angelnicolasc/graymatter

해결하는 문제

AI 에이전트는 일반적으로 상태를 저장하지 않으므로 세션 간의 모든 정보를 잊어버립니다. 컨텍스트를 유지하기 위해 개발자는 종종 전체 대화 기록을 다시 주입해야 하며, 이는 토큰 사용량의 선형적 증가, 비용 상승 및 성능 저하로 이어집니다. GrayMatter는 영속적이고 임베드 가능한 메모리 계층을 제공하여, 전체 기록을 주입할 필요 없이 에이전트가 세션 간에 사실을 기억할 수 있도록 합니다.

작동 방식

GrayMatter는 단일 바이너리, 제로 의존성 Go 라이브러리 또는 MCP (Model Context Protocol) 서버로 작동합니다. 벡터, 키워드 및 최신성 신호를 결합한 하이브리드 리콜 시스템을 사용하여 특정 작업에 가장 관련성이 높은 8개의 사실을 검색합니다. 비동기 통합 프로세스를 통해 메모리를 요약, 감쇠 및 정리하며, 유형화된 엔티티를 자동으로 추출하여 스스로 채워지는 지식 그래프를 구축합니다. Claude Code와 같은 특정 클라이언트의 경우, 시스템 프롬프트에 정기적인 리콜을 자동으로 주입하는 후크를 설치할 수 있습니다.

대상 사용자

AI 에이전트를 구축하거나 MCP 호환 클라이언트(Claude Code, Cursor, Codex, OpenCode, Antigravity 등)를 사용하는 개발자 중, 경량화되고 오프라인에서 작동하며 특정 벤더에 종속되지 않는 방식으로 에이전트에게 장기 기억을 제공하려는 분들에게 적합합니다.

주요 특징

• 영속적 메모리: 사실은 세션 간에 유지되며 키워드뿐만 아니라 의미에 기반하여 리콜됩니다.
• 토큰 효율성: 전체 기록 주입 방식과 비교하여 컨텍스트 토큰을 최대 90%까지 절감합니다.
• 자체 구축형 지식 그래프: 엔티티를 자동으로 추출하고 공동 언급을 기반으로 연결하며, Obsidian으로 내보낼 수 있습니다.
• 제로 의존성: Docker, Redis 또는 클라우드 계정이 필요 없는 약 10MB의 단일 정적 바이너리로 배포됩니다.
• 관측 가능성: 메모리와 지식 그래프를 탐색, 필터링 및 관리할 수 있는 TUI (Terminal User Interface) 워크벤치를 포함합니다.
• 큐레이션: 결정론적 감쇠(30일 반감기)를 지원하며, memory_reflect를 통해 에이전트가 스스로 메모리를 관리할 수 있습니다.