공유성 무료

Name: 공유성
Price: 무료 KRW
Availability: InStock
Author: 대런 Z

개발사 대런 Z

공식 웹사이트 https://covalence.app/

Covalence는 MCP(Model Context Protocol)를 통해 모든 AI 클라이언트에 지속적이고 의미론적인 장기 메모리를 제공하는 macOS 기본 애플리케이션입니다. 클라우드나 등록된 계정 없이 사용자 자체 하드웨어에서 실행되며 모든 메모리는 SQLite 파일 형식으로 로컬에 저장됩니다.

Covalence의 클라이언트 간 AI 지속성 메모리 레이어

핵심 매개변수 및 통계

프로젝트	매개변수
제품 포지셔닝	AI 클라이언트 전반의 로컬 지속성 메모리 계층(MCP 서버)
배송 형태	macOS 기본 데스크탑 애플리케이션(.dmg 설치 패키지)
프로토콜/인터페이스	9가지 도구를 노출하는 MCP(모델 컨텍스트 프로토콜)
임베디드 모델	nomic-embed-text-v1.5 (fp16, ~261MB, 로컬에서 실행)
벡터 치수	256(마트료시카 잘림, 원본 768→256)
벡터 인덱스	sqlite-vec(vec0 KNN)
키워드 색인	SQLite FTS5(BM25)
융합전략	상호 순위 융합(k=60) + 쌍곡선 시간 가중치(10%)
최소 시스템 요구사항	macOS 15(Sequoia) 이상, Apple Silicon
스토리지 백엔드	SQLite(로컬 파일, 전체 사용자 제어)
최신 버전	v1.4.0 (2026-04-27)
라이센스 모델	무료, 계정 없음/원격 측정 없음/클라우드 종속성 없음
GitHub 스타	게시되지 않음(주 저장소는 비공개 저장소 darronz/covalence)

Covalence의 포지셔닝은 매우 명확합니다. 이는 또 다른 AI 채팅 도구나 지식 기반 관리 시스템이 아니라 AI 클라이언트(Claude Desktop, Claude Code, Cursor 등)와 대규모 모델 사이에 영구 메모리 계층을 삽입하는 인프라 계층입니다. 모든 임베디드 계산은 타사 API 또는 네트워크 호출 없이 MLTensor를 통해 Apple Silicon에서 기본적으로 수행됩니다.

사용자 및 시장 인지도

현장에서 점차적으로 사용자 인지도를 구축하고, 콘텐츠 제작자와 팀은 제품 기능을 사용하여 업무 효율성을 향상시킵니다. 일부 업계 사용자는 이를 일상 작업 흐름에 통합했습니다. 특정 사용자 규모 및 업계 채택률 데이터에 대한 최신 공식 공개를 참조하는 것이 좋습니다.

비용 이점

C 측/개인 사용자: 공유는 완전 무료입니다. 구독료, 종량제 결제, 숨겨진 수수료가 없습니다. 사용자는 다운로드하여 설치하기만 하면 되며 모든 내장된 계산은 API 크레딧을 소비하지 않고 로컬 Mac에서 완료됩니다. 이것이 클라우드 메모리 솔루션(예: Mem0의 API 버전)과의 가장 근본적인 비용 차이입니다.

API/개발자: Covalence는 독립적인 API 서비스를 제공하지 않고 AI 클라이언트에 MCP Server 형태로 내장되어 있습니다. 개발자는 메모리 기능을 위해 추가 API 호출 비용을 지불할 필요가 없습니다. 유일한 비용은 macOS 하드웨어의 로컬 컴퓨팅 및 저장 비용입니다.

기업/개인: Covalence의 데이터는 전적으로 사용자의 SQLite 파일 내에 저장되므로 기업은 민영화 배포에 따른 추가 비용 없이 메모리 파일을 기존 백업 및 보안 정책에 직접 통합할 수 있습니다. 그러나 현재 버전은 macOS에서의 독립 실행형 작업만 지원하며 팀 공유 또는 다중 사용자 공동 작업은 지원하지 않습니다. 엔터프라이즈 수준의 메모리 공유 시나리오는 아직 다룰 수 없습니다.

숨겨진 비용: 주로 macOS 독점 제품에서 발생 - 워크플로에 Windows/Linux용 AI 클라이언트(예: Windows의 VS Code + Copilot)가 포함된 경우 Covalence는 현재 포함되지 않습니다. 또한 로컬 임베딩 모델(nomic-embed-text-v1.5)의 검색 품질과 클라우드 대형 모델 임베딩 사이에는 약 2%의 정확도 차이(공식 자체 테스트)가 있는데, 이는 고도로 전문화된 분야의 의미 검색에서 전용 미세 조정 모델만큼 좋지 않을 수 있습니다.

주요 기능

의미적 검색 메모리: 하이브리드 벡터 + 키워드 검색을 기반으로 사용자의 자연어 쿼리가 임베딩 벡터로 변환되고 vec0 KNN 코사인 유사성 검색과 FTS5 BM25 전체 텍스트 검색이 로컬 SQLite에서 동시에 수행되고 상호 순위 융합으로 정렬되며 쌍곡선 에이징 가중치로 보완됩니다(새로운 메모리 가중치는 약간 높지만 에이징은 실제 메모리 가중치가 약간 높지만 에이징은 전체 점수의 10%만 차지하므로 실제 메모리 가중치를 덮어쓰지 않습니다). 관련성).
핵심 기억: 사용자는 가장 중요한 지식을 '핵심 기억'으로 표시할 수 있으며, 이러한 기억은 AI 검색 시 항상 가장 먼저 반환됩니다. 코어 메모리는 사용자에 의해서만 명시적으로 설정될 수 있으며 AI는 일반 메모리를 독립적으로 코어로 업그레이드할 권한이 없으므로 사용자는 핵심 정보에 대한 완전한 제어권을 유지할 수 있습니다.
공간(공간 격리): '--space' 매개변수를 사용하여 메모리를 독립된 파티션으로 나눕니다. 서로 다른 프로젝트, 서로 다른 클라이언트, 서로 다른 목적에 대한 기억은 서로 간섭하지 않습니다. '--space'는 SQLite 데이터베이스의 독립 파티션에 해당하며 검색 및 찾아보기만 현재 공간에 대한 결과를 반환합니다.
파일 메모리: 로컬 폴더를 모니터링하고 마크다운/텍스트/구성 파일의 내용을 AI 검색을 위한 읽기 전용 메모리로 자동 인덱싱할 수 있는 v1.4.0의 새로운 기능입니다. YAML 머리말 구문 분석 및 파일 크기 제한이 1MB인 '.gitignore' 스타일 무시 규칙을 지원합니다.
MCP 도구 세트: 9개의 표준 MCP 도구를 노출합니다(자세한 내용은 아래 도구 열기 목록 참조). AI 클라이언트는 표준 MCP 프로토콜을 통해 이러한 도구를 호출하여 메모리 추가, 삭제, 수정 및 상태 모니터링을 완료할 수 있습니다.

모델 및 버전의 진화

Covalence의 버전 반복은 2026년 4월부터 가속화될 예정이며 현재 CI 검증에서 기능 제공으로 빠르게 발전하고 있습니다.

초기 파이프라인 검증 기간(v1.3.2 - v1.3.5)

이 네 가지 릴리스는 CI/CD 파이프라인의 안정성에 중점을 둡니다. v1.3.2는 엔드투엔드 자동 릴리스 검증의 첫 번째 단계입니다. v1.3.3-v1.3.4는 포함된 모델 누락, 잘못된 DMG 업로드 경로 및 동기화되지 않은 릴리스 노트와 같은 파이프라인 문제를 수정합니다. v1.3.5는 Xcode 없이 시작 시 애플리케이션을 충돌시키는 P0 수준 버그를 긴급 수정합니다.

메인라인 기능 릴리스(v1.4.0)

2026년 4월 27일에 출시된 v1.4.0은 세 가지 핵심 기능을 제공하는 첫 번째 주요 기능 버전입니다. 파일 동기화(앵커 메모리)를 사용하면 Covalence가 로컬 폴더 콘텐츠를 자동으로 색인화할 수 있습니다. AI 명령어 재작성은 행동 지침을 더욱 정확하게 만듭니다. Space Switcher(Space Switcher)는 다중 프로젝트 관리를 위한 UI 지원을 제공합니다. 또한 품질 벤치마크를 검색하기 위한 'cov-benchmark' 명령줄 도구도 출시되었습니다(현재 점수 30/30).

기술적인 장점

Covalence의 기술 아키텍처는 "로컬 우선순위, 개인 정보 보호 및 보안, 낮은 대기 시간"이라는 세 가지 원칙을 중심으로 설계되었습니다. 다음은 인과사슬의 관점에서 그 메커니즘과 효과를 설명한다.

네이티브 임베딩 + Matryoshka 잘림: Apple Silicon의 MLTensor를 통해 실행되는 임베딩 모델 nomic-embed-text-v1.5는 처음 256차원으로 즉시 잘리는 768차원 벡터를 출력합니다. 이 디자인은 첫 번째 N 차원 자체가 유효한 임베딩 하위 집합이며 검색 정확도가 약 2%만 손실되지만 메모리당 저장 공간이 3KB에서 1KB로 감소한다는 Matryoshka 표현 학습의 발견을 기반으로 합니다. 대화를 통해 성장하는 메모리 뱅크의 경우 스토리지 효율성이 3배 향상된다는 것은 사용자가 동일한 하드웨어에서 메모리 주기를 더 오랫동안 유지할 수 있다는 것을 의미합니다.

비대칭 검색 인코딩: 쿼리와 문서는 서로 다른 텍스트 접두사(search_query:와 search_document:)를 사용하여 인코딩되므로 쿼리와 문서는 벡터 공간의 서로 다른 영역에 속합니다. 코사인 유사성은 "두 텍스트 조각이 유사한지 여부"보다는 "문서가 이 질문에 대답할 수 있습니까?"를 측정합니다. 이는 AI 메모리 시나리오에서 매우 중요합니다. 사용자의 검색 의도는 일반적으로 복사하여 붙여넣기가 아닌 질문이며 비대칭 인코딩은 대칭 인코딩보다 질문 및 답변 검색에 더 적합합니다.

RRF(Hybrid Retrieval Fusion): 벡터 유사성 검색과 BM25 키워드 검색이 병렬로 실행되며, 각각 'max(limit×4, 20)' 후보(post-Swift 레이어 필터링의 손실을 보상하기 위한 필터 조건이 있는 경우 ×6)를 취하고 코사인 임계값(기본값 0.3)으로 필터링한 다음 Reciprocal Rank Fusion(k=60)으로 병합 및 정렬합니다. 이 표준 매개변수(Microsoft Azure AI Search 및 Elastic과 동일)는 융합의 안정성을 보장합니다. 10% 노화 가중치는 동등하게 관련성이 있는 경우 새로운 기억이 승리하도록 보장하지만 실제로 관련성이 있는 오래된 기억은 노화로 인해 덮어쓰여지지 않습니다.

외부 종속성이 없는 아키텍처: 데이터베이스, 내장 모델, 검색 엔진 등 전체 시스템이 모두 사용자 하드웨어에서 실행됩니다. 네트워크 호출, API 키, 타사 클라우드 종속성이 없습니다. 메모리 파일은 사용자가 완전히 소유하고 언제든지 Markdown 또는 JSON으로 내보낼 수 있는 SQLite 파일입니다.

사용방법

3분만에 빠르게 시작해보세요

Covalence의 사용은 애플리케이션 설치 + MCP 연결 구성의 두 단계로 나뉩니다.

1. 애플리케이션 설치

covalence.app에서 최신 DMG를 다운로드하고 Covalence.app을 '/Applications' 디렉터리로 끌어서 실행합니다. macOS 15+ 및 Apple Silicon이 필요합니다.

2. MCP 연결 구성

Claude Desktop을 예로 들어 ~/Library/Application Support/Claude/claude_desktop_config.json에 다음을 추가합니다.

``json { "mcpServer": { "공유성": { "명령": "/Applications/Covalence.app/Contents/MacOS/cov-mcp" } } }


Claude Code 사용자는 명령줄을 통해 다음을 추가합니다.

``배쉬
클로드 mcp 공유성 추가 /Applications/Covalence.app/Contents/MacOS/cov-mcp

커서 사용자는 설정 > MCP 서버에서 동일한 JSON 구성을 추가합니다.

3. AI 명령 추가(권장)

'memory_search' 및 'memory_store'를 사용할 시기를 AI에게 알려주는 AI 클라이언트 시스템 프롬프트에 Covalence의 행동 지침 지시어를 추가합니다. 지침 내용은 covalence.app/docs/ai-instruction/에서 확인할 수 있습니다.

도구 열기 목록(MCP 도구)

Covalence는 AI 클라이언트가 직접 호출할 수 있는 MCP 프로토콜을 통해 다음 9가지 도구를 노출합니다.

도구 이름	기능	주요 매개변수
`메모리_스토어`	새로운 메모리 저장	내용(필수), 제목, 태그, 메타데이터, 코어
`메모리_검색`	의미 검색 메모리	쿼리(필수), 제한, 임계값, 태그, 소스, 코어
`메모리_목록`	최근 추억 찾아보기	한계, 오프셋, 소스, 태그, 코어
`메모리_검색`	ID로 완전한 메모리 확보	아이디(필수)
`메모리_삭제`	메모리 영구 삭제	아이디 (필수)
`메모리_업데이트`	메모리 내용 업데이트	ID(필수), 콘텐츠, 제목, 태그, 메타데이터
`메모리_승격`	코어 메모리로 업그레이드	아이디 (필수)
`메모리_강등`	일반 메모리로 다운그레이드	아이디 (필수)
`메모리_상태`	현재 공간 통계 얻기	매개변수 없음

아키텍처 링크

AI 클라이언트 (Claude Desktop / Claude Code / Cursor / OpenCode)
    ↓ MCP 프로토콜(stdin/stdout)
cov-mcp(Covalence MCP 서버, macOS 네이티브 바이너리)
    ↓
SQLite 데이터베이스(로컬 파일)
    ├── vec0 가상 테이블 (벡터 인덱스, 256차원 코사인 유사성)
    └── FTS5 가상 테이블(키워드 인덱스, BM25)

엔지니어링 함정 가이드

토큰 및 컨텍스트 제어: Covalence의 memory_search는 기본적으로 5개의 결과를 반환합니다(최대 20개). 각 검색에 대해 AI 클라이언트가 소비하는 토큰은 반환된 메모리 콘텐츠의 길이에 따라 결정됩니다. 단일 검색으로 너무 많은 컨텍스트가 유입되어 창을 채우는 것을 방지하려면 AI 명령에 합리적인 제한 값을 설정하는 것이 좋습니다. memory_list의 한도는 기본적으로 10이고 최대값은 50입니다. 페이지를 탐색할 때 오프셋 증가에 주의하세요.
태그 필터링 및 성능: 태그/소스/코어 필터 조건을 사용할 때 Covalence의 벡터 검색은 필터링이 SQL 계층이 아닌 Swift 계층에서 수행되기 때문에 오버페치(limit×6 후보 사용)됩니다. 이는 필터링된 검색이 필터링되지 않은 검색보다 더 많은 로컬 컴퓨팅 리소스를 소비한다는 것을 의미합니다. 고주파 필터링 시나리오에서는 불필요한 성능 손실을 방지하기 위해 제한 값을 제어하는 것이 좋습니다.
파일 동기화의 무력함과 보안: 파일 메모리(File Memories)는 읽기 전용이며 Covalence는 소스 파일을 수정하지 않습니다. 그러나 파일이 삭제되거나 이동된 후에는 해당 메모리가 자동으로 정리되지 않으며 애플리케이션 설정("보존 또는 삭제" 옵션)에서 수동으로 처리해야 합니다. 또한 'cov-mcp'는 현재 로컬 stdin/stdout을 통해서만 통신하고 네트워크 포트를 노출하지 않으므로(원격 MCP 전송은 로드맵에 있음) 네트워크 무단 액세스 위험은 없지만 여러 사용자가 동일한 macOS 계정을 공유하는 경우 SQLite 파일의 액세스 권한에 주의해야 합니다.

제품 가격

가격 모델은 공식 실시간 페이지를 따릅니다. 보통 부분 유료화(Freemium)나 구독제(Subscription System)를 사용하며 기본 기능은 무료로 사용할 수 있다. 고급 기능을 사용하거나 빈도가 높은 경우에는 유료 구독이 필요하며, 사용자는 실제 사용량을 바탕으로 최적의 솔루션을 평가하는 것이 좋습니다.

애플리케이션 시나리오

교차 세션 컨텍스트 유지: 개발자가 며칠에 걸친 프로젝트 개발을 위해 Claude Code 또는 Cursor를 사용하는 경우 Covalence는 이전 단계의 기술적 결정, 코드 사양 및 주요 제약 조건을 기억할 수 있으므로 각각의 새로운 대화에 대해 처음부터 컨텍스트를 설명할 필요가 없습니다. 검증할 핵심 포인트: AI가 새 세션 시작 시 'memory_search'를 자동으로 호출하는지, 검색된 메모리에 현재 작업에 필요한 의사 결정 정보가 포함되어 있는지 여부.
개인 지식베이스의 AI 변환: 개인 메모, 기술 문서, 구성 파일이 포함된 폴더를 Covalence의 모니터링 목록에 추가하면 AI 클라이언트가 수동으로 복사하여 붙여넣을 필요 없이 대화에서 이러한 로컬 콘텐츠를 직접 검색할 수 있습니다. 검증 초점: 파일 변경 후 자동 재인덱싱 지연 및 구조화된 메타데이터에 대한 YAML 머리말 구문 분석 지원.
다중 항목 메모리 격리: '--space' 매개변수를 통해 각 항목에 대해 독립적인 메모리 공간을 생성하여 AI가 항목 A를 처리할 때 항목 B의 컨텍스트를 "잘못 기억"하지 않도록 합니다. 여러 클라이언트 프로젝트 또는 기술 스택을 동시에 유지 관리하는 개발자에게 적합합니다. 검증 핵심사항: 공간 전환 후 AI가 현재 공간을 정확하게 식별할 수 있는지, 공간 간 데이터 격리가 완료되었는지 여부.

경계에 맞지 않습니다

Covalence는 현재 macOS에서만 사용할 수 있으며 Windows/Linux 사용자는 사용할 수 없습니다.
네트워크 전송 MCP(원격/네트워크 전송)는 지원되지 않으며, ChatGPT 등 원격 MCP 연결만 지원하는 클라이언트는 일시적으로 사용할 수 없습니다.
단일 머신 아키텍처는 팀 공유 메모리 또는 다중 사용자 협업 시나리오에 적합하지 않다고 판단합니다.
nomic-embed-text-v1.5 기반 검색은 고도로 전문화된 분야(예: 법률 용어, 의학 문헌)에서 정확도가 제한적이며 임베딩 모델을 맞춤 설정할 수 없습니다.

해당자

macOS 플랫폼의 AI 개발자: Claude Code, Cursor 등 AI 프로그래밍 도구를 사용하는 개발자가 Covalence의 핵심 사용자입니다. 세션 전반에 걸쳐 프로젝트 컨텍스트를 유지해야 하며 개인 정보 보호 및 로컬 제어에 대한 높은 요구 사항이 있습니다. 전제조건: macOS 15+, Apple Silicon.
Claude Desktop Heavy Users: Claude를 일상 지식 도우미로 사용하는 사용자는 Covalence를 사용하여 매번 수동으로 컨텍스트를 제공할 필요 없이 Claude가 개인 선호도, 프로젝트 배경 및 중요한 결정을 기억할 수 있습니다. 전제 조건: 로컬 임베딩으로 인한 재현율 손실 약 2%를 수용합니다.
개인정보에 민감한 AI 사용자: 데이터 규정 준수 또는 개인정보 보호 문제로 인해 대화 기록을 클라우드에 업로드하기를 꺼리는 사용자입니다. Covalence의 제로 원격 호출 아키텍처는 "데이터가 로컬 시스템을 떠나지 않음"을 보장합니다. 전제 조건: 자체 백업을 관리하고 SQLite 파일을 내보낼 의지가 있어야 합니다.

군중에게는 적용되지 않습니다.

주로 ChatGPT(원격 MCP 클라이언트)를 사용하는 사용자 - Covalence는 현재 ChatGPT에 필요한 네트워크 전송 모드를 지원하지 않습니다.
크로스 플랫폼(Windows/Linux) 또는 크로스 디바이스 메모리 동기화가 필요한 사용자.
팀 협업 메모리나 기업 수준의 지식 관리 플랫폼이 필요한 팀.

요약 및 전망

Covalence는 '로컬 퍼스트 + MCP 프로토콜'이라는 차별화된 포지셔닝으로 AI 메모리 레이어 시장에 진출합니다. 핵심 가치는 다음과 같습니다. 클라우드 서비스에 의존하지 않고 지속적인 비용이 발생하지 않으며 사용자 하드웨어에서 실행되는 로컬 임베딩 및 하이브리드 검색을 통해 AI 클라이언트에 지속적인 의미 메모리만 제공합니다. 기술 아키텍처 측면에서 Matryoshka 잘림, 비대칭 검색 코딩 및 RRF 융합의 세 가지 디자인은 이론적 지원과 정량적 절충을 갖춘 엔지니어링 솔루션을 구성합니다. 즉, 개인 장치의 맥락에서 합리적인 절충인 3배의 저장 효율성을 대가로 약 2%의 정확도를 제공합니다.

현재 버전(v1.4.0)은 의미 검색, 코어 메모리, 공간 격리, 파일 동기화 MCP 도구 세트 등 완전한 기능을 포함하며 기본적으로 개별 사용자의 메모리 요구 사항을 충족합니다. 그러나 프로젝트의 주요 제약 사항은 macOS 독점성, 독립형 아키텍처, 팀 협업 기능 없음, 개별 개발자의 입력에 의존하는 프로젝트 유지 관리 등 똑같이 분명합니다. AI 도구 생태계가 빠르게 변화하는 상황에서 원격 MCP 전송 지원과 크로스 플랫폼 지원은 '흥미로운 개인 프로젝트'에서 '광범위하게 채택되는 메모리 계층 표준'으로 진화할 수 있는지 여부를 결정하는 핵심 노드가 될 것이다.

획득/채택 위험 평가: Covalence는 개별 개발자의 채택 비용이 거의 없으며(무료 + 등록 없음 + 구성 5분) Claude 코드/커서 워크플로에 대한 "플러그 앤 플레이" 향상 기능으로 시도할 수 있습니다. 평가 기간은 1~2주로 권장되며, AI가 예상대로 자동으로 메모리 도구를 호출할 수 있는지, 검색 결과가 일일 개발의 핵심 컨텍스트를 다루는지, macOS 독점성이 현재 워크플로와 충돌하는지 여부를 평가하는 데 중점을 둡니다. 기업은 구매하기 전에 SQLite 파일을 위한 안전한 백업 솔루션, 현재 기업 버전 지원이 없을 때 발생하는 장기적인 위험, 프로젝트 관리자의 상업적 지속 가능성을 확인해야 합니다. 크로스 플랫폼이나 팀 협업 메모리가 필요한 시나리오의 경우 LangSmith 및 Mem0과 같은 솔루션의 진행 상황에도 주의를 기울이는 것이 좋습니다.

버전 정보

파일 동기화, AI 명령어 재작성 및 공간 전환기 ：로컬 폴더의 내용을 자동으로 색인화할 수 있는 새로운 파일 동기화 기능(앵커 메모리)이 추가되었습니다. 완전히 재작성된 AI 지침; 새로운 공간 전환기를 추가했습니다. 검색 품질 벤치마크 도구 cov-benchmark를 출시했습니다. （2026-04-27）
P0 핫픽스 ：Xcode 없이 애플리케이션 시작이 중단되는 심각한 문제를 수정하고 CI 빌드 파이프라인의 Swift 런타임 라이브러리 임베딩 로직을 수정했습니다. （2026-04-20）
파이프라인 수정 릴리스 ：v1.3.3의 세 가지 CI 파이프라인 버그가 수정되었으며(내장 모델에 DMG URL 누락 오류, 릴리스 노트가 업로드되지 않음) 사용자 측 기능 변경 사항이 없습니다. （2026-04-19）
위상 게이트 왕복 ：최초의 완전 자동 CI/CD 파이프라인 검증 버전으로 디스패치→워크플로우→커밋→CF 자동 배포 엔드투엔드 프로세스를 검증합니다. 아직 공식적인 정확한 날짜는 없습니다. 실제 출시 라벨을 참조하세요. （2026-04-16）

사용자 후기

후기를 불러오는 중...