ScottRBK/forgetful

해결하는 문제

Forgetful은 AI 에이전트를 위한 공유되고 지속 가능한 지식 기반을 제공하여, 서로 다른 세션, 장치, 또는 다른 에이전트 애플리케이션 간의 컨텍스트 손실 문제를 해결합니다. 에이전트가 사용자, 프로젝트, 결정에 대한 정보를 저장하고 검색할 수 있어, 동일한 세부 정보를 반복해서 다시 알려줄 필요가 없습니다.

작동 방식

이것은 에이전트가 연결할 수 있는 Model Context Protocol (MCP) 서버로 작동합니다. Zettelkasten 원칙을 따르며, 메모는 원자적이어야 하며(한 노트당 하나의 개념), 저장 시 FastEmbed를 사용해 의미적 임베딩을 생성하고 유사도 점수를 기반으로 유사한 기존 메모에 자동으로 링크하여 지식 그래프를 생성합니다. 저장소로 SQLite와 PostgreSQL을 모두 지원하며, STDIO 또는 HTTP 전송을 통해 배포할 수 있습니다.

대상 사용자

Claude Code, Cursor, 또는 커스텀 봇과 같은 AI 에이전트 개발자 및 사용자로, 여러 에이전트 워크플로우에 걸쳐 일관성과 컨텍스트를 유지하기 위한 중앙 집중식 메모리 시스템이 필요한 경우에 적합합니다.

주요 기능

• 자동 지식 그래프: 의미적으로 유사한 메모를 자동으로 연결하여 지식 네트워크를 구축합니다.
• 원자적 메모: 한 메모에 하나의 개념만 포함되도록 강제하여 명확성과 정확한 검색을 보장합니다.
• 엔티티 추적: 사람, 조직, 장치와 같은 구체적인 엔티티와 그 관계를 추적할 수 있습니다.
• 로컬 우선: FastEmbed를 사용한 임베딩과 SQLite를 사용한 저장소로 완전히 로컬에서 실행할 수 있습니다.
• 에이전트 조율: 다중 에이전트 조율을 위한 계획, 작업, 절차적 '스킬' 기능을 포함합니다.