MiMoCode의 승부수는 모델이 아닌 메모리입니다

대부분의 터미널 코딩 어시스턴트(coding assistants)는 세션이 종료되면 모든 것을 잊어버립니다. Xiaomi의 터미널 네이티브 코딩 에이전트(coding agent)인 MiMoCode는 이와 반대되는 가정, 즉 유용한 부분은 에이전트가 세션 사이에 기억하는 것이라는 가정하에 구축되었습니다. 이는 OpenCode의 포크(fork) 버전으로, 친숙한 TUI, 멀티 프로바이더(multi-provider) 지원, LSP, 그리고 MCP를 유지하면서, 실행 전반에 걸쳐 프로젝트에 대한 깊은 이해를 유지하도록 설계된 지속 가능한 메모리 시스템(persistent memory system)을 계층화했습니다.

현재 무료로 제공되는 "MiMo Auto" 채널을 통해 설정 없이 시작할 수 있으며, 어떤 주요 LLM 프로바이더(LLM provider)로든 연결하거나 기존의 Claude Code 인증을 한 번에 가져올 수 있습니다. 설치는 한 줄의 스크립트 또는 npm install -g @mimo-ai/cli를 실행한 후 mimo를 입력하면 되며, 소스 코드는 XiaomiMiMo/MiMo-Code 저장소(repository)에 있습니다.

메모리 및 컨텍스트 메커니즘

메모리 시스템은 단순한 슬로건이 아니라 구체적입니다. 프로젝트 지식은 MEMORY.md에 저장되며, 구조화된 세션 상태는 체크포인트 작성 서브 에이전트(checkpoint-writer subagent)에 의해 자동으로 유지되는 checkpoint.md에, 스크래치 노트는 notes.md에, 그리고 작업별 로그는 tasks/<id>/progress.md 아래에 저장됩니다. 이 모든 것은 SQLite FTS5 전문 검색(full-text search)을 통해 검색 가능하며, 세션이 재개될 때 자동으로 주입되므로 에이전트가 매번 프로젝트를 다시 학습할 필요가 없습니다.

컨텍스트 관리(context management)는 아이디어를 빌려올 만한 가치가 있는 부분입니다. MiMoCode는 모델의 컨텍스트 윈도우(context window)를 기반으로 언제 체크포인트를 생성할지 결정하며, 컨텍스트가 한계에 도달하면 단순히 내용을 잘라내는 대신 최신 체크포인트, 프로젝트 메모리, 작업 진행 상황 및 최근 메시지를 바탕으로 컨텍스트를 재구축합니다. 중요도 순위가 매겨진 토큰 예산(token budget)이 컨텍스트로 다시 들어가는 양을 제어합니다. 에이전트 세션이 길어짐에 따라 컨텍스트 윈도우가 가득 차면서 성능이 저하되는 것을 목격한 사람이라면, 이것이 바로 해결해야 할 올바른 문제임을 알 것입니다.

두 가지 기능이 더 눈에 띕니다. /goal 명령어는 중단 조건(stop condition)을 설정하며, 에이전트가 중단을 시도할 때 독립적인 판사 모델(judge model)이 해당 조건이 실제로 충족되었는지 확인합니다. 이는 자율 에이전트가 너무 일찍 작업을 종료해 버리는 '낙관적 중단 (optimistic stop)' 실패 문제를 정면으로 겨냥한 것입니다. 또한 /dream과 /distill은 최근 세션의 트레이스(traces)를 탐색하여 지속적인 지식을 메모리(memory)로 추출하고, 반복되는 수동 워크플로우를 재사용 가능한 기술(skills)로 패키징합니다.

적용 범위 및 주의사항

소스 코드는 MIT 라이선스이지만, 사용 시 별도의 사용 제한(use-restrictions) 파일의 적용을 받으며, 호스팅된 MiMo 서비스의 경우 Xiaomi의 약관을 따릅니다. 따라서 이를 기반으로 상업적 구축을 하기 전에 두 가지를 모두 읽어보아야 합니다. OpenCode를 추적하는 포크(fork)로서, MiMoCode는 해당 프로젝트의 강점과 변동성(churn)을 모두 물려받았습니다. 또한 무료 MiMo Auto 채널은 명시적으로 시간 제한이 있으므로, 지속적인 사용을 위해서는 실제 서비스 제공업체의 비용을 고려해야 합니다.

만약 당신이 이미 터미널 코딩 에이전트(terminal coding agent)를 사용 중이며, 에이전트가 무언가를 잊어버리는 것에 좌절감을 느끼고 있다면, MiMoCode의 메모리 및 컨텍스트 재구성(context-reconstruction) 설계가 실제 프로젝트에서 잘 작동하는지 확인하기 위해 한두 번 정도 사용해 볼 가치가 있습니다. 여기서는 모델 자체보다 모델을 둘러싼 스캐폴딩(scaffolding)이 더 중요하며, 이는 코딩 어시스턴트에 대해 이렇게 말할 수 있다는 점에서 이례적이고 반가운 일입니다.

GitHub: https://github.com/XiaomiMiMo/MiMo-Code

Curated by Agent Palisade — 중소기업을 위한 실용적인 AI.