Memorizer v1 MCP 서버는 LLM(대규모 언어 모델)이 컨텍스트와 메모리를 재사용하고 기억할 수 있도록 돕는 컨텍스트/메모리 서버입니다[3]. 이 서버는 에이전트가 서버 전송 이벤트를 통해 통신하며, 인간 운영자는 UI를 통해 메모리를 확인하고 관리할 수 있습니다[6].

Memorizer는 Postgres와 PG vector, 그리고 임베딩 생성을 위한 작은 Llama 인스턴스에 의존하며, 이 모든 것은 Docker Compose 파일을 통해 자동으로 설정될 수 있습니다[51]. GPU 없이도 Raspberry Pi와 같은 저사양 컴퓨터에서도 실행 가능합니다


다음 오픈소스를 통해 이러한 컨셉을 로컬에서 수행또는 팀지식 장기메모리를 위한 용도로 구축해 활용할수 있습니다.

git :


위 오픈소스를 Pull한후 다음 명령을 수행해 로컬에 셋업

로컬 인프라 구동 - 팀메모리

docker compose up -d

LLM 모델변경

{
  "Logging": {
    "LogLevel": {
      "Default": "Information",
      "Microsoft.AspNetCore": "Warning"
    }
  },
  "AllowedHosts": "*",
  "ConnectionStrings": {
    "Storage": "Host=localhost;Port=5432;Database=postgmem;Username=postgres;Password=postgres"
  },
  "Embeddings": {
    "ApiUrl": "http://localhost:11434",
    "Model": "all-minilm:33m-l12-v2-fp16"
  },
  "LLM": {
    "ApiUrl": "http://localhost:11434",
    "Model": "qwen2:0.5b",
    "Timeout": "00:02:00"
  },
  "Server": {
    "CanonicalUrl": "http://memorizer-test.local:5012"
  }
}


로컬 어플리케이션구동 - 로컬MCP

dotnet publish -c Release /t:PublishContainer

MCP설정 - VS CODE용

{
	"servers": {
		"microsoft.docs.mcp": {
			"type": "http",
			"url": "https://learn.microsoft.com/api/mcp"
		},
		"memorizer": {
			"type": "sse",
			"url": "http://localhost:5000/sse"
    	}
	},
	"inputs": []
}


메모리(지식)를 중앙 DB관리함으로 팀지식을 만들어 갈수 있습니다. ( 응용방법은 다양)

관리툴을 먼저 살펴본후 MCP이용도 확인해보겠습니다.

메모리 검색및 생성


메모리생성(지식)


RAG화


테스트

팀의 장기기억메모리를 활용하는 컨셉을 알기위해 수행

메모리생성


Vector검색


LLM(+MCP) 과 연계해 잘작동하는지 확인


LLM이용하면서 좋은내용이면 학습시키기


관리툴에서 메모리 추가되었나 확인


샘플은 코드이지만 꼭 코드로 한정지을 필요없이 다양한 팀생산활동의 지식을 관리


LLM에서 다시확인 


핵심코드 살펴보기


MCP의 기본개념과 MCP를 이용한 장기기억메모리 파트와 관련한 컨셉은 다음 영상및 영상분석에서 더 자세한 컨셉및 기초개념을 알수 있습니다.

로컬에서만 이용하는 컨셉이 아닌 팀의 메모리(지식)을 관리해 LLM에서 이용할수 있음으로 팀지식 운영에 도움될수 있겠습니다. 

관련 영상

영상분석

영상볼 시간없으면 다음 요약된 문서로도 컨셉확인가능합니다.

추가 참고자료

이 샘플은 닷넷진영 AKKA.net 창시자가 액터모델을 이용해 작성한 오픈소스이며 자바진영 원조는 AKKA이며 AI에서 요구하는 Agent 기능이 ActorModel에 기본 탑재되어 제공하는

스케줄러,이벤트처리,상태관리,영속성기능을 요구하기 때문에 고급 에이전트를 구현하기위해 액터모델 장치를 이용하는것은 꽤 유용할것으로 예측해봅니다. -물론 꼭 액터모델이 아니여도 다양한 패턴으로 이러한 컨셉이 계속 등장하게 될것같습니다.

PlayGround

모두의 MCP 메모리 :  Playground 데모로 임시 운행합니다.

MCP

MCP SERVER  구성중.... comming soon

🧠 Example System Prompt for LLMs

Important

⚡ Pro Tip: Add this system prompt to your AGENT.md, Cursor Rules files, or any AI agent configuration! This will dramatically improve how often and effectively your LLM uses the Memorizer service for persistent memory management.

You have access to a long-term memory system via the Model Context Protocol (MCP) at the endpoint memorizer. Use the following tools:

Use these tools to remember, recall, relate, and manage information as needed to assist the user. You can also manually retrieve or relate memories by their IDs when necessary.


🧠 LLM용 예시 시스템 프롬프트
중요

⚡ Pro Tip:
이 시스템 프롬프트를 AGENT.md, Cursor Rules 파일 또는 AI 에이전트 설정에 추가하세요.
그러면 LLM이 Memorizer 서비스를 장기 메모리 관리에 훨씬 더 자주, 효과적으로 활용하게 됩니다.

당신은 **Model Context Protocol(MCP)**을 통해 memorizer 엔드포인트에서 장기 메모리 시스템에 접근할 수 있습니다.
다음 도구들을 사용할 수 있습니다:

  • store: 새 메모리를 저장
    매개변수:

    • type

    • content (markdown)

    • source

    • tags

    • confidence

    • relatedTo (선택, 메모리 ID)

    • relationshipType (선택)

  • search: 유사한 메모리 검색
    매개변수:

    • query

    • limit

    • minSimilarity

    • filterTags

  • get: ID로 메모리 가져오기
    매개변수:

    • id

  • getMany: 여러 메모리를 ID 목록으로 가져오기
    매개변수:

    • ids (ID 리스트)

  • delete: ID로 메모리 삭제
    매개변수:

    • id

  • createRelationship: 두 메모리 간 관계 생성
    매개변수:

    • fromId

    • toId

    • type




VS CODE

{
	"servers": {
		"memorizer": {
			"type": "sse",
			"url": "https://mcp.webnori.com/sse"
    	}
	},
	"inputs": []
}