Lyellr88/marm-memory

해결하는 문제

AI 에이전트는 일반적으로 채팅 세션 간에 컨텍스트를 잃어버려 매번 처음부터 시작해야 합니다. MARM Memory는 영구적이고 로컬 우선인 메모리 서버를 제공하여 에이전트가 다른 세션, 심지어 다른 AI 모델 간(예: Claude에서 Gemini로 전환)에도 결정, 연구 및 프로젝트 기록을 저장하고 불러올 수 있게 합니다.

작동 방식

MARM은 Model Context Protocol (MCP) 서버로 작동하며 연결된 에이전트에 14개의 도구 모음을 제공합니다. 전체 텍스트 검색(FTS5 BM25)과 의미론적 재순위 지정을 결합한 하이브리드 검색 시스템을 사용하여 메모리가 증가함에 따라 빠르고 정확한 회상을 보장합니다. 시스템은 세 가지 계층으로 구성됩니다:

• 핵심 메모리: 대화, 메모 및 요약을 저장합니다.
• 코드 그래프: 리포지토리를 인덱싱하여 기호와 코드 경로를 매핑하며, 에이전트가 전체 코드베이스를 다시 읽지 않고도 프로젝트 구조를 이해할 수 있도록 합니다.
• 개념 그래프: 메모리에서 엔티티와 관계를 추출하여 코드 그래프와 다시 연결합니다.

동시성을 처리하기 위해 WAL 모드와 직렬화된 쓰기 큐가 있는 임베디드 SQLite 데이터베이스를 사용하며, pip 또는 Docker를 통해 다양한 프로필(solo, swarm 또는 trusted)로 배포할 수 있습니다.

대상 사용자

MCP 호환 AI 에이전트(Claude Code, Codex 또는 Gemini 등)를 사용하며, 에이전트가 프로젝트 및 결정에 대한 영구적이고 공유된 로컬 메모리를 갖기를 원하는 개발자 및 연구원.

하이라이트

• MCP 네이티브: HTTP 또는 STDIO 전송을 통해 모든 MCP 클라이언트와 함께 작동합니다.
• 하이브리드 검색: 효율적인 확장을 위해 키워드 검색과 의미론적 임베딩을 결합합니다.
• 코드 및 개념 그래프: 리포지토리 구조와 개념적 관계를 매핑하여 단순한 텍스트를 넘어섭니다.
• 로컬 우선: 제로 구성 로컬 설정을 위해 임베디드 SQLite를 사용합니다.
• 웹 콘솔: 메모리, 지식 그래프 및 인덱싱 진행률을 탐색하기 위한 내장 UI를 포함합니다.