ThinkfleetAI/memmesh

해결하는 문제

MemMesh는 AI 에이전트를 위한 지속 가능하고 로컬 우선의 메모리 시스템을 제공하여, 호스팅된 벡터 데이터베이스, 외부 검색 클러스터, 메모리 추출을 위한 필수 LLM 호출이 필요 없도록 합니다. 에이전트가 세션 간에 정보를 잊어버리는 것을 방지하면서도 데이터는 사용자의 기계에 완전히 보관되어 프라이버시와 비용 효율성을 확보합니다.

작동 방식

단일 Rust 바이너리로 제공되며, 로컬 데이터베이스(SQLite 또는 Postgres)와 소규모 로컬 임베딩 모델(bge-small)을 사용하여 의미적 검색과 키워드 검색의 하이브리드 검색을 가능하게 합니다. Model Context Protocol (MCP)을 통해 AI 도구와 통합되어 Claude Code, Cursor, Windsurf 등의 도구에 쉽게 연결할 수 있습니다. 히ュ리스틱 필터를 사용해 대화의 부가 정보를 제거하고, LLM을 필요로 하지 않고도 프롬프트에서 본질적인 정보를 자동으로 캡처할 수 있습니다.

대상 사용자

Claude Code, Cursor, Windsurf 등을 사용하는 AI 에이전트 개발자 및 사용자로, 복잡한 인프라를 관리하거나 API 호출 비용을 지불하지 않고도 내구성 있고, 개인 정보 보호가 보장되며 로컬에 저장되는 메모리를 원하는 사람들을 대상으로 합니다.

주요 특징

• 로컬 우선 아키텍처: 하나의 바이너리와 하나의 파일만 필요. 외부 벡터 DB나 필수 API 호출 없음.
• MCP 네이티브: 인기 있는 AI 코딩 도구 및 에이전트와 원활하게 통합.
• 하이브리드 검색: 로컬 임베딩을 통한 의미적 검색과 키워드 검색을 결합.
• 이중 시간 모델: 사건이 발생한 시점과 그 정보를 습득한 시점을 모두 추적.
• 자동 캡처: 히ュ리스틱 필터를 사용해 본질적인 사실과 선호 사항을 자동으로 관찰하고 저장.
• 히ュ리스틱 추출: LLM을 필요로 하지 않고 로컬에서 정보를 추출.