caura-ai/caura-memclaw

Governed shared memory for AI agent fleets — multi-agent, multi-tenant, MCP-native. Trust tiers, keystone policies, audit trails, knowledge graph, self-improving retrieval. Apache 2.0.

해결하는 문제

AI 에이전트는 종종 고립되어 작동하며, 동일한 조직 내의 다른 에이전트와 지식을 공유하지 못해 실수를 반복하곤 합니다. MemClaw는 에이전트 플릿 전체가 서로 학습하고, 기술을 공유하며, 일관된 지식 베이스를 유지할 수 있도록 해주는 중앙 집중식의 확장 가능하고 안전한 메모리 레이어의 필요성을 해결합니다.

작동 방식

MemClaw는 정보를 관리하기 위해 "write, recall, compound" 루프를 사용합니다. 에이전트가 평문 텍스트를 작성하면 시스템은 LLM을 사용하여 해당 텍스트에 제목, 요약, 태그 및 중요도 점수를 추가하여 풍부하게 만듭니다. 또한 pgvector를 통한 의미적 유사성, 전체 텍스트 키워드 매칭, 지식 그래프 확장을 결합한 하이브리드 검색을 사용하여 관련 정보를 검색합니다. 시스템은 또한 모순 탐지 기능을 갖추고 있어 충돌하는 정보를 해결하며, 결과 기반 학습을 사용하여 에이전트의 성공적인 작업을 강화합니다.

대상 사용자

엔터프라이즈 규모의 에이전트 플릿과 같이 거버넌스, 보안 및 에이전트 간 지식 공유가 중요한 멀티 테넌트, 멀티 에이전트 AI 시스템을 구축하는 개발자를 위해 설계되었습니다.

주요 특징

플릿 전체 거버넌스: 테넌트 격리, 가시성 범위(에이전트, 팀 또는 조직) 및 에이전트 신뢰 티어를 통해 정보 액세스를 제어합니다.
자기 개선형 메모리: 모순을 자동으로 감지하고, 중복된 메모리를 표준 사실으로 병합하며, 에이전트 피드백을 기반으로 검색을 조정합니다.
풍부한 메모리 파이프라인: 단일 패스 LLM 인리치먼트를 수행하고 추출된 엔티티 및 관계의 라이브 지식 그래프를 유지합니다.
광범위한 통합: 내장된 Model Context Protocol (MCP) 서버를 포함하며 OpenAI, Gemini, Anthropic과 같은 다양한 LLM 제공업체를 지원합니다.