Stash - AI 에이전트를 위한 지속형 메모리 계층

세션이 바뀌어도 대화와 작업 맥락을 이어가는 지속형 memory layer를 내세운 오픈소스 프로젝트다. 원시 관찰을 episodes로 저장한 뒤 이를 구조화된 지식으로 계속 합성한다.

핵심 저장 구조는 PostgreSQL + pgvector 기반이며, Claude, GPT, 로컬 LLM, 커스텀 에이전트처럼 모델과 무관하게 붙일 수 있게 설계됐다. 문서 검색 중심의 RAG와 달리, 대화에서 새로 생긴 사실·관계·목표·실패·가설까지 축적하는 점을 차별점으로 제시한다.

메모리는 namespace와 계층형 경로로 분리된다. 예를 들어 사용자, 프로젝트, /self 아래의 자기지식이 서로 섞이지 않도록 설계했고, 읽기는 하위 경로까지 포함하되 쓰기는 정확한 namespace에만 기록해 오염을 막는다.

백그라운드 consolidation pipeline도 제공한다.

• episodes: 관찰을 append-only로 저장
• facts: episode 묶음을 구조화
• relationships / causal links: 엔티티 관계와 원인-결과 추출
• patterns: 상위 추상화 도출
• contradictions: 모순 탐지와 confidence decay
• goal inference / failure patterns / hypothesis scan: 목표 추적, 반복 실패 학습, 가설 검증

MCP 네이티브 통합도 지원해 Claude Desktop, Cursor, OpenCode 등 여러 클라이언트에 연결할 수 있다. 총 28개 도구를 제공하며, remember, recall, forget, init 같은 기본 기능부터 causal links, contradictions, hypotheses 관련 기능까지 포함한다.

에이전트는 init으로 /self namespace를 만들고, capabilities, limits, preferences를 축적해 자기 모델을 구성한다. 또한 5분 단위 research loop로 과거 맥락을 불러오고 웹 조사, 가설 생성, 통합, 요약을 자동으로 반복하는 흐름도 제시했다.

배포는 Docker Compose로 제공되며, 프로젝트는 Apache 2.0 라이선스로 공개됐다.