memodb-io/Acontext

Agent Skills as a Memory Layer

What it solves

Acontext는 AI 에이전트를 위한 투명하고 인간이 읽을 수 있는 메모리 레이어를 제공합니다. 학습 내용이 복잡한 임베딩이나 독점 데이터베이스에 숨겨져 있는 “불투명”한 에이전트 메모리 문제를 해결하며, 에이전트의 스킬과 지식을 간단한 Markdown 파일로 저장해 다양한 LLM 및 프레임워크 간에 읽고, 편집하고, 공유할 수 있게 합니다.

How it works

Acontext는 증류와 회상의 사이클을 통해 작동합니다:

  1. Store (Learning): 시스템은 세션 메시지를 모니터링합니다. 작업이 완료되거나 실패하면, LLM 기반 증류 프로세스가 실행 트레이스를 분석해 무엇이 잘 작동했는지, 무엇이 실패했는지를 판단합니다. 이후 “Skill Agent”가 사용자 정의 스키마에 따라 이러한 학습 내용을 Markdown 파일에 기록합니다.
  2. Recall (Usage): 에이전트는 의미 검색(top‑k)을 사용하지 않고, 특정 도구(get_skill 및 get_skill_file)를 이용해 필요한 지식을 명시적으로 가져옵니다. 이를 통해 에이전트는 어떤 정보를 검색할지 스스로 추론할 수 있어 점진적 공개 과정을 제공합니다.

Who it’s for

AI 에이전트를 구축하는 개발자를 위한 것입니다. 에이전트가 실수에서 학습하고 성공적인 전략을 재사용하도록 하면서, 특정 벤더, 데이터베이스, 프레임워크(예: LangGraph, Claude, Vercel AI SDK)에 종속되지 않도록 합니다.

Highlights

  • Human-Readable Memory: 모든 메모리는 Markdown 파일로 저장되어 디버깅, Git을 통한 버전 관리 및 검토가 용이합니다.
  • Framework Agnostic: 파일을 읽을 수 있는 모든 프레임워크와 호환되어 API 락인을 피할 수 있습니다.
  • Agent-in-the-Loop Retrieval: 불투명한 임베딩 검색 대신 도구 기반 검색을 사용합니다.
  • Portable Knowledge: 스킬을 ZIP 파일로 내보내어 다양한 에이전트나 LLM 간에 이동할 수 있습니다.
  • Integrated Tooling: 가상 영구 파일 시스템(Disk), 격리된 코드 실행 환경(Sandbox), Python 및 TypeScript용 SDK를 포함합니다.