mnemox-ai/tradememory-protocol

해결하는 문제

TradeMemory는 AI 거래 에이전트가 과거 거래와 그 이유를 잊는 '기억 상실' 문제를 방지하고 규제 요건을 충족하기 위해 전용 메모리 계층을 제공합니다. 컨텍스트 창이 끝날 때 과거 거래와 그 이유를 잊는 AI 에이전트의 문제를, 모든 결정에 대한 지속적이고 구조화된 기록을 제공함으로써 해결합니다.

작동 방식

TradeMemory는 Model Context Protocol (MCP)를 통해 AI 플랫폼과 통합되는 비실행 기록 및 재검색 시스템입니다. Outcome-Weighted Memory (OWM) 프레임워크를 사용하여 5개의 메모리 계층(에피소딕, 의미적, 절차적, 정서적, 거래 기록)에 걸쳐 거래를 저장하고 검색합니다.

주요 프로세스는 다음과 같습니다:

• 재검색: 새로운 거래를 실행하기 전에 결과 품질, 문맥 유사성, 최근성 기반으로 과거 거래를 검색합니다.
• 기록: 거래 실행 후 거래 세부사항과 결과를 저장합니다.
• 반성: 시간이 지남에 따라 행동의 편차와 전략의 쇠퇴를 분석합니다.
• 감사: SHA-256 해시와 일일 Merkle 루트를 사용하여 각 결정이 전방 체인된 원장에 연결된 개조 탐지 가능한 감사 기록을 생성합니다.

대상 사용자

• AI 거래 개발자: 장기 기억과 행동 분석이 필요한 에이전트를 개발하는 사람.
• 양적 트레이더: 규율을 유지하기 위해 사전 점검 목록을 실행하는 사용자.
• 컴플라이언스 팀: MiFID II 및 EU AI Act과 같은 규제를 충족하기 위해 개조 저항성 있는 감사 기록이 필요한 펀드 및 기관.

주요 특징

• MCP 통합: Claude Desktop, Cursor 및 기타 MCP 호환 에이전트용 즉시 사용 가능한 도구.
• 개조 탐지 가능한 감사 기록: SHA-256 해시와 Merkle 루트를 사용하여 기록이 변경되지 않도록 보장합니다.
• 결과 가중 메모리: 성공 또는 실패에 따라 거래를 재검색하는 인지과학 기반 접근법.
• 안전 레일: 신뢰도, 손실률, 연패 횟수를 내장 추적하여 에이전트가 거래를 중단해야 할 시점을 경고합니다.