MemPalace/mempalace

해결하는 문제

MemPalace는 사용자와 AI 에이전트가 대화 기록과 프로젝트 데이터를 정확히 저장하고 검색할 수 있는 로컬 우선 AI 메모리 시스템을 제공합니다. 요약이나 재구성 없이 원본 내용을 정확히 검색하기 위해 의미적 검색을 사용함으로써 장기적인 AI 상호작용에서의 '기억 상실' 문제를 해결합니다.

작동 방식

시스템은 데이터를 구조화된 계층으로 정리합니다: 사람과 프로젝트는 '날개', 주제는 '방', 원본 콘텐츠는 '서랍'에 저장됩니다. 플러그인 가능한 검색 레이어(기본값은 ChromaDB)를 사용하여 이 구조화된 인덱스를 기반으로 의미적 검색을 수행합니다. Model Context Protocol (MCP) 서버, CLI, 또는 Claude Code 및 Cursor IDE와 같은 도구의 자동 저장 훅을 통해 AI 워크플로우에 통합할 수 있습니다.

대상 사용자

AI 에이전트를 위한 개인적이고 로컬 메모리를 원하는 개발자 및 AI 전문 사용자, 그리고 클라우드 기반 요약에 의존하지 않고 세션 간 장기적인 컨텍스트를 유지해야 하는 코드 보조 도구(예: Claude Code 또는 Cursor) 사용자에게 적합합니다.

주요 특징

• 로컬 우선 개인정보 보호: 사용자가 외부 서비스에 명시적으로 동의하지 않는 한 데이터는 로컬 머신에 머무릅니다.
• 높은 검색 정확도: API 호출이나 LLM을 필요로 하지 않고 LongMemEval에서 R@5 원시 검색 재현율 96.6%를 달성합니다.
• 플러그인 가능한 백엔드: ChromaDB, SQLite, Milvus, Qdrant, pgvector 등 다양한 저장 옵션을 지원합니다.
• 구조화된 메모리: 평탄한 코퍼스가 아닌 '날개/방/서랍' 구조를 사용하여 더 정밀한 검색 범위를 제공합니다.
• MCP 통합: 메모리 관리, 지식 그래프, 에이전트 조율을 위한 45개의 MCP 도구를 포함합니다.