Ikalus1988/MisakaNet

해결하는 문제

AI 코딩 에이전트는 종종 동일한 실패를 반복적으로 겪습니다. 에이전트가 문제를 수정해도 그 수정 사항이 다른 에이전트가 나중에 찾을 수 있는 곳에 기록되는 경우는 드물기 때문에, 동일한 타임아웃, 구문 오류, 구성 실수가 새 머신이나 새 모델마다 처음부터 디버깅됩니다. MisakaNet은 에이전트에게 공유된 git 기반의 "실패 메모리"를 제공하여 이 문제를 해결합니다. 즉, 무엇이 잘못되었고 어떻게 수정되었는지를 기록한 교훈의 검색 가능한 모음으로, 증거에 따라 등급이 매겨져 에이전트가 읽은 내용을 신뢰할 수 있습니다.

작동 방식

각 교훈은 저장소의 lessons/ 디렉토리에 저장된 일반 Markdown 파일입니다. 교훈은 source: 및 provenance.issue:와 같은 메타데이터가 있는 표준 형식을 따릅니다. 검색은 Python 표준 라이브러리만 사용하는 BM25 키워드 검색을 사용합니다. 벡터 데이터베이스, 임베딩 모델, 서버가 필요하지 않습니다(원하는 경우 제외). 에이전트는 모델 컨텍스트 프로토콜(MCP) 서버를 통해 MisakaNet과 상호 작용하며, 이 서버는 교훈을 조회하는 misakanet_search와 새 실패를 보고하는 misakanet_submit_intake를 포함한 8개의 도구를 노출합니다. 검색이 일치하면 에이전트는 교훈 텍스트와 증거 수준(E0~E4, E4는 교훈이 두 명 이상의 다른 클라이언트에 의해 재사용되었음을 의미)을 얻습니다. 일치하는 항목이 없으면 도구는 no_match 응답과 즉시 호출 가능한 인테이크 양식을 반환하므로, 누락은 추적 가능한 문제가 되어 나중에 새 교훈이 될 수 있습니다. 시스템은 10개의 다른 코딩 어시스턴트를 구성하는 npm 설치 프로그램을 통해 설치되거나 https://misakanet.org/mcp에서 공개 엔드포인트로 실행되어 모든 MCP 클라이언트가 사용할 수 있습니다.

대상 사용자

이 프로젝트는 AI 코딩 에이전트에 의존하는 개발자와 팀을 위해 구축되었으며, 특히 Docker, WSL, Windows, 기업 프록시 뒤와 같은 다양한 환경에서 에이전트를 실행하여 실패가 머신 간에 반복되는 경우를 대상으로 합니다. 또한 에이전트 자체를 위한 것입니다. 전체 설계는 에이전트 네이티브이며, MCP, WebMCP, llms.txt, A2A 디스커버리를 통한 자동 액세스를 제공합니다. 모든 개발자는 코퍼스에 없는 실패를 보고하거나 교훈을 재사용하고 흔적을 남김으로써 기여할 수 있으며, 이는 증거 수준을 높이는 데 도움이 됩니다.

주요 특징

• git 기반 교훈 저장소: 모든 수정 사항은 저장소에서 검토 가능하고 감사 가능한 Markdown 파일입니다.
• 증거 사다리 E0–E4: 교훈은 원시 인테이크부터 독립 클라이언트의 관찰된 재사용까지 검증 깊이에 따라 등급이 매겨집니다.
• Python 표준 라이브러리만 사용하는 BM25 검색 — 벡터 DB, 임베딩, 필수 서버 없음.
• 8개의 도구를 갖춘 MCP 서버, 공개 익명 엔드포인트, 10개 클라이언트용 npm 설치 프로그램, GitHub Action 통합, Python 라이브러리 misakanet-core.
• 한계에 대해 정직: 검색은 단어를 일치시키지 의미를 일치시키지 않습니다. 누락은 빈 페이지가 아니라 no_match와 인테이크 양식을 반환합니다.
• 벤치마크 기록됨但 일시 중지: lesson_hit_rate(모델이 주입된 교훈을 얼마나 암송하는지)를 측정 — 현재 작은 스냅샷에서 교훈을 붙여넣은 경우 약 43.8%, 붙여넣지 않은 경우 약 26.1%.
• 보안 경고: 교훈은 커뮤니티에서 제공되며 검색된 명령을 실행하기 전에 샌드박스 처리해야 합니다. CI는 위험한 패턴을 스캔합니다.