agentic-box/memora

Give your AI agents persistent memory.

What it solves

Memora는 AI 에이전트에게 지속적이고 구조화된 메모리 레이어를 제공합니다. 에이전트가 단기적인 컨텍스트 윈도우에만 의존하는 대신, 내구성이 있는 지식 그래프 내에서 정보를 저장, 검색 및 연결할 수 있게 함으로써 세션 간 컨텍스트를 잃어버리는 문제를 해결합니다.

How it works

Memora는 에이전트 프레임워크(Claude Code와 같은)와 통합되는 Model Context Protocol (MCP) 서버로 작동합니다. 로컬 저장소로는 SQLite를 사용하며, 선택적으로 클라우드 동기화(S3, R2, Cloudflare D1)를 지원합니다.

주요 기술적 메커니즘은 다음과 같습니다:

  • Semantic Retrieval: 벡터 임베딩(OpenAI, sentence-transformers, 또는 TF-IDF)을 사용하여 키워드가 아닌 의미를 기반으로 관련 메모리를 찾습니다.

  • Graph Relations: 메모리를 노드로 저장하고, 타입이 지정된 엣지(예: "implements", "supersedes", "contradicts")를 사용하여 복잡한 관계를를 mapping 합니다.

  • Document Parsing: 마크다운 문서를 검색 가능한 조각(claims, risks, plan items)으로 자동 분해하면서도, 문서를 하나의 단위로 유지합니다.

  • AI-Powered Maintenance: LLM을 사용하여 유사한 메모리를 중복 제거하고 저장된 데이터의 패턴이나 지식 격차를 분석합니다.

Who it’s for

  • 장기 기억과 세션 간 컨텍스트가 필요한 AI 에이전트를 구축하는 개발자.
  • 에이전트가 프로젝트 특정 세부 사항, TODOs, 연구 내용을 기억하기를 원하는 MCP 호환 도구(Claude Code 또는 Codex CLI) 사용자.
  • 에이전트의 내부 메모리를 감사하고 상호작용하기 위한 시각적 지식 그래프가 필요한 팀.

Highlights

  • Interactive Knowledge Graph: 내장된 HTTP 서버가 타임라인과 RAG 기반 채팅 인터페이스를를 포함하여 메모리의 실시간 시각화를 제공합니다.

  • Cloud Sync: Cloudflare D1 및 S3/R2를 지원하여 지속적인 원격 메모리 저장소를 제공합니다.

  • Hybrid Search: 전체 텍스트 검색, 날짜 범위, 태그 필터, 및 시맨틱 벡터 검색을 결합합니다.

  • Document Fragmenting: 구조화된 문서를 검색 가능한 조각의 트리 구조로 저장하여 세밀한 검색을 가능합니다.

  • Neovim Integration: Includes Telescope plugin을 통해 에디터 내에서 직접 메모리를 탐색할 수 있습니다.