공개 벤치마크

Engram과 LangMem / LangGraph 비교

공개 LoCoMo 메모리 과제에서 Engram과 LangMem / LangGraph를 비교합니다. 동일한 방법의 결과가 있을 때 방법론과 한계까지 함께 표시합니다.

Engram92.19%

LangMem / LangGraph83.98%

짧은 답

Engram이 적합한 경우

에이전트, 저장소, 팀원을 아우르고 컨텍스트 압축 후 명시적으로 복구하는 관리형 MCP 메모리가 필요하면 Engram을 선택하세요.

이미 LangGraph 앱을 만들고 있으며 메모리 구성 요소를 직접 통합하려면 LangMem을 선택하세요.

같은 공개 과제를 사용했으며 전체 LangGraph 스택을 측정하지 않습니다.

수치가 말하는 것

동일 공개 데이터와 채점 방법

+8.21 pp

Engram은 R@50에서 8.21%p 앞섭니다.

+19.39 pp

Engram은 답변 정확도에서 19.39%p 앞섭니다.

판단 항목	Engram	LangMem / LangGraph
주요 제품 형태	에이전트 팀용 관리형 메모리	LangGraph 앱용 메모리 도구
제공 방식	MCP · 내장	Python 라이브러리와 LangGraph Store
도구 간 사용	지원	자체 앱을 통해 가능
압축 후 복구	내장	여기서 미측정
팀 및 저장소 간 학습	내장	여기서 미측정
동일 방법 답변 근거	지원	지원

Engram과 LangMem / LangGraph는 같은 방식으로 평가됐나요?

동일 방법 표시는 같은 LoCoMo 과제, 후보 깊이, 채점 규칙을 뜻하며 다른 프로토콜의 점수를 섞지 않습니다.

검색 점수가 가장 높으면 자동으로 최고의 제품인가요?

아닙니다. 검색은 근거 발견을, 정확도는 정답 기여를 측정합니다. 운영, 개인정보, 통합, 비용은 별도입니다.

어떤 제품을 선택해야 하나요?

즉시 쓰는 MCP는 Engram, LangGraph 앱 내부 메모리는 LangMem.

근거 검색과 답변 정확도는 분리해서 보여줍니다. 둘 다 공개 LoCoMo를 쓰지만 메모리 루프의 다른 단계를 봅니다.