OzBrain: 다중 에이전트 워크플로우를 위한 공유 지식 레이어

OzBrain은 AI 에이전트 간의 컨텍스트 드리프트를 방지하는 통합 지식 레이어를 제공합니다

OzBrain은 AI 에이전트의 "공유 뇌"로 사용될 수 있도록 설계된 호스팅된 지식 기반입니다. Claude, ChatGPT, Cursor와 같은 다양한 LLM 플랫폼 간에 요약문, 선호사항, 프로젝트 상태를 수동으로 복사하는 대신, OzBrain은 모든 연결된 에이전트가 읽고 쓸 수 있는 단일 진실의 원천을 제공합니다. 이 아키텍처는 사용 중인 도구가 무엇이든 간에 모든 에이전트가 최신 정보를 기반으로 작동하도록 보장합니다.

핵심 기능 및 에이전트 통합

OzBrain은 AI 에이전트 아래에 위치하는 레이어로, Model Context Protocol (MCP)을 사용하여 에이전트 환경에 직접 통합됩니다.

자동 지식 관리

OzBrain은 정적 노트 작성의 수준을 넘어 지식 유지보수를 에이전트의 설계된 행동으로 간주합니다:

자동 라우팅: 새로운 정보는 사용자가 복잡한 파일 시스템을 설계할 필요 없이 자동으로 올바른 문서로 라우팅됩니다.
충돌 해결: 에이전트가 기존 데이터와 모순되는 정보를 쓰려 할 경우, 시스템은 쓰기 작업을 일시 중단하고 충돌을 표시하여 해결하도록 합니다.
동적 재구성: 컨텍스트 창의 포화 및 품질 저하를 방지하기 위해, 너무 커진 문서는 자동으로 분할 및 재구성되어 에이전트가 작업에 필요한 특정 정보만 가져올 수 있도록 합니다.
출처 추적: 모든 변경 사항은 버전 관리되며, 해당 쓰기 작업을 수행한 특정 에이전트(예: claude-code 또는 chatgpt)에 의해 기록되어 지식의 진화 과정을 투명하게 기록합니다.

통합 흐름

사용자는 사용자 정의 커넥터 메뉴를 통해 OzBrain을 에이전트에 연결합니다. 예를 들어, Claude에서는 OzBrain MCP URL(https://ozbrain.com/api/mcp)을 사용해 사용자 정의 커넥터를 추가하고, 이메일 코드로 로그인한 후 승인을 제공합니다. 연결이 완료되면 에이전트는 자동으로 뇌의 내용을 참조하고 학습한 정보를 다시 쓸 수 있습니다.

보안 및 데이터 주권

클라우드 기반 지식 저장소에 내재된 개인정보 보호 문제를 해결하기 위해 OzBrain은 여러 보안 계층을 구현합니다:

암호화된 저장: 문서 본문은 계정별 키를 사용해 암호화됩니다. 데이터는 에이전트에 제공하거나 리팩터링과 같은 유지보수 작업을 수행할 때만 복호화됩니다.
행 수준 보안(RLS): Postgres에서 강제 RLS를 사용하여 엄격한 테넌트 격리를 보장합니다.
감사 가능성: 사용자는 모든 읽기 및 쓰기 작업에 대한 전체 내보낼 수 있는 CSV 로그에 접근할 수 있으며, 어떤 에이전트가 어떤 문서에 접근했는지 확인할 수 있습니다.
데이터 이식성: 사용자는 언제든지 전체 뇌를 일반 Markdown 파일로 내보낼 수 있으며, 계정 삭제 시 모든 콘텐츠가 강제 삭제됩니다.

기존 메모리 시스템과의 비교

OzBrain은 플랫폼 내부 메모리와 전통적인 지식 기반과 몇 가지 방식에서 차별화됩니다:

기능	플랫폼 메모리(예: ChatGPT 메모리)	전통적인 위키(Notion/Obsidian)	OzBrain
범위	단일 플랫폼/계정	인간 중심의 노트	다중 플랫폼 에이전트 뇌
소유권	AI 제공업체가 통제	인간이 통제	인간과 에이전트 간 공유
유지보수	자동이지만 투명하지 않음	수동 인간 노력	에이전트 주도, 구조화된 라우팅
상호 운용성	하나의 생태계에 고정됨	수동 임포트/익스포트	MCP 커넥터 내장

커뮤니티의 시각과 기술적 비판

Hacker News에서 개발자들 간의 논의는 호스팅된 에이전트 메모리 서비스와 로컬 우선 워크플로우 사이의 긴장 관계를 드러냅니다.

로컬 우선 워크플로우의 주장

몇몇 사용자는 기존 도구가 자신의 필요에 충분하다고 주장했습니다. 한 사용자는 Git 저장소에 .md 파일을 직접 저장하면 에이전트가 MCP 서버 없이 grep과 로컬 파일 접근을 사용할 수 있다고 지적했습니다. 다른 사용자는 Obsidian에서 "Johnny.Decimal" 시스템을 사용해 에이전트에게 정확한 파일 경로를 제공함으로써 기본적인 구조가 전용 서비스보다 더 효과적이라고 주장했습니다.

LLM 신뢰성에 대한 우려

기술적 비판은 LLM 생성 요약의 본질적인 불안정성에 초점을 맞췄습니다. 한 기여자는 대량의 LLM 생성 텍스트를 통합할 때 정확도가 저하되는 방식에 대해 질문했으며, 심지어 최첨단 모델이라도 비트레이ivial한 요약 배치 중 의미를 왜곡할 수 있다고 지적했습니다.

"에이전트 스택"의 진화

비판에도 불구하고, 일부 사용자는 OzBrain을 등장하는 "에이전트 스택"의 핵심 요소로 보았습니다. 한 사용자는 다음과 같이 관찰했습니다:

"에이전트의 출력 간 지속성을 해결하려는 진지한 시도를 보는 것은 매우 유망합니다. 지금은 모두가 각각의 세션 간 일관성을 유지하는 방법을 스스로 찾아내고 있으며, 새로운 세션마다 무한히 컨텍스트를 과도하게 늘리지 않고 있습니다."

가격 계층

OzBrain은 저장된 지식의 양(문서 수)에 따라 계층적인 가격 모델을 제공합니다:

무료: 최대 50개 문서, 읽기/쓰기 제한 없음.
프로 ($20/월): 최대 300개 문서.
맥스 ($99/월): 최대 600개 문서.
기업용: 조직 소유의 공유 뇌를 위한 맞춤형 가격.