mnemosyne-oss/mnemosyne

The Zero-Dependency, Sub-Millisecond AI Memory System for Hermes Agents and Everyone Else!

해결하는 문제

AI 에이전트는 종종 장기적인 컨텍스트와 기억 유지에 어려움을 겪습니다. Mnemosyne는 외부 클라우드 서비스나 복잡한 인프라 없이도 에이전트가 정보를 저장하고 회상할 수 있도록 하는 범용 메모리 레이어를 제공합니다.

작동 방식

Mnemosyne는 BEAM (Bilevel Episodic-Associative Memory)라고 불리는 3단계 아키텍처를 사용합니다:

Working memory: 즉각적인 세션 요구 사항을 위해 TTL 기반의 제거(eviction) 기능이 있는 핫 컨텍스트 레이어.
Episodic memory: SQLite를 기반으로 하는 하이브리드 검색 방식(벡터 유사성 + 키워드 검색)을 사용하는 장기 저장소.
TripleStore: 시간에 따른 관계와 버전을 추적하는 시계열 지식 그래프.

또한 정보 이론적 이진화(MIB)를 사용하여 고차원 임베딩을 작은 이진 형식으로 압축함으로써 SQLite 내에서 직접 고속 검색이 가능하도록 합니다.

대상 사용자

AI 에이전트 개발자: SDK를 사용하여 Python에서 커스텀 에이전트를 구축하는 모든 개발자.
파워 유저: Model Context Protocol (MCP)를 통해 Cursor, Claude Code, Windsurf 또는 OpenWebUI와 같은 기존 도구를 사용하는 사용자.
개인정보 보호 중시 사용자: 동기화를 위한 선택적 클라이언트 측 암호화와 함께 로컬 우선 메모리를 원하는 사용자.

주요 특징

무의존성: 단일 pip install로 작동하며 단일 SQLite 파일을 사용합니다.
고성능: 메모리 벤치마크에서 밀리초 미만의 지연 시간과 높은 재현율을 달성합니다.
범용 통합: MCP, Python SDK 및 다양한 인기 AI 인터페이스용 플러그인을 지원합니다。
개인정보 보호 우선: 기본적으로 로컬 우선이며 텔레메트리가 없고 선택적인 암호화 동기를 지원합니다.