를 진화시킬 수 있습니다. 구성 재로드 (Configuration reload) 동작도 개선되어, 전체 재시작 없이도 런타임 파라미터를 업데이트할 수 있습니다.

이러한 변화는 단순한 인프라 변경처럼 들릴 수 있지만, 가동 시간 (uptime)과 관찰 가능성 (observability)이 중요한 프로덕션 배포 환경에서는 매우 중요합니다. 다운타임 없이 디버깅, 업그레이드 또는 재설정이 불가능한 메모리 시스템은 프로덕션에 투입될 준비가 되지 않은 것입니다. EverOS 1.1.0의 OME 개선 사항은 이러한 격차를 직접적으로 해결합니다.

4. 더 나은 에이전트 메모리 격리 (Better Agent Memory Isolation)

에이전트 소유 메모리(agent-owned memory)를 위한 검색 및 검색(search and retrieval) 시스템이 크게 개선되었습니다. 서로 다른 에이전트가 서로 다른 메모리 범위(memory scopes)에 접근해야 할 수 있는 멀티 에이전트 설정(multi-agent setups)에서, 새로운 **소유자 유형 격리 (owner-type isolation)**는 한 에이전트의 기술, 사례 및 지식이 다른 에이전트의 컨텍스트(context)로 흘러 들어가지 않도록 보장합니다. 이는 서로 다른 역할과 접근 권한을 가진 여러 에이전트를 실행하는 모든 프로덕션 배포(production deployment)에 필수적입니다.

5. 더 깔끔한 에러 처리 (Cleaner Error Handling)

EverOS 1.1.0은 **타입화된 예외 핸들러 (typed exception handlers)**와 일관된 에러 엔벨로프(error envelopes)를 통해 전체 API 에러 표면(error surface)을 재설계했습니다. 이전에는 임베딩 제공자(embedding provider)가 잘못 설정되었을 경우 성능이 저하된 결과가 조용히 반환될 수 있었습니다. 이제는 제공자가 누락된 경우 명확한 설정 오류와 함께 명시적으로 실패를 알립니다. EverOS를 에이전트 워크플로(agent workflows)에 통합하는 개발자들에게 이는 더 빠른 디버깅과 원인 모를 실패의 감소를 의미합니다.

더 큰 그림: 에피소드 메모리(Episodic Memory)에서 완전한 인지 아키텍처(Cognitive Architecture)로

v1.0.0에서 v1.1.0로 이어지는 EverOS의 궤적은 명확한 로드맵을 보여줍니다. 버전 1.0.0은 마크다운 우선 저장(Markdown-first storage), BM25와 벡터 검색(vector search)을 결합한 하이브리드 검색(hybrid retrieval), 그리고 SQLite와 LanceDB를 사용하는 3부 구성 저장소(three-piece storage)라는 기반을 구축했습니다. 버전 1.0.1은 호출자 제공 식별자(caller-supplied identifiers) 및 마크다운 쓰기 격리(markdown write containment)에 대한 보안 강화(security hardening)를 추가했습니다.

1.1.0 버전과 함께, EverOS는 단순한 메모리 저장을 넘어 AI 에이전트를 위한 완전한 **인지 아키텍처 (cognitive architecture)**로 나아가고 있습니다. 지식 API(Knowledge APIs)는 에이전트에게 구조화된 정보를 관리하고 쿼리(query)할 수 있는 능력을 부여합니다. 성찰(Reflection)은 가공되지 않은 데이터를 정제된 지식으로 변환합니다. 이러한 기능들이 결합되어, 단순히 기억하는 것을 넘어 시간이 지남에 따라 학습하고, 합성하며, 개선되는 에이전트를 가능하게 합니다.

이러한 방향성은 AI 에이전트 생태계 전체가 나아가고 있는 흐름과 일치합니다. 멀티 에이전트 오케스트레이션 플랫폼 (multi-agent orchestration platforms)과 Hermes 에이전트 호스팅 (Hermes agent hosting)에 대한 보도에서 언급했듯이, 세션 전반에 걸쳐 지속적이고 진화하는 컨텍스트 (context)를 유지하는 능력은 AI 에이전트를 인상적인 데모 수준에서 진정으로 유용한 도구로 탈바꿈시키는 핵심적인 요소입니다.

EverOS 1.1.0 시작하는 방법

EverOS는 Apache 2.0 라이선스 하에 제공되며, 두 가지 방식으로 배포할 수 있습니다:

셀프 호스팅 (Self-hosted, OSS): GitHub 저장소 (GitHub repository)를 클론(clone)하고, Docker 서비스를 시작하며, 사용 중인 LLM 및 임베딩 (embedding) 제공업체를 위한 환경 변수를 설정하면 자신의 인프라에서 전체 메모리 스택을 실행할 수 있습니다. 외부 서비스가 필요하지 않으며, 모든 데이터는 사용자의 기기에 머뭅니다.
EverOS Cloud: everos.evermind.ai에서 사용할 수 있는 관리형 프로덕션 준비 버전입니다. 무료 티어에는 월 3개의 메모리 공간과 50,000 MCU가 포함됩니다. 신용카드는 필요하지 않습니다.

Claude Code나 Codex와 같은 AI 코딩 어시스턴트 (AI coding assistants)를 이미 사용 중인 개발자를 위해, 전용 Hermes Agent 플러그인과 도구에 구애받지 않는 접근을 위한 MCP 서버를 포함하여 모든 주요 플랫폼에서 사용 가능한 EverOS 플러그인 및 통합 기능을 제공합니다.

이를 뒷받침하는 성능

EverOS는 단순히 개념적으로만 흥미로운 것이 아니라, 벤치마크에서도 우수한 성능을 보여줍니다. 긴 컨텍스트 메모리 (long-context memory)를 위한 LoCoMo 벤치마크에서 EverOS는 93.05%의 정확도를 기록했으며, 이는 단순 RAG (naive RAG)의 약 45%, 다른 메모리 인프라의 약 70%와 비교되는 수치입니다. 검색 지연 시간 (retrieval latency)은 p95 기준 500ms 미만이며, 시스템의 독자적인 검색 모델은 단순 전체 컨텍스트 (full-context) 방식에 비해 7~15배 더 낮은 토큰 비용을 제공합니다.

또한 별도의 설정 없이도 **멀티모달 인제스션 (multimodal ingestion)**을 지원합니다. PDF, 이미지, Markdown, Excel 파일, Word 문서 및 URL을 단 한 번의 API 호출만으로 모두 파싱(parsing), 청킹(chunking), 인덱싱(indexing)하여 메모리로 사용할 수 있습니다. 별도의 전처리 파이프라인(preprocessing pipelines)이 필요하지 않습니다.

핵심 요약 (The Bottom Line)

EverOS 1.1.0은 오픈 소스 AI 에이전트 메모리 분야에서 중요한 진전을 이루었습니다. 지식 API (Knowledge APIs)와 성찰 오케스트레이션 (Reflection orchestration)의 추가는 EverOS를 단순한 메모리 저장소에서 진정한 인지 계층 (cognitive layer)으로 변모시켰습니다. 이는 단순히 발생한 일을 기록하는 것에 그치지 않고, 적절한 시점에 적절한 정보를 능동적으로 조직하고 정제하며 표면화합니다.

단일 에이전트 코딩 어시스턴트든 멀티 에이전트 경제 플랫폼 (multi-agent economic platforms)이든, 프로덕션급 에이전트 시스템을 구축하는 개발자들에게 EverOS는 상태가 없는 (stateless) 도구를 지속적인 협업자로 바꿔주는 메모리 인프라를 제공합니다. 그리고 프로젝트가 이 속도(3주 동안 3번의 릴리스)로 진행됨에 따라, v1.1.0 기능과 로드맵(Wiki 스타일 지식, 더 깊은 오프라인 진화, Dreaming) 사이의 간극은 누구의 예상보다 빠르게 좁혀질 수 있습니다.

링크: GitHub Repository | EverOS Homepage | Documentation | Release Notes

사진 제공: EverMind Team

_원문 게시: TekMag