greyhaven-ai/autocontext

해결하는 문제

Autocontext는 AI 에이전트를 위한 재귀적 자기 개선 하니스를 제공합니다. 에이전트 프롬프트와 전략을 수동으로 반복하던 문제를 해결하며, 작업 실행, 결과 평가, 그리고 성공적인 교훈과 플레이북만을 향후 반복을 위해 유지하는 과정을 자동화합니다.

작동 방식

이 시스템은 루프 형태로 작동합니다. 목표를 입력받아 지정된 에이전트 제공자를 통해 작업을 실행하고, 그 결과를 평가 기준에 따라 검증합니다. 이후 실패한 시도(막다른 길)는 폐기하고 유용한 통찰력은 파일 시스템 기반의 지식 베이스에 저장합니다. 이 지식은 플레이북, 힌트, 컨텍스트 번들 형태로 저장되어 이후 실행 시 에이전트에 다시 피드백됩니다.

대상 사용자

특정 작업에서 에이전트의 성능을 체계적으로 향상시키고자 하는 개발자 및 AI 연구원, 그리고 MCP 클라이언트(Claude Code 또는 Cursor 등)나 로컬 모델 런타임(vLLM, Ollama)을 사용하는 사용자를 위해 설계되었습니다.

주요 특징

• 재귀적 개선: 작업을 자동으로 반복하여 안정적인 동작을 추출하고 자기 개선형 플레이북을 생성합니다.
• 다국어 지원: Python 라이브러리/CLI 및 TypeScript/Node CLI로 모두 제공됩니다.
• 광범위한 제공자 통합: Pi, Anthropic, OpenAI 호환 엔드포인트 및 자체 호스팅 모델을 포함한 다양한 제공자를 지원합니다.
• 지식 영속성: 상세한 추적 기록, 보고서 및 컨텍스트 번들을 남겨 감사 용도나 저비용 모델의 학습 데이터로 활용할 수 있습니다.
• 에이전트 진입점: MCP 클라이언트와 통합되며 Pi 에이전트를 위한 특화된 기술을 제공합니다.