OpenViking: 무엇인지, 어떤 문제를 해결하는지 & 왜 주목받고 있는지

해결하는 문제

OpenViking은 AI Agent의 컨텍스트 관리에 따르는 과제들, 구체적으로는 파편화된 데이터(서로 다른 곳에 저장된 메모리, 리소스, 기술), 급증하는 컨텍스트 요구사항으로 인한 높은 토큰 비용, 기존의 평면적인 RAG 시스템에서의 낮은 검색 효율성, 그리고 디버깅을 어렵게 만드는 검색 체인의 "블랙박스" 특성을 해결합니다.

작동 방식

OpenViking은 filesystem paradigm을 사용하여 "컨텍스트 데이터베이스"를 구현합니다. 평면적인 벡터 저장소 대신, Agent의 두뇌를 로컬 파일 시스템처럼 구성하여 메모리와 리소스를 구조적으로 관리할 수 있게 합니다. L0/L1/L2의 3단계 로딩 구조를 활용하여 필요할 때만 컨텍스트를 로드하고 토큰 소비를 줄입니다. 디렉토리 위치 지정과 시맨틱 검색을 결합하여 재귀적 검색을 수행하며, 검색 과정을 관찰할 수 있도록 시각화된 검색 궤적을 제공합니다.

대상 사용자

전통적인 RAG 관리의 오버헤드 없이 장기 메모리, 외부 리소스, 기술 세트를 구조적이고 확장 가능한 방식으로 관리해야 하는 AI Agent 개발자.

주요 특징

• Filesystem Paradigm: 메모리, 리소스, 기술을 하나의 구조화된 조직으로 통합합니다.
• Tiered Context Loading: L0/L1/L2 단계를 사용하여 토큰 사용량과 비용을 최적화합니다.
• Recursive Retrieval: 디렉토리 기반 위치 지정과 시맨틱 검색을 결합하여 더욱 정밀한 컨텍스트 획득을 가능하게 합니다.
• Observable Context: 검색 궤적을 시각화하여 개발자가 검색 로직을 디버깅하고 최적화하는 데 도움을줍니다.
• Automatic Session Management: 콘텐츠와 도구 호출을 자동으로 압축하여 대화로부터 장기 메모리를 추출합니다.