기존 AI 에이전트 메모리 시스템(벤더 종속형, 과도하게 복잡한 파이프라인, 이상주의적 그래프 방식)의 문제를 지적하며, 메모리를 '프로세스'가 아닌 '데이터 포맷'으로 다루자는 제안이다. 핵심은 마크다운 문서와 선택적 SQLite 벡터 인덱스로 구성된 '메모리필드(memoryfield)'라는 휴대용 파일 형식으로, 에이전트가 직접 산문 형태의 짧은(약 8KB) 메모리를 작성하는 방식이다.
웹사이트가 HTTP 콘텐츠 협상(Accept: text/markdown)을 지원하면 AI 에이전트가 내비게이션·스크립트·레이아웃 마크업을 건너뛰고 본문만 직접 읽을 수 있습니다. 이는 토큰 절약, 검색(RAG) 품질 향상, 지연시간 단축으로 이어집니다. Nginx, Cloudflare, Next.js 등 다양한 플랫폼별 설정 가이드도 제공됩니다.
개발자 헤이든 블리젤(Hayden Bleasel)이 마크다운 폴더를 AI가 활용하기 좋은 정적 문서로 변환하는 오픈소스 프레임워크 '블룸(Blume)'을 공개했습니다. 제로 컨피그(Zero-Config)로 작동하며, 로컬 검색 기능과 30개 이상의 컴포넌트, AI를 위한 llms.txt 및 MCP 서버를 기본적으로 제공합니다. 개발자가 복잡한 설정 없이도 AI 시대에 맞는 고품질의 기술 문서를 손쉽게 구축할 수 있게 해 준다는 점에서 의의가 있습니다.
오픈소스 기반의 로컬 우선 마크다운 에디터이자 LLM 위키인 '오픈노리지(OpenKnowledge)'가 공개되었습니다. 노션과 같은 위지윅 환경을 제공하면서 클로드, 커서 등 AI 도구와의 협업을 통해 에이전트 제2의 두뇌로 활용할 수 있다는 것이 핵심입니다. 개발자와 지식 관리를 중시하는 실무자들에게 획기적인 대안이 될 수 있습니다.
구글 클라우드는 흩어져 있는 조직의 지식을 표준화된 마크다운(Markdown) 파일로 변환하여 AI 에이전트가 쉽게 활용할 수 있도록 돕는 '오픈 날리지 포맷(OKF)'을 발표했습니다. 이 형식은 시스템에 갇혀 있던 데이터와 문서를 연동 가능하게 만들어, 개발자들이 매번 새롭게 컨텍스트를 구축해야 하는 비효율성을 해결합니다. 최소한의 구조만을 요구하므로 클라우드, 데이터베이스, 프레임워크에 구애받지 않고 높은 호환성을 발휘하는 것이 특징입니다.
AI 에이전트의 빈약한 메모리 문제를 해결하기 위해 Y Combinator의 개리 탄이 오픈소스로 공개한 'GBrain'을 구현하는 단계별 코딩 튜토리얼입니다. 이 툴은 LLM 호출 대신 정규식(regex)을 활용해 자동으로 연결되는 마크다운 기반 지식 그래프를 제공하여 비용과 시간을 절약할 수 있다는 점에서 실무자들에게 중요한 대안이 됩니다.