Memory MCP — 사용 사례, 설치 & 라이브 데모

왜 쓰나요

핵심 기능

단순한 엔티티-관계-관찰 모델로 쉽게 이해할 수 있습니다
로컬 JSON 파일로 git으로 검사, 비교, 백업할 수 있습니다
외부 서비스 없음 — 비용 0, 지연 시간 0, 개인정보보호 위험 0
세션, 클라이언트, 모델 변경 간에 유지됩니다
MCP 팀의 공식 표준 구현입니다

라이브 데모

실제 사용 모습

memory.replay ▶ 준비됨

0/0

설치

클라이언트 선택

~/Library/Application Support/Claude/claude_desktop_config.json · Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-memory"
      ]
    }
  }
}

Claude Desktop → Settings → Developer → Edit Config 열기. 저장 후 앱 재시작.

~/.cursor/mcp.json · .cursor/mcp.json

{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-memory"
      ]
    }
  }
}

Cursor는 Claude Desktop과 동일한 mcpServers 스키마 사용. 프로젝트 설정이 전역보다 우선.

VS Code → Cline → MCP Servers → Edit

{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-memory"
      ]
    }
  }
}

Cline 사이드바의 MCP Servers 아이콘 클릭 후 "Edit Configuration" 선택.

~/.codeium/windsurf/mcp_config.json

{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-memory"
      ]
    }
  }
}

Claude Desktop과 같은 형식. Windsurf 재시작 후 적용.

~/.continue/config.json

{
  "mcpServers": [
    {
      "name": "memory",
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-memory"
      ]
    }
  ]
}

Continue는 맵이 아닌 서버 오브젝트 배열 사용.

~/.config/zed/settings.json

{
  "context_servers": {
    "memory": {
      "command": {
        "path": "npx",
        "args": [
          "-y",
          "@modelcontextprotocol/server-memory"
        ]
      }
    }
  }
}

context_servers에 추가. 저장 시 Zed가 핫 리로드.

claude mcp add memory -- npx -y @modelcontextprotocol/server-memory

한 줄 명령. claude mcp list로 확인, claude mcp remove로 제거.

사용 사례

실전 활용법: Memory

Claude에게 매일 아침 프로젝트를 다시 설명하는 것을 멈추는 방법

👤 같은 코드베이스에 대해 Claude와 매일 대화하는 개별 개발자와 파워 사용자 ⏱ ~15 min beginner

언제 쓸까: 매 세션 시작 시 같은 배경 문단을 계속 붙여넣습니다: '우리 스택은 X, 프로덕션 DB는 Y, Z는 사용하지 않습니다'

사전 조건

지속적인 파일 경로가 있는 Memory MCP 실행 — MEMORY_FILE_PATH=/Users/you/.claude/memory.json을 설정하여 재시작 후에도 그래프가 유지되도록 합니다

흐름

핵심 사실로 그래프를 초기화합니다

엔티티를 생성합니다: 내 회사(Acme), 우리의 주 저장소(acme-corp/api), 프로덕션 데이터베이스(api-prod-01). 관찰을 추가합니다: 'Postgres 16 사용', 'AWS RDS us-east-1에서 호스팅', '백업 윈도우는 03:00 UTC'. 관계로 연결합니다.✓ 복사됨

→ 엔티티와 관계가 생성되고 read_graph를 통해 볼 수 있습니다
진행하면서 선호도 관찰을 추가합니다

기억하십시오: 이 저장소에 대한 커밋 메시지를 작성해달라고 요청할 때, 명령형 분위기를 사용하고 접두사 태그 없이 사용합니다. 이를 'acme-corp/api' 엔티티의 관찰로 저장합니다.✓ 복사됨

→ 엔티티를 다시 만들지 않고 관찰이 추가됩니다
새로운 세션에서 회상을 테스트합니다

api-prod-01에 대해 무엇을 알고 있습니까?✓ 복사됨

→ Claude가 그래프를 쿼리하고 일반적인 답변이 아닌 사실을 제시합니다

결과: 매 채팅마다 더 똑똑해지는 개인 지식 그래프 — Claude를 더 많이 사용할수록, 보일러플레이트를 덜 입력합니다.

함정

Claude가 메모리를 자동으로 사용하지 않습니다. 확인하는 것을 잊습니다 — 시스템/프로젝트 프롬프트에 '이 프로젝트에 대한 각 작업을 시작할 때 항상 메모리 그래프를 참조하세요'를 추가합니다
그래프가 복잡해집니다 — 이름 변형이 약간 다른 중복 엔티티 — 명명 규칙(kebab-case)을 선택하고, 정기적으로 Claude에게 read_graph 실행 및 중복 제거를 요청합니다

함께 쓰기: filesystem · github

동료의 선호도에 대한 가벼운 CRM을 구축합니다

👤 많은 이해관계자들과 협력하는 IC와 리드 ⏱ ~10 min beginner

언제 쓸까: Slack과 이메일 중 누가 선호하는지, 불릿 vs 산문을 원하는 누가, 어떤 프로젝트에 누가 있는지 계속 잊어버립니다.

흐름

첫 상호작용에서 사람 엔티티를 생성합니다

Person 엔티티 'jamie-chen'을 생성합니다. 관찰: '결제 팀의 PM', 'Loom을 문서보다 선호함', '리뷰는 PT 화요일/목요일 오전에 진행됨'.✓ 복사됨

→ open_nodes를 통해 엔티티가 표시됩니다
관계로 사람을 프로젝트에 연결합니다

관계 추가: jamie-chen --owns--> checkout-redesign-2026. 그리고: alex-kim --reviews--> checkout-redesign-2026.✓ 복사됨

→ 관계가 그래프에 나타납니다
이들에게 뭔가를 쓰기 전에 쿼리합니다

Jamie를 위해 결제 재설계에 대한 업데이트를 작성하려고 합니다. 그들의 커뮤니케이션 선호도와 프로젝트에 대해 무엇을 알고 있습니까?✓ 복사됨

→ 저장된 선호도를 반환하고 초안 톤에 반영합니다

결과: '그게 누였던 PM이지?'를 더 이상 묻지 않고 비동기 업데이트가 처음부터 올바른 톤을 맞춥니다.

함정

실제 동료에 대한 민감한/개인 정보를 저장하는 것이 이상하고 유출될 수 있습니다 — 업무 선호도 관찰만 저장합니다. 절대 개인 정보를 저장하지 마세요. 파일을 민감한 것으로 취급합니다 — 백업할 위치와 동기화됩니다

함께 쓰기: linear · github

여러 세션에 걸쳐 연구 기록을 유지합니다

👤 몇 주에 걸쳐 주제를 조사하는 연구자, 작가, 누구든 ⏱ ~20 min intermediate

언제 쓸까: 여러 세션과 출처에 걸쳐 있는 주제(시장 조사, 문헌 검토, 조사)를 조사하고 있습니다.

흐름

각 발견을 주제 엔티티의 관찰로 캡처합니다

'엔터프라이즈의 MCP 채택'을 조사하고 있습니다. 이를 엔티티로 생성합니다. 이제 이 발견을 관찰로 추가합니다: 'Anthropic은 Claude Code 고객의 60%가 3개 이상의 MCP를 사용한다고 보고합니다 (출처: 블로그 2026-03-12)'.✓ 복사됨

→ 주제 엔티티가 인용된 관찰과 함께 증분적으로 증가합니다
관련 주제를 연결합니다

엔티티 'MCP 보안 우려'를 생성합니다. 이를 'MCP adoption in enterprises'와 관계 'blocks-adoption-when-unaddressed'로 연결합니다.✓ 복사됨

→ 그래프는 의미론적 연결을 표시합니다
언제든지 종합을 요청합니다

'MCP adoption in enterprises'와 연결된 모든 관찰을 기반으로 인용과 함께 1페이지 요약을 작성합니다.✓ 복사됨

→ 청구당 출처가 있는 종합, 위조된 것 없음

결과: 컨텍스트 윈도우 체조에 의존하지 않는 인용 가능한 증분 연구 자산입니다.

함정

출처 없이 저장된 관찰은 나중에 모델 변조와 구별할 수 없습니다 — 모든 관찰이 텍스트에 출처를 포함하도록 요구합니다('source: X, date: Y'). 출처 없는 것은 거부합니다

함께 쓰기: firecrawl · exa-search · fetch

조합

다른 MCP와 조합해 10배 효율

memory + filesystem

긴 형식의 연구 문서를 로드하고, 사실을 추출하고, 나중에 종합하기 위해 메모리에 저장합니다

/research/ 아래의 모든 .md 파일을 읽습니다. 각 주요 주장에 대해 메모리의 관련 주제 엔티티에 관찰로 추가합니다. 출처로 파일 이름을 포함합니다.✓ 복사됨

memory + github

저장소별 규칙을 기억하여 향후 PR 리뷰가 재설명 없이 적용되도록 합니다

acme/api의 마지막 10개 병합된 PR에서 톤, 길이, 제목 규칙을 추출합니다. 'acme/api' 엔티티의 관찰로 저장합니다.✓ 복사됨

memory + sequential-thinking

긴 추론 세션이 스크래치패드 결과를 채팅 간에 유지하도록 합니다

sequential-thinking 세션을 실행하여 마이그레이션을 계획합니다. 마지막에 결론을 'db-migration-q2' 엔티티의 관찰로 작성합니다.✓ 복사됨

도구

이 MCP가 노출하는 것

도구	입력	언제 호출	비용
create_entities	entities: [{name, entityType, observations[]}]	새로운 엔티티(사람, 프로젝트, 시스템, 개념) 소개	무료
create_relations	relations: [{from, to, relationType}]	두 개의 기존 엔티티를 타입이 지정된 에지로 연결합니다	무료
add_observations	observations: [{entityName, contents[]}]	기존 엔티티에 사실을 추가합니다(가장 일반적인 작업)	무료
delete_entities	entityNames: str[]	더 이상 사용되지 않는 엔티티 제거(관계도 제거합니다)	무료
delete_observations	deletions: [{entityName, observations[]}]	잘못된 것으로 판명된 특정 사실을 제거합니다	무료
delete_relations	relations: [...]	엔티티를 삭제하지 않고 에지를 제거합니다	무료
read_graph	none	전체 그래프를 덤프합니다 — 증가하면 자주 사용하지 않습니다	무료
search_nodes	query: str	이름/타입/관찰 전체에서 키워드로 엔티티를 찾습니다	무료
open_nodes	names: str[]	정확한 이름으로 특정 엔티티를 가져옵니다	무료

비용 및 제한

운영 비용

API 쿼터: 무제한 — 로컬 JSON
호출당 토큰: 작음 — 그래프 작업은 기본적으로 변경된 노드만 반환합니다
금액: 무료
팁: 50개 이상의 엔티티가 있으면 read_graph 대신 search_nodes 및 open_nodes를 사용하세요. 그렇지 않으면 매 턴마다 전체 그래프를 로드하는 비용을 지불하게 됩니다.

보안

권한, 시크릿, 파급범위

자격 증명 저장: 자격 증명 없음. 그래프 파일은 MEMORY_FILE_PATH가 가리키는 파일입니다.

데이터 외부 송신: 서버에서 없음. 관찰은 Claude가 읽을 때 컨텍스트로 LLM 제공자에게 전송됩니다.

메모리 파일은 일반 JSON입니다 — 비밀, API 키 또는 텍스트 파일에 넣지 않을 것을 저장하지 마세요.
파일을 여러 기기에 동기화하면(Dropbox/iCloud), 공격 표면의 일부임을 기억하세요.

문제 해결

자주 발생하는 오류와 해결

메모리가 재시작 간에 지속되지 않습니다

환경 변수 MEMORY_FILE_PATH를 /Users/you/.claude/memory.json과 같은 절대 경로로 설정합니다. 없으면 서버가 임시 경로를 사용합니다.

확인: Check your MCP client config for env vars; after restart, call `read_graph` and verify old entities return

Claude가 자신의 메모리를 스스로 참조하지 않습니다

서버는 도구를 노출합니다. 모델은 여전히 프롬프트가 필요합니다. '<project>에 대한 질문에 답하기 전에 관련 컨텍스트에 대해 search_nodes를 호출하세요.'와 같은 프로젝트 수준 지침을 추가합니다.

'Jamie'와 'jamie-chen'과 같은 중복 엔티티

명명 규칙(kebab-case 또는 full-name)을 채택합니다. 정기적으로 add_observations 사실 병합 후 중복에 대해 read_graph를 실행하고 delete_entities를 실행합니다.

'entity not found'로 관계 실패

두 끝점 엔티티가 먼저 존재해야 합니다. create_relations 전에 create_entities로 생성합니다.

대안

Memory 다른 것과 비교

대안	언제 쓰나	단점/장점
Qdrant MCP	수천 개의 메모에 대한 의미 검색이 필요하고, 손으로 큐레이션한 그래프가 아닙니다	Qdrant 실행 필요. 모호한 회상에 좋지만 명시적 구조화된 사실에는 좋지 않습니다
Notion MCP	당신의 '메모리'는 실제로 공유된 팀 지식 기반입니다	네트워크 바운드, 느림, API 키 필요 — 하지만 인간도 읽고 편집할 수 있습니다
Neo4j MCP	복잡한 쿼리로 심각한 지식 그래프를 구축하고 있습니다	더 무거움 — 데이터베이스 필요; 개인 메모리에는 과함

Memory