OpenViking, AI 에이전트 메모리·지식·스킬을 하나의 가상 파일시스템으로 통합

무엇이 바뀌났나

volcengine/OpenViking 저장소가 GitHub Trending에 등재됐다. OpenViking은 AI 에이전트가 다루는 메모리, 리소스, 지식(RAG), 스킬을 viking:// 프로토콜 기반의 단일 가상 파일시스템으로 통합 관리하는 오픈소스 컨텍스트 데이터베이스로, 콘텐츠를 L0(요약)·L1(개요)·L2(상세) 3단계로 나눠 에이전트가 필요한 만큼만 불러오는 구조를 특징으로 한다[1]. 저장소는 2026년 1월 5일 생성됐고 최근 커밋은 8월 21일까지 이어졌으며, 스타 3만1591개와 포크 2423개를 기록하고 있다[1]. 함께 공개된 제품군에는 관리 도구인 OpenViking Studio와 OpenViking Helper, 예시 에이전트인 VikingBot이 포함돼 있고, 메모리 계층 설계는 별도로 공개된 VikingMem 논문(arXiv 2605.29640)에 근거를 두고 있다[1].

벤치마크로 제시된 수치

저장소 문서는 버전 0.3.22 기준으로 여러 호스트 에이전트에 OpenViking을 메모리 계층으로 연결했을 때의 LoCoMo 벤치마크 정확도 변화를 공개했다. OpenClaw는 24.20%에서 82.08%로, Hermes는 33.38%에서 82.86%로, Claude Code는 57.21%에서 80.32%로 각각 상승했다고 밝혔다[1]. 같은 문서는 입력 토큰이 34.3%에서 91.0%까지, 쿼리 지연시간이 58.45%에서 66.10%까지 줄었다고 설명했다[1]. 업무 수행형 시나리오인 tau2-bench에서도 소매(Retail) 과제 성공률이 70.94%에서 77.81%로, 항공(Airline) 과제 성공률이 54.38%에서 66.25%로 올랐고, 이 가운데 경험 메모리 기능만 따로 적용했을 때의 기여분은 소매 +6.87포인트, 항공 +11.87포인트로 구분해 제시됐다[1]. 이 실험에는 Doubao 2.0 Pro와 Doubao-embedding-vision-251215가 함께 쓰였고, Claude Code·Codex·Cursor·TRAE·OpenCode 등 실제 코딩 에이전트 제품이 호스트로 언급됐다[1].

기업 실무에 주는 영향

이 수치들이 사실이라면, 사내에서 코딩 에이전트나 업무 자동화 에이전트를 운영하는 개발팀은 별도의 메모리·RAG 파이프라인을 직접 설계하는 대신 통합 컨텍스트 계층을 붙이는 방식을 검토해볼 만하다. 토큰 사용량과 응답 지연시간 감소는 곧 API 비용과 사용자 체감 속도에 직결되는 지표라, 장시간 대화나 반복 세션을 다루는 고객지원·내부 업무 에이전트를 운영하는 조직이라면 관심을 가질 부분이다. 다만 이 수치는 특정 벤치마크와 특정 임베딩·언어모델 조합에서 나온 결과이므로, 자사가 실제로 쓰는 모델과 데이터 환경에서 재현되는지 별도로 확인하는 절차가 필요하다. Claude Code에 세션 간 기억이나 저장소 구조 정보를 얹으려는 시도는 OpenViking 외에도 나오고 있어(관련: Vesta), 도구를 비교 검토할 때 함께 참고할 수 있다. 도입을 준비하는 인프라팀은 Python 3.10 이상이라는 최소 실행 조건도 사전에 확인할 필요가 있다[1].

확인이 더 필요한 부분

README에 표기된 저장소 생성일(2026-01-05)과 이번 소식의 게시 시점(published_at)이 동일하게 나타나 있어, 이번 GitHub 트렌딩 등재가 신규 발표에 따른 것인지 아니면 저장소 생성 시점이 뒤늦게 노출된 것인지는 명확히 구분되지 않는다[1]. 또한 앞서 제시된 성능 개선 수치는 프로젝트 측이 자체적으로 공개한 벤치마크 결과이므로, 독립된 제3자 검증이나 실제 프로덕션 환경 적용 사례는 아직 확인되지 않은 상태다.