Quick Start

1. 설치

로컬 임베딩을 사용하려면 먼저 Ollama 모델을 준비합니다 (~270MB, 무료, GPU 불필요).

ollama pull nomic-embed-text

그리고 memtomem을 설치합니다.

uv tool install memtomem          # 또는: pipx install memtomem

STM 프록시도 함께 사용하려면:

uv tool install memtomem-stm      # 또는: pip install memtomem-stm

GPU가 없다면? 설정 마법사에서 OpenAI를 선택하세요 — 임베딩 가이드 참고.

8단계 대화형 마법사로 설정합니다.

mm init                            # 대화형 설정
mm init -y                         # CI용 자동 설정

claude mcp add memtomem -s user -- memtomem-server

STM 프록시 사용 시:

claude mcp add memtomem-stm -s user -- memtomem-stm

각 에디터의 MCP 설정에서 memtomem-server 또는 memtomem-stm 명령을 stdio 서버로 등록합니다. 자세한 내용은 MCP 클라이언트 설정을 참고하세요.

에이전트에서 다음과 같이 기억을 활용합니다:

에이전트에게	호출되는 MCP 도구
”서버 상태 확인해줘”	`mem_status`
”~/notes 폴더 인덱싱해줘”	`mem_index(path="~/notes")`
”배포 관련 내용 검색해줘”	`mem_search(query="deployment checklist")`
”이 인사이트 기억해둬”	`mem_add(content="...", tags=["ops"])`

패키지	설명
memtomem	코어 — MCP 서버, CLI (`mm`), 웹 UI, 하이브리드 검색, 스토리지
memtomem-stm	STM 프록시 — 도구 호출 가로채기를 통한 능동적 기억 서피싱

두 패키지는 Python 레벨 의존성이 없습니다. STM과 LTM 사이의 통신은 전적으로 MCP 프로토콜로 이루어지며, 독립적으로 배포·업그레이드할 수 있습니다.