TencentCloud/TencentDB-Agent-Memory

해결하는 문제

AI 에이전트를 사용할 때 반복 작업과 '콜드 스타트' 문제를 해결합니다. 새로운 세션마다 프로젝트 맥락을 다시 설명하거나, 문서를 다시 읽거나, 워크플로우를 다시 발견할 필요 없이, 이 프로젝트는 에이전트가 다양한 세션, 프레임워크, 팀원 간에 경험, 기술, 프로젝트 지식을 저장, 정리, 재사용할 수 있게 해줍니다.

작동 방식

시스템은 에이전트가 프록시를 통해 연결하는 중앙 집중식 메모리 서버로 작동합니다. 원시 데이터를 구조화된 '메모리 자산'으로 변환합니다:

• 채팅 메모리: 원시 대화를 계층화된 형태(L0 원시 데이터 → L1 원자 → L2 시나리오 → L3 페르소나)로 정제하여 선호도와 사실을 유지합니다.
• 스킬: 성공한 작업에서 재사용 가능한 실행 가능한 워크플로우(버전 및 검증 규칙 포함)를 추출합니다.
• 위키: 문서를 링크 그래프를 갖춘 구조화된 페이지로 변환합니다.
• 코드그래프: 코드 심볼과 호출 관계를 인덱싱하여 에이전트가 영향 분석을 수행할 수 있도록 합니다.

이 자산들은 메모리 허브 컨트롤 패널을 통해 관리되며, 인간은 리뷰, 버전 관리, 역할 및 접근 권한(개인, 팀, 제한)에 따라 다양한 에이전트에 특정 '로드아웃'을 할당할 수 있습니다.

대상 사용자

• 서로 다른 에이전트 간에 지식을 공유하고 싶은 다중 에이전트 시스템을 개발하는 개발자 및 팀.
• Claude Code나 DeepSeek Harness과 같은 AI 코딩 에이전트를 사용하며, 에이전트가 프로젝트 고유의 제약 조건과 이력을 기억하고 싶은 사용자.
• 에이전트 전문 지식 라이브러리를 점차 확장하고 싶은 소규모 팀 또는 '원인 회사' 사용자.

주요 특징

• 코드 없이 통합 가능: 플러그인이나 MCP 서버가 필요 없으며, 프록시를 사용해 에이전트의 기본 URL을 메모리 서버로 연결할 수 있습니다.
• 계층적 메모리: 원시 로그에서 고수준 페르소나로 이동하여 컨텍스트 창 오버플로우를 방지합니다.
• 역할 기반 로드아웃: 다양한 에이전트에 다른 메모리 자산을 할당 가능 (예: '리뷰어' 에이전트는 릴리스 체크리스트 스킬을 받음).
• 콜드 스타트 지원: 기존 코드베이스, 문서, 대화 기록을 가져와 새 에이전트 팀을 즉시 장비할 수 있습니다.