angelnicolasc/graymatter

30 sec to give your AI agents persistent memory. Reduce 90% token consumption while also maintaining quality.

해결하는 문제

AI 에이전트는 일반적으로 상태가 없어 세션 간에 모든 것을 잊어버립니다. 이로 인해 대화 기록이 선형으로 증가하여 과도한 컨텍스트 토큰을 소비하고 비용이 증가합니다. GrayMatter은 지속 가능하고 로컬 우선의 메모리 계층을 제공하여 에이전트가 전체 기록을 주입하지 않고도 세션 간에 관련 사실을 기억할 수 있도록 합니다.

작동 방식

GrayMatter은 단일 바이너리로 작동하며 MCP(Model Context Protocol) 서버 또는 Go 라이브러리로 사용할 수 있습니다. 벡터, 키워드, 최신성의 하이브리드 검색 시스템을 사용하여 주어진 쿼리에 대해 가장 관련성이 높은 상위 8개의 사실을 표시합니다. 유형이 지정된 엔티티를 자동으로 추출하고 연결하는 자기 구축형 지식 그래프를 갖추고 있습니다. 메모리 품질을 유지하기 위해 30일 반감기의 결정론적 감쇠 시스템과 비동기 통합 프로세스(요약 및 사실 정리)를 사용합니다.

대상 사용자

특히 Go 생태계에 있는 개발자들로, Claude Code, Cursor, Windsurf과 같은 MCP 호환 클라이언트와 함께 작동할 수 있는, 의존성이 없는 임베디드 메모리 계층이 필요한 분들입니다.

주요 특징

토큰 효율성: 전체 기록 삽입과 비교해 컨텍스트 토큰을 최대 90% 절감합니다.
제로 의존성: Docker, Redis, 클라우드 계정 없이도 작동하는 단일 정적 바이너리(~10MB).
자기 구축형 지식 그래프: 엔티티와 관계를 자동으로 추출하며, Obsidian로 내보내기 가능합니다.
임베딩의 부드러운 저하: Ollama, OpenAI, Voyage AI를 지원하며, 사용 불가 시 키워드 검색만으로 대체됩니다.
관측성: 메모리 비용, 리콜, 에이전트 활동을 모니터링할 수 있는 내장 TUI 대시보드를 제공합니다.