cognee 리뷰: AI 에이전트를 위한 오픈소스 지식 그래프 메모리

cognee란 무엇인가?

• 제품 유형: 셀프 호스팅 Python 라이브러리 및 파이프라인 프레임워크로, 독립적으로 다운로드 가능한 앱도 아니고 기본적으로 완전히 관리되는 SaaS도 아닙니다
• 개발사: Topoteretes UG (haftungsbeschränkt), 베를린에 등록된 회사; 상무이사 Vasilije Markovic
• 저장소: github.com/topoteretes/cognee
• 라이선스: 저장소의 라이선스 파일에서 확인된 Apache-2.0
• 로컬리티: 하이브리드 — 지식 그래프 엔진, 벡터 저장소, 로컬 데이터베이스는 자체 인프라에서 실행되지만, 엔티티 추출·보강·임베딩을 위해 전송되는 텍스트는 기본적으로 사용자가 설정한 외부 LLM/임베딩 제공업체로 라우팅됩니다. cognee는 해당 처리를 대신 로컬 Ollama 모델로 라우팅하는 것도 지원한다고 문서화하고 있습니다
• 규모: GitHub 스타 수가 30,700개를 넘으며, cognee 자체 사이트에 따르면 이 리뷰 작성 시점 기준 월간 SDK 실행 횟수가 500만 회를 넘습니다

cognee의 프로젝트 연혁

• cognee는 Extract-Cognify-Load 방식의 파이프라인을 중심으로 포지셔닝됩니다: 데이터를 수집하고, 이를 바탕으로 지식 그래프와 보강 레이어를 구축한 뒤("cognify"), 해당 그래프를 질의 가능하게 만듭니다 — 현재 SDK는 이를 add(), cognify(), search()로 노출하며, 그 위에 더 간단하게 사용할 수 있는 신규 remember()/recall() 래퍼 함수가 추가되어 있습니다
• cognee는 월간 SDK 실행 횟수가 500만 회를 넘는다고 밝히고 있으며, cognee 자체 사이트에 따르면 Bayer(연구 메모리), Knowunity, SlideSpeak, University of Wyoming 등을 프로덕션 사용자로 언급하고 있습니다
• 별도의 관리형 서비스인 Cognee Cloud는 엔진을 직접 호스팅하지 않고도 동일한 메모리 레이어를 사용하고자 하는 팀을 위한 선택적 경로로 도입되었습니다

cognee로 무엇을 할 수 있는가?

• 지식 그래프 구축 — cognee는 텍스트와 코드에서 엔티티, 관계, 구조를 추출하고 이를 바탕으로 그래프를 구축합니다. 단순히 평면적인 임베딩 벡터만 저장하지 않습니다
• 다중 포맷 수집 — 문서, 소스코드, 대화 기록을 모두 동일한 파이프라인에 입력할 수 있습니다
• 자동 검색 라우팅 — cognee의 검색 레이어는 사용자가 수동으로 선택할 필요 없이 쿼리에 따라 검색 전략(그래프 순회, 벡터 유사도, 또는 하이브리드)을 선택합니다
• 백그라운드 동기화가 포함된 세션 메모리 — 대화 컨텍스트를 세션 메모리에 유지하고 백그라운드에서 영구 그래프로 동기화할 수 있습니다
• 그래프 시각화 및 사용자 정의 온톨로지 — 구축된 그래프를 시각적으로 검사할 수 있으며, 추출 과정이 해당 도메인 고유의 엔티티 및 관계 유형을 따르도록 자체 온톨로지를 정의할 수 있습니다
• 로컬 모델을 지원하는 하이브리드 로컬리티 — cognee 자체 기본 흐름은 처리를 위해 데이터를 설정된 외부 LLM/임베딩 제공업체로 전송하지만, 대신 해당 처리를 로컬 Ollama 인스턴스로 지정하는 것도 지원하여 전체 파이프라인을 자체 하드웨어에 유지할 수 있습니다
• 에이전트 및 IDE 통합 — 문서화된 통합에는 Claude Code(메모리 플러그인으로서), Cursor, Cline, LangGraph, CrewAI, OpenClaw, 그리고 cognee를 MCP 호환 클라이언트에 도구로 연결하기 위한 Model Context Protocol(MCP) 지원이 포함됩니다

사용 예시: cognee를 사용하는 세 가지 방법

• 텍스트로부터 메모리를 구축하고 질의하기: pip install cognee를 실행한 뒤, cognee.remember(text)를 호출하여 수집하고 cognee.recall(query_text=...)로 질의합니다 — cognee 공식 문서는 remember()가 수집, 청킹, 엔티티 추출, 그래프 구축을 한 단계에서 수행하고, recall()이 쿼리를 최적의 검색 전략으로 자동 라우팅한다고 설명합니다
• 더 세밀한 제어를 위해 더 저수준의 ECL 방식 파이프라인을 직접 사용하기: cognee.add(data)를 호출하여 원본 텍스트나 파일을 수집하고, cognee.cognify()를 호출하여 엔티티/관계 추출을 실행하고 지식 그래프를 구축한 뒤, cognee.search(query_text=...)로 질의합니다 — 단발성 호출인 remember()/recall() 래퍼를 사용하는 대신 각 파이프라인 단계에서 일어나는 일을 검사하거나 사용자 정의하고 싶을 때 유용합니다
• 클라우드 LLM/임베딩 제공업체 대신 로컬 Ollama 모델로 cognee를 지정하기: cognee의 설정은 LLM 및 임베딩 제공업체를 로컬 Ollama 엔드포인트로 지정하는 것을 지원하므로, 엔티티 추출 및 임베딩 단계가 외부 API를 호출하는 대신 자체 하드웨어에서 실행됩니다 — 프로젝트에 이를 통합하기 전에, 제공업체 설정 세부 사항은 버전마다 변경될 수 있으므로 현재 환경 변수 이름에 대해 cognee 자체 설정 문서를 확인하십시오

import asyncio
import cognee

async def main():
    text = "cognee turns documents into AI memory."
    await cognee.remember(text)
    results = await cognee.recall(query_text="What does cognee do?")
    for result in results:
        print(result.text)

asyncio.run(main())

cognee 설치하기

cognee 가격: 정말로 무료인가?

• 오픈소스 엔진: 무료, Apache-2.0, cognee 자체가 부과하는 사용 제한 없음
• 자신의 비용에는 여전히 cognify()/remember() 실행 중 cognee가 수행하는 API 호출에 대해 설정된 외부 LLM/임베딩 제공업체가 청구하는 비용이 포함됩니다 — 해당 처리를 로컬 Ollama 모델로 라우팅하는 경우에는 자체 하드웨어 외 추가 비용이 없습니다
• Cognee Cloud: 별도의 선택적 관리형 서비스로, cognee 자체 사이트는 관심 있는 팀에게 "관리형 확장이 필요할 때 Cognee Cloud로 이전하십시오"라고 안내하지만, 메인 페이지에 정확한 등급별 가격을 나열하지는 않습니다
• 오픈소스 라이브러리를 설치하고 사용하는 데 계정이나 가입이 필요하지 않습니다

cognee vs. Langchain-Chatchat

cognee는 누구에게 적합한가?

경쟁사 및 대안

cognee 평가 시 흔한 오해

자주 묻는 질문

출처

관련 읽을거리

• 로컬 LLM 소프트웨어 디렉터리 2026 — 이 글이 속한, cognee 자체 디렉터리 항목을 포함한 로컬 AI 도구의 전체 카탈로그입니다.
• Chroma 리뷰 — cognee와 같은 검색 및 메모리 레이어와 자주 함께 사용되는 셀프 호스팅 가능한 벡터 데이터베이스입니다.
• LangChain 리뷰 — cognee의 메모리 레이어와 결합할 수 있는 범용 LLM 애플리케이션 프레임워크입니다.
• LlamaIndex 리뷰 — cognee의 지식 그래프 접근 방식과 비교하기 위한, LLM 애플리케이션을 위한 데이터 인덱싱 프레임워크입니다.