ClickHouse/loom has 151 GitHub stars and 22 forks. GitHot measured +14 stars in 24 hours. Last checked 2026-11-18 02:20 UTC. Last push 2026-11-14.
측정된 스타 증가
- in 24h
- +14
- in 7 days
- 기록 수집 중
- in 15 days
- 기록 수집 중
- in 1 month
- 기록 수집 중
서로 겹치는 기간의 순증가량이며 일별 합계가 아닙니다. 측정값이 없으면 비워 둡니다. 스타는 관심도를 나타내며 품질을 보장하지 않습니다.
소개
Shared long-term memory, document search and a code index for AI agents, linked to your code. Memories point at the files and symbols they're about and surface when an agent edits them. MCP server, Claude Code and Codex plugins, SDKs. Self-hosted on ClickHouse.
AIi18n/ko/README.md
Original이 페이지는 영어 원문을 기계 번역한 것이며, 영어 원문이 기준입니다. Machine-translated from the English page, which is authoritative.
ClickHouse Loom
AI 에이전트를 위한 공유 메모리, 문서 검색, 코드 인텔리전스.
Claude Code, Codex, Cursor, 그리고 직접 만든 에이전트에서 사용할 수 있습니다.
English · 简体中文 · 日本語 · 한국어 · Português (Brasil) · Español · Русский
Loom의 용도 · 벤치마크 · 시작하기 · 기능 · 통합 · 문서

Loom은 에이전트에 장기적인 공유 메모리를 제공하는 오픈 소스 셀프 호스팅 MCP 서버입니다. 한 에이전트가 세션에서 배운 내용을 다음 에이전트나 도구가 찾을 수 있습니다.
에이전트는 MCP, HTTP, Python, TypeScript로 연결합니다. Docker로 셀프 호스팅하거나 Helm 차트로 Kubernetes에 배포할 수 있습니다. 에이전트 컨텍스트와 인덱스 데이터는 ClickHouse에 저장되며, 배포 시 라이브 메모리와 지식 상태를 위해 최초 부팅 시 Postgres를 선택할 수도 있습니다. 대시보드는 메모리, 리포지토리, 태스크, 실행을 한곳에 모아 보여줍니다.
Loom의 용도
- 코딩 에이전트 간에 공유되는 장기 메모리: 세션 시작 시 컨텍스트를 불러오고 세션이 진행되는 동안 내용을 캡처하는 플러그인을 제공합니다. 에이전트 메모리 · 코딩 에이전트 연결
- 에이전트 애플리케이션을 위한 메모리: Python 또는 TypeScript SDK로 사용자별 메모리를 제공합니다. 첫 번째 에이전트
- 다중 사용자 MCP 메모리 서버: 네임스페이스, 역할, 토큰을 지원합니다. 다중 사용자 모드 · 네임스페이스와 공유
- 저장소의 코드 인덱스: 코딩 에이전트가 정의, 호출자, 변경 영향을 조회합니다. 코드 인덱스
- 코딩 에이전트의 모델 비용 절감: 아래의 측정 결과를 참고하세요. 코딩 에이전트 비용
- 인용을 포함한 문서 검색(RAG): extractor 서비스가 변환하는 PDF,
.docx,.pptx파일도 포함합니다. 문서 검색 - 멀티 에이전트 워크플로를 위한 공유 컨텍스트: 공유 메모리, 작업 인박스, 결정 사항을 제공합니다. 멀티 에이전트
- 자율 에이전트를 위한 메모리, 회상, 감사, 삭제. 자율 에이전트
- 에이전트 작업 기록: 검색 가능한 대화(기록이 켜져 있는 경우), 이어서 작업할 수 있는 세션 요약, 목표·결과·모델 비용(제공된 경우)이 담긴 실행 내역, PR 및 트래커 이력을 포함합니다. 실행 및 PR 이력
모든 사용 사례와 다른 도구가 더 적합한 경우는 사용 사례에서 확인하세요.
Loom은 에이전트 하나의 단기 메모리를 위한 인프로세스 라이브러리가 아니며, 에이전트 프레임워크도 아닙니다. Loom이 맞지 않는 경우
측정 결과
| 평가 | Loom 사용 | Loom 미사용 | 효율 향상 | 범위 |
|---|---|---|---|---|
| 코딩 에이전트 답변 품질 | 0.84 | 0.78 | 모델 비용 20% 절감 | 24개 질문 × 3회 쌍 실행 |
| 코딩 에이전트 파일 위치 탐색 | 96.4% | 91.4% | 모델 비용 21% 절감 | 36개 질문 × 10회 쌍 실행 |
| 메모리 대비 전체 기록 답변 | 94% | 90% | 리더 프롬프트 토큰 91% 감소 | LongMemEval-S 쌍 질문 100개 |
두 코딩 설정 모두 ClickHouse 코드베이스에서 Claude Code(claude-sonnet-5)를 사용합니다.
비용은 Loom 서버 측 모델 호출, 호스팅, 인덱싱을 제외한 전체 세션의 모델 요금입니다. 답변 품질은
검증된 답변의 핵심 항목을 얼마나 포함하는지를 측정하며, 모순이 있으면 감점합니다.
파일 위치 탐색은 에이전트가 답변 끝에 제시하도록 요청받은 최대 세 개의 파일 중에 올바른 파일이 포함되어 있는지를 집계합니다.
메모리 행은 검색된 메모리와 전체 대화 기록을 동일한 gpt-5 리더로 비교합니다.
토큰 절감량에는 메모리 구성 과정이 포함되지 않습니다. 94%와 90%의
정확도 차이는 기술적(descriptive) 수치이며 통계적으로 입증된 것은 아닙니다.
별도로, Loom의 memory.ask 구성은 LongMemEval-S 전체 500개 질문에서 답변 정확도 96.6%를 기록했습니다. 이는 위의 고정 리더 비교가 아니라, 자체적으로 구성된 답변 모델을 사용한 제품 평가입니다.
결과는 테스트한 워크로드에 한정됩니다.
프로토콜 및 재현 가능한 아티팩트 · 상세 결과 · 내 워크로드에서 평가하기
시작하기
1. Docker 설정 선택
- 개인 사용(기본값): 로그인 없음, localhost에서만 접근 가능,
dev/local네임스페이스를 사용합니다. 한 사람이 여러 에이전트를 연결할 수 있습니다. - 팀 사용: 인증된 계정과 네임스페이스 접근 제어를 사용합니다. 처음 부팅할 때부터 다중 사용자 모드로 시작합니다.
두 모드 모두 구성된 LLM과 임베딩을 포함해 동일한 Loom 기능을 지원합니다. 단일 사용자 모드는 기능이 줄어든 에디션이 아닙니다. 또한 데이터를 삭제하지 않고 기존 설치를 전환할 수 있으며, 새 계정에 기존 네임스페이스에 대한 접근 권한을 부여할 수 있습니다.
아무것도 설치하지 않고 사용해 보려면 codespace에서 여세요.
기본 개인 설치는 Docker가 설치되어 있어야 합니다(Windows에서는 docker가 동작하는 WSL 2
터미널에서 실행합니다. WSL 통합을 켠 Docker Desktop이나 해당 배포판에 설치한 Docker Engine이 필요합니다).
curl -fsSL https://github.com/ClickHouse/loom/releases/latest/download/install.sh -o loom-install.sh && sh loom-install.sh && rm loom-install.sh
홈 디렉터리 또는 다른
본인만 쓸 수 있는 디렉터리에서 실행하세요.
설치 프로그램은 Loom과 ClickHouse를 시작하고, 마이그레이션을 적용하며, 대시보드 URL인
**http://localhost:7777/**을 출력합니다. 새로 설치한 경우에는 이어서 메모리가 저장되고 다시 읽히는지 확인합니다.
터미널에서는 발견한 코딩 에이전트(Claude Code, Codex,
VS Code)를 연결할지 묻고, 새로 설치한 경우 대시보드를 엽니다. 이미지에는 서버,
워커, 대시보드, Python·TypeScript·Go 컴파일러 인덱서가 포함되며, amd64에서는 C++ 인덱서도 포함됩니다.
TypeScript 의존성은 자동으로 준비됩니다. 빠른 시작 및 고정된 릴리스
설치 위치는 ~/.loom입니다(LOOM_INSTALL_DIR로 다른 디렉터리를 지정할 수 있습니다). 여기에는
Compose 파일과 ~/.loom/.env의 시작 설정이 있습니다. 설치 명령을 다시 실행하면
제자리에서 업그레이드되며 .env 설정은 유지됩니다.
단일 사용자 모드는 localhost에서만 사용하세요. 공유 접근이 필요하면 TLS를 포함해 팀 배포 가이드를 따르세요.
2. 모델과 API 키 구성
기본 설치는 키나 네트워크 없이도 부팅됩니다. 스토리지, 대시보드, 구조적 코드 인덱싱, 시맨틱 검색이 동작하며, 이미지에 포함된 작은 로컬 임베딩 모델을 사용합니다. 가짜 LLM은 AI가 생성한 답변을 제공하지 않습니다.
| 구성 요소 | 실사용을 위한 구성 | 구성하지 않은 경우 |
|---|---|---|
| 임베딩 | 제공자, 임베딩 모델, 차원 수, API 키. | local(CPU의 bge-small): 시맨틱 검색은 되지만 호스팅 모델보다 성능이 낮습니다. |
| LLM | 제공자, 모델, API 키. | fake-echo-1: 의미 있는 추출, 요약, 답변이 없습니다. |
Settings → Models & keys를 열어 두 제공자와 모델을 선택하고, 키를
입력한 뒤 Test & apply를 클릭하세요. Docker를 다시 시작할 필요는 없으며, 임베딩
공간을 바꾸면 기존 인덱스가 다시 만들어집니다. 대시보드의 임베딩 선택지는
호스팅 제공자입니다. local을 유지하고 LLM만 추가하려면 대신 ~/.loom/.env에 LLM 항목을 설정하세요
(모델과 키).
OpenAI API 키 하나로 두 역할을 모두 처리할 수 있습니다. Claude는 별도의 임베딩 제공자가 필요합니다. OpenAI, Gemini, OpenAI 호환 임베딩 엔드포인트를 지원합니다. 에이전트의 CLI 로그인이나 구독은 Loom의 제공자 키를 대신하지 않습니다.
환경 변수로 구성하려면 ~/.loom/.env를 수정한 뒤 서버를 다시 생성하세요.
docker compose --project-directory "$HOME/.loom" up -d --force-recreate loom
키만으로는 고정된 모델(로컬 임베더와 가짜 LLM)이 바뀌지 않으므로, 제공자와 모델도
함께 설정하세요.
대시보드에 저장한 설정이 .env보다 우선합니다. 제공자별 예시와 상태 점검은
모델과 API 키를 참고하세요.
나머지 설정은 모두 한 파일에 있습니다. loom.example.yaml에는
모든 설정이 기본값과 설명과 함께 영역별로 나열되어 있습니다. ClickHouse 연결,
타임아웃과 예산, 속도 제한, 워커, 기능을 켜고 끄는 *_enabled 스위치 등입니다. 각 설정은 ~/.loom/.env에
LOOM_<NAME>으로 지정하고 서버를 다시 생성하면 적용됩니다. 구성 파일을 마운트하는 배포에서는 이 파일의
복사본에 설정할 수 있습니다(설정을 읽는 방식). live로 표시된 설정은 Loom이 실행 중일 때도 바꿀 수 있습니다. loom settings set <name> <value>를 사용하거나 Admin → Deployment
settings에서 변경하세요. loom settings list --changed는 기본값과 다른 항목과
각 값의 출처를 보여 줍니다(런타임 설정).
3. 에이전트 연결
설치 프로그램이 에이전트를 연결했다면 아래 명령은 건너뛰세요. 개인 설치를 실행하는 머신에서는 플러그인에 토큰이 필요하지 않습니다.
# Claude Code
claude plugin marketplace add ClickHouse/loom
claude plugin install loom@loom
# Codex
codex plugin marketplace add ClickHouse/loom
codex plugin add loom@loom
새 세션을 시작하면 첫 세션이 http://localhost:7777에 연결됩니다. Codex에서는
codex를 대화형으로 한 번 실행해 플러그인의 훅을 승인하세요. 그 전에는 도구만
동작합니다. 에이전트에게 기억해 둘 만한 내용을 알려 준 뒤, 다음 세션에서 그것에 대해 물어보세요.
개인 설치를 실행하는 머신의 Cursor에서는 아래 버튼으로 로컬 MCP 항목을 추가할 수 있으며, 토큰이 필요하지 않습니다.
개인 설치를 실행하는 머신의 VS Code 에이전트 모드에서는 아래 버튼으로 로컬 MCP 항목을 추가할 수 있으며, 토큰이 필요하지 않습니다.
팀 서버에서는 Claude Code에 --config server_url=… --config token=…을 전달하거나,
코딩 에이전트 연결에 설명된 대로
Codex가 서버를 가리키도록 설정하세요. 토큰은 Settings → Tokens에서 만듭니다. Cursor와 다른 MCP 클라이언트,
그리고 SDK도 해당 문서에서 다룹니다.
Loom을 사용하는 이유
- 이어지는 메모리. 에이전트와 세션 간에 결정과 발견을 공유합니다. 각 사실에는 작성자가 기록되고, 버전 기록과 충돌 검토로 수정 내역을 추적할 수 있으며, 네임스페이스는 특정 시점으로 되돌릴 수 있습니다. 메모리
- 근거를 갖춘 코드 인텔리전스. 정의, 호출자, 변경 영향, 관련 테스트를 찾고, 코드를 커밋, 풀 리퀘스트, 이슈와 연결합니다. 결과에는 리비전, 소스 위치, 완전성 정보가 함께 표시됩니다. 코드 인덱스
- 근거 기반 검색. 접근이 허용된 메모리, 문서, 대화, 트래커 레코드를 검색합니다. 답변은 출처를 인용하며, 신뢰도가 낮은 검색은 답변을 보류할 수 있습니다. 검색
- 다중 에이전트 핸드오프. 리스, 재시도, 검토 규칙, 결과를 갖춘 영속적인 작업 인박스를 통해 작업을 할당합니다. 워크플로는 에이전트가 실행하고, Loom은 핸드오프를 보존합니다. 작업 큐
- 에이전트 데이터 제어. 네임스페이스 접근, 출처, 보존, 감사 기록, 검증된 삭제를 관리합니다. 컨텍스트는 ClickHouse에서 계속 쿼리할 수 있습니다. 보안
통합
| 통합 | 연결 대상 |
|---|---|
| Claude Code, Codex, Cursor 및 기타 MCP 클라이언트 (모든 통합) | 기존 에이전트 워크플로에서 사용하는 메모리와 코드 인텔리전스. |
| Python, TypeScript 및 HTTP | 직접 만든 에이전트와 애플리케이션. |
| Langfuse | 요청 트레이스, 모델 비용, 검색 점수, 프롬프트 버전 귀속. |
| ClickStack / HyperDX | ClickHouse의 OpenTelemetry 트레이스, 로그, 메트릭. |
Langfuse와 ClickStack은 선택적 통합이며, Docker 스택에 포함된 서비스가 아닙니다.
벤치마크 상세
검색, 리더, 코드 검색 상세 결과
| 평가 | 결과 |
|---|---|
| LongMemEval-S 근거 검색 (500개 질문) | 처음 30개 메모리 안에 뒷받침하는 세션이 하나 이상 있는 질문의 비율 98.6%. |
LongMemEval-S 고정 gpt-5 리더 (500개 질문) |
상위 200개 메모리 기준 답변 정확도 92.0%. |
| LoCoMo (10개 대화 전체) | 답변 정확도 89.6%; 적대적 질문에 대한 올바른 답변 보류 90.8%. |
| MemoryAgentBench 사실 질문 샘플 (500개 질문) | 생성된 답변에서 99.0% SubEM; 95.7% 토큰 중복 F1. |
| 개념적 코드 검색 (36개 질문) | 정답 파일 재현율 5위 내 91.2% / 10위 내 97.2%; MRR 0.91. |
| SWE-bench Verified 파일 위치 특정 (200개 이슈) | 처음 10개 안에 변경된 파일이 있는 이슈: 82% (BM25는 57%); 처음 5개 안에서는 76.5%. |
| 트래커 중복 감지 (104쌍) | 기록된 이전 중복 항목을 1위로 순위 매긴 비율 87.5%. |
이 항목들은 서로 다른 작업을 측정하며, 하나의 종합 점수가 아닙니다. SWE-bench는 이슈 해결이 아니라 파일 위치 특정을 측정합니다. 결과 원장에는 점수 산정 정의, 소규모 샘플 평가, 더 약하거나 부정적인 결과, 전체 프로토콜, 모델, 아티팩트가 포함되어 있습니다.
방법론 · 범위와 알려진 한계 · 벤치마크 실행
문서 및 기여
공유 에이전트 컨텍스트, 코드 인텔리전스, 권한 기반 검색을 사용하려면 먼저 문서를 참고하세요. 배포 요구 사항은 사전 요구 사항을 참고하세요.