2026년 7월 16일
2026 9개의 Agent-native 노트앱 비교
AI 채팅이 붙었다고 모두 agent-native는 아닙니다. 자료 접근 범위, 영구 맥락, 도구 사용, 산출물 네 기준으로 2026년 주요 노트앱 9개를 공식 문서에 따라 비교합니다.
2026년 노트앱 소개 페이지에는 빠지지 않는 장식이 하나 있어요. AI 배지입니다. 회의록을 요약하고, 문장을 고치고, "내 노트와 대화"할 수 있다고 말하죠. 이제 AI가 없다는 설명이 오히려 독특하게 들릴 정도입니다.
하지만 채팅창이 붙은 앱과 에이전트가 일하는 앱은 다릅니다. 단순히 질문에 답하는 것과 자료를 찾아 계획을 세우고, 도구를 쓰고, 결과를 다시 워크스페이스에 남기는 것은 같은 일이 아니에요.
그래서 네 가지를 확인했습니다.
- AI가 어디까지 읽는가.
- 세션이 끝나면 그 맥락은 어떻게 되는가.
- 외부 또는 내장된 도구를 사용할 수 있는가.
- 편집 가능한 산출물을 만드는가.
이 기준으로 NotebookLM, Notion, Obsidian, Mem, Tana, Capacities, Reflect, Anytype, 그리고 Consilience를 비교했습니다.
확인 기준일: 2026-07-16. 타사 기능은 각 제품의 공식 도움말·릴리스·문서를 기준으로 확인했습니다. 실험·베타·유료 등급 한정 기능은 ▵로 표시했습니다.
Agent-native를 가르는 네 가지
첫째는 자료 접근 범위입니다. 현재 문단만 읽는지, 선택한 노트 몇 개를 읽는지, 워크스페이스 전체와 연결 서비스까지 탐색하는지 봅니다.
둘째는 영구 맥락이에요. 채팅이 끝난 뒤에도 지침, 관계, 결정, 작업 결과가 다음 세션에 쓰일 형태로 남아야 합니다. 남더라도 메모리에만 확률적으로 편집되는 것, 대화 기록을 보관하는 것, 지식이 스스로 갱신되는 것은 구분해야 해요.
셋째는 도구 사용입니다. 검색, 코드 실행, 일정 생성, DB 수정, 외부 서비스 작업처럼 모델이 답변 밖의 행동을 할 수 있어야 합니다.
넷째는 산출물이에요. 좋은 답변도 브라우저 탭을 닫으면 끝날 수 있습니다. 노트, 표, 슬라이드, 지도, 태스크처럼 다시 열고 고칠 수 있는 실물이 남는지 봅니다.
flowchart LR
N["내 자료"] --> A["접근 범위"]
A --> M["영구 맥락"]
M --> T["도구 사용"]
T --> O["편집 가능한 산출물"]
O --> N그리고 이 네 단계는 순환합니다. 산출물이 다시 맥락이 되고, 이전 작업은 다음 작업으로 응용할 수 있어야 합니다. 노트앱은 이제 단순한 기록함*vault*이 아니라 작업공간*workspace*으로 바뀝니다.
아홉 앱을 같은 표에 놓아봤어요
표의 ✓는 해당 기준을 제품 안에서 일반적으로 충족한다는 뜻입니다. ▵는 플랜·플러그인·외부 에이전트·알파 접근이 필요하거나 범위가 제한된 경우, ✗는 공식 기능에서 확인하지 못한 경우예요.
| 앱 | 자료 접근 범위 | 영구 맥락 | 도구 사용 | 산출물 |
|---|---|---|---|---|
| NotebookLM | ▵ 노트북별 소스, 노트북 간 동시 접근 불가 | ✓ 소스·노트·Studio 결과 유지 | ▵ Ultra에서 웹·코드·파일 생성 | ✓ 보고서·표·오디오·영상·슬라이드 |
| Notion | ✓ 워크스페이스 + 공식 커넥터 | ✓ 페이지·DB·지침·Agent 설정 | ✓ 페이지·DB·연결 도구·스케줄 | ✓ 문서·DB·인터랙티브 블록 |
| Obsidian + AI 플러그인 | ▵ 플러그인별 볼트 색인 | ▵ 노트는 유지, AI 기억은 구성별 | ▵ 플러그인·CLI·외부 도구 조합 | ▵ 마크다운 편집, 플러그인별 |
| Mem | ✓ 기본값이 워크스페이스 전체 검색 | ✓ 노트·컬렉션·채팅 유지 | ▵ 노트 생성·편집·분류 중심 | ✓ 노트·체크리스트·컬렉션 |
| Tana | ✓ 권한 내 문서·회의·관계·연결 도구 | ✓ 문서·스킬·Agent·스케줄 유지 | ✓ 내부 작업 + GitHub·Slack·MCP | ✓ 문서·태스크·타입·캘린더·덱 |
| Capacities | ✓ 스페이스 검색·노트·연결 탐색 | ✓ 노트·객체·AI 채팅 유지 | ▵ 검색·웹·속성 채우기 중심 | ✓ 노트 편집·객체·속성 |
| Reflect | ▵ 검색 결과·필터 범위, MCP는 전체 접근 | ✓ 노트·백링크·검색 기록 | ▵ MCP 연결 시 읽기·쓰기 | ▵ 본문 편집·새 노트 |
| Anytype | ▵ AI Ally 제한 알파, 초대한 스페이스 | ▵ 스페이스를 메모리로 사용 | ▵ 알파에서 정리·일괄편집·미니앱 | ▵ 구조화 콘텐츠·미니앱 |
| Consilience | ✓ 원문(.md, .docs, .ppt, .pdf, .xsls, .html, ...) + 온톨로지 그래프 + | ✓ 관계·문장·결정·산출물 누적 | ✓ 검색·리서치·파일·지도·Appshot | ✓ 노트·코드·슬라이드·리서치·지도·문서 |
점수를 합쳐 순위를 매기지는 않았습니다. 네 기준의 무게가 사람마다 다르고, 같은 ✓도 성격이 다르기 때문이에요. NotebookLM의 산출물은 올린 소스를 설명하는 데 강하고, Notion과 Tana의 산출물은 팀 업무를 움직이는 데 강합니다. Consilience는 로컬 자료의 관계를 추적해 조사와 저작으로 이어가는 쪽에 무게가 있어요.
자료에 충실한 결과물은 NotebookLM이 기준을 올렸어요
NotebookLM은 사용자가 넣은 소스에 답을 묶고, 인라인 인용으로 원문 위치까지 돌아가게 합니다. PDF, 웹페이지, 유튜브, 오디오, Google Docs·Slides를 한 노트북에 모아 묻는 흐름이 간단해요. 출처가 없는 유창한 답보다 확인 가능한 답을 먼저 보여 준다는 점은 여전히 배울 만합니다.
이제 결과물도 채팅 요약을 훨씬 넘어섰습니다. Studio는 노트, 보고서, 데이터 표, 마인드맵, 오디오·영상 개요, 퀴즈, 슬라이드 덱, 인포그래픽을 만듭니다. 보고서는 Docs로, 데이터 표는 Sheets로 내보낼 수 있어요.
제약은 노트북 경계입니다. 공식 문서도 각 노트북이 독립적이며 여러 노트북의 정보를 동시에 읽을 수 없다고 명시합니다. 기본 채팅은 선택한 소스에 근거해 답하는 연구 도구에 가깝고, 웹 검색·코드 실행·다운로드 파일 생성 같은 agentic 기능은 Google AI Ultra의 데스크톱 기능으로 한정돼 있습니다.
| 소스 기반 작업 | NotebookLM | 범용 노트앱 AI | Agent-native 워크스페이스 |
|---|---|---|---|
| 원문 인용 | ✓ 인라인 인용·원문 이동 | ▵ 제품별 차이 | ✓ 출처·원문 연결 |
| 여러 프로젝트 통합 맥락 | ✗ 노트북 경계 | ▵ 검색 범위에 따라 다름 | ✓ 워크스페이스 범위 |
| 다양한 미디어 산출물 | ✓ Studio에 기본 제공 | ▵ 제품별 차이 | ▵ 작업 도구에 따라 다름 |
논문 묶음 하나를 읽고 설명 자료를 만드는 일이라면 NotebookLM은 매우 좋은 답입니다. 모든 노트와 프로젝트를 가로지르는 장기 맥락이 필요할 때는 경계가 먼저 보여요.
팀의 일을 움직이는 기능은 Notion과 Tana가 구체적이에요
Notion은 2025년 Notion 3.0 Agent로 Q&A 중심 AI를 작업형 에이전트로 바꿨습니다. 워크스페이스를 검색하고 수백 개 페이지를 생성·수정하며, DB를 채우고 프로젝트 계획을 태스크로 나눕니다. Custom Agents는 일정, DB 변경, 멘션을 트리거로 반복 업무를 실행해요. Slack·Google Drive·GitHub·Jira 같은 공식 AI 커넥터의 맥락도 권한 범위 안에서 사용합니다.
Tana의 AI chat은 읽기·검색·생성·수정·삭제 도구를 제품 중심에 둡니다. 문서와 회의, 타입, 필드, 캘린더를 다루고 GitHub 이슈, Slack 메시지, Linear 작업, 커스텀 MCP 도구까지 연결해요. 쓰기 작업은 제안으로 만들어 사람이 승인한 뒤 반영됩니다. Custom Agent는 능력과 지침, 음성, 스케줄을 가진 문서로 저장됩니다.
둘은 agent-native라는 말에 잘 맞습니다. 이미 팀이 일하는 데이터 구조 안에서 에이전트가 읽고 쓰며, 반복 작업을 예약하고, 결과를 동료가 보는 문서와 태스크로 남겨요.
| 팀 작업형 에이전트 | Notion | Tana | Consilience |
|---|---|---|---|
| 문서·구조화 데이터 수정 | ✓ 페이지·DB | ✓ 문서·타입·필드 | ✓ 마크다운·그래프 산출물 |
| 트리거·스케줄 | ✓ Custom Agents | ✓ Custom Agents | ▵ 대화·작업 중심 |
| 외부 업무 도구 | ✓ Connectors·MCP | ✓ GitHub·Slack·Linear·MCP | ▵ 웹·일부 MCP·로컬 도구 |
| 실시간 팀 협업 | ✓ | ✓ | ✗ |
Consilience가 이 표에서 지는 자리는 협업과 예약 자동화입니다. 팀 운영이 목적이라면 Notion이나 Tana가 더 맞아요. 반대로 원문 파일의 소유권, 자동 지식그래프, 관계의 문장 단위 출처가 우선이면 다른 축을 봐야 합니다.
Mem과 Capacities는 노트 안에서 행동 범위를 넓혀요
Mem Chat은 기본적으로 워크스페이스 전체에서 관련 노트를 찾습니다. 지난 회의들을 요약하고, 현재 노트를 편집하고, 새 체크리스트를 만들고, 노트를 컬렉션에 분류할 수 있어요. 답을 새 노트로 저장하는 것까지 한 대화에서 이어집니다. 도구의 범위가 주로 Mem 안의 노트와 컬렉션에 머물지만, "기억해 둔 생각을 다시 꺼내 글로 만든다"는 흐름은 분명합니다.
Capacities AI Assistant는 스페이스를 검색해 관련 노트를 읽고, 연결된 객체를 탐색하며, 웹 검색과 속성 자동 채우기를 수행합니다. 답을 현재 문서에 덧붙이거나 선택 영역과 바꾸고, AI 채팅 자체도 객체로 저장해 다른 노트와 연결할 수 있어요. 객체 중심 모델 덕분에 채팅이 노트 체계 밖의 임시 창으로 남지 않습니다.
| 노트 안의 행동 | Mem | Capacities | 단순 AI 팔레트 |
|---|---|---|---|
| 전체 노트 검색 | ✓ 기본값 | ✓ 스페이스 검색 도구 | ▵ 선택한 본문 중심 |
| 노트 생성·편집 | ✓ | ✓ | ▵ 삽입·교체 중심 |
| 자동 분류·속성 | ✓ 컬렉션 제안·적용 | ✓ 태그·컬렉션·속성 채우기 | ✗ |
| 외부 도구 실행 | ✗ 공식 기능에서 확인 안 됨 | ▵ 웹·외부 AI 커넥터 | ✗ |
둘 다 모든 외부 업무를 대신하는 범용 에이전트는 아닙니다. 대신 노트를 찾고 정리하고 다시 쓰는 핵심 루프를 짧게 만들어요. 개인 지식관리에서는 이 좁고 선명한 범위가 오히려 실용적일 수 있습니다.
Obsidian과 Reflect 내부에 에이전트가 없지만 외부에서 들어올 수 있어요
Obsidian 코어에는 1st-party AI가 없습니다. 사용자는 Smart Connections나 Copilot 같은 플러그인을 골라 볼트 검색, 관련 노트 추천, 채팅, 에이전트 모드를 추가합니다. 다만 접근 범위, 기억, 쓰기 행동이 하나의 플러그인 조합에 따라 달라집니다.
Reflect AI는 선택한 본문을 요약·수정하고 검색 결과의 노트와 대화합니다(에이전트 작업은 X). 여기에 MCP 베타를 켜면 Claude Code, Codex, Cursor가 Reflect 노트를 검색하고 읽고 만들고 수정할 수 있어요. 내장 AI는 단순 질의응답에 그치지만, 외부 에이전트에게 임시적으로 노트를 맡길 수 있죠.
| 조립형 에이전트 | Obsidian | Reflect |
|---|---|---|
| 내장 1st-party 에이전트 | ✗ | ✗ AI 팔레트·노트 채팅 중심 |
| 외부 확장 | ✓ 커뮤니티 플러그인·CLI | ✓ MCP 베타 |
| 볼트·노트 쓰기 | ▵ 플러그인별 | ✓ MCP가 생성·수정 |
| 일관된 권한·승인 계약 | ✗ 조합별 | ▵ 외부 에이전트에 따름 |
이 방식은 "에이전트가 기본값일 필요가 있는가?"의 질문에 대한 서로 다른 대답입니다. AI를 앱 전체에 넣지 않고, 필요할 때만 선택한 확장이나 외부 도구에 문을 열어준 것이죠.
Consilience는 그래프를 에이전트의 영구 맥락으로 써요
Consilience에서 원문은 로컬 마크다운으로 남습니다. 자료를 들여오면 개체, 관계, 스키마, 근거 문장을 추출해 온톨로지 그래프를 만들어요. 에이전트는 매 세션 파일을 처음부터 훑는 대신, 질문과 관련된 개체를 찾고 관계를 따라 필요한 문맥을 조립합니다. 사람이 손 댈 필요 없죠. 여기서 영구 맥락이란 긴 채팅 기록이 아닙니다. 어떤 문장에서 관계가 나왔는지, 나중 결정이 어떤 이전 결정을 대체했는지, 조사 결과가 어느 노트로 남았는지가 그래프와 파일에 누적돼요.
도구도 같은 맥락을 사용합니다. /research는 웹 자료를 수집·검증해 출처별 노트와 종합 문서를 만들고, 지도 캔버스는 장소를 지오코딩해 경로와 동선을 계산합니다. Appshot은 열어 둔 앱의 이미지와 접근성 트리를 채팅에 첨부해 화면 정보를 작업에 넣어요. 결과는 노트, 지도, 가이드북 같은 편집 가능한 산출물로 남습니다.
| 그래프 기반 작업 | 전통적인 RAG | 일반 노트앱 AI | Consilience |
|---|---|---|---|
| 검색 단위 | ▵ 문서 청크 | ▵ 노트·블록 | ✓ 개체·관계·문장·문서 융합 |
| 여러 노트의 관계 | ✗ 유사도 검색 후 모델 추론 | ▵ 링크·DB 구조 활용 | ✓ 그래프 순회 |
| 관계의 원문 근거 | ▵ 청크 인용 | ▵ 제품별 | ✓ 문장 단위 영수증 |
| 산출물과 맥락의 재순환 | ▵ 별도 저장 필요 | ✓ 앱 안에 저장 | ✓ 파일·그래프에 다시 누적 |
검색된 맥락이 답변을 만들고, 답변의 산출물이 다시 맥락이 될 때 에이전트는 일을 이어갈 수 있습니다.
여기에도 분명한 한계가 있어요. 모바일과 실시간 협업이 없고, 플러그인 생태계도 없습니다. 팀 자동화와 스케줄 에이전트는 Notion·Tana가 앞서고, 미디어 설명 자료는 NotebookLM Studio가 훨씬 다양합니다. Consilience는 로컬 자료의 관계, 출처, 멀티홉 맥락을 에이전트 작업으로 이어가는 자리에 집중합니다.
"AI 배지"는 가려두고, 아래 네 가지 질문을 던져보세요
- "내 전체 자료를 읽어"라고 했을 때 정확히 어디까지 읽는가?
- 오늘 정한 규칙과 결정을 다음 달 작업에서도 어떤 형태로 기억하는가?
- 검색과 요약 밖에 실제로 호출할 수 있는 도구는 무엇인가?
- 작업이 끝난 뒤 내가 다시 열고 편집할 수 있는 것은 무엇인가?
"어떤 권한으로, 무엇을 읽고, 어느 도구를 써서, 무엇을 남깁니다"라는 답변을 얻으셨나요? 그 답이 구체적일수록 agent-native에 가깝습니다.
자주 묻는 질문
AI 채팅으로 전체 노트에 질문할 수 있으면 agent-native인가요?
그것만으로는 부족합니다. 전체 검색은 첫 번째 기준을 충족하지만, 세션 이후의 맥락, 도구 사용, 편집 가능한 산출물이 남아야 작업이 이어집니다. 훌륭한 RAG 챗과 에이전트 워크스페이스는 겹치지만 같은 범주는 아니에요.
플러그인이나 MCP로 연결한 기능도 agent-native라고 볼 수 있나요?
넓게 보면 그렇습니다. 다만 제품 안에서 접근 범위·권한·승인·실패 처리가 일관되게 제공되는 내장 에이전트와, 사용자가 여러 구성요소를 조립한 시스템은 구분해서 봐야 해요. 이 글에서는 후자를 ▵로 표시했습니다.
이 표에서 어떤 앱이 1등인가요?
순위를 매기지 않았습니다. 소스 기반 학습 자료는 NotebookLM, 팀 업무 자동화는 Notion·Tana, 간편한 개인 노트는 Mem·Capacities, 플러그인 조합의 자유도는 Obsidian가 우세하죠. 반면 Agent에게 "해줘" 한 마디면 AI가 스스로 살아있는 지식그래프에서 1초만에 관련지식을 꺼내와 똑똑하게 작업하기를 원한다면 Consilience가 유일한 대안입니다. 일일이 지식을 종합하고 최신화해서 삽입하고 내 의도를 구체적으로 묘사할 필요 없죠.
이 비교는 2026-07-16의 공식 공개 문서를 기준으로 합니다. AI 기능, 플랜, 베타 범위는 빠르게 바뀌므로 도입 전 각 제품의 최신 도움말을 다시 확인하세요.