moorcheh-ai/memanto

해결하는 문제

AI 에이전트는 세션이 종료되면 이전 지침이나 사실을 잊어버리는 컨텍스트 리셋 문제를 자주 겪습니다. 기존의 메모리 도구는 대개 수동적이어서 에이전트가 직접 데이터를 쿼리하고 파싱해야 하므로 토큰 소비와 지연 시간이 발생합니다. Memanto는 세션 간에 컨텍스트를 유지하는 액티브 메모리 레이어를 제공하고, 관련성 있는 검색을 통해 토큰 사용량을 줄이며, 인덱싱 지연을 제거함으로써 이러한 문제를 해결합니다.

작동 방식

Memanto는 remember, recall, answer라는 세 가지 핵심 작업을 수행하는 컴패니언 에이전트 역할을 합니다. 정보 이론 기반의 시맨틱 엔진(Moorcheh)을 사용하여 전통적인 벡터 데이터베이스 파이프라인이나 리랭킹 없이도 정확한 검색을 제공합니다. 메모리는 13가지 내장 유형(instruction, fact, goal 등)으로 분류되며, 최신성을 고려한 시간적 쿼리를 지원합니다. 사용자는 Docker/Ollama를 통해 완전히 로컬에서 실행하거나 관리형 클라우드 서비스를 사용할 수 있습니다.

대상 사용자

AI 코딩 어시스턴트 및 에이전트(Claude Code, Cursor, Windsurf, GitHub Copilot 등)를 사용하는 개발자와 사용자에게 적합합니다. 에이전트가 장기적인 연속성을 유지하고, 새로운 세션마다 코드베이스나 선호도를 다시 설명해야 하는 번거로움을 피하고 싶은 분들을 위해 설계되었습니다.

주요 특징

• 액티브 메모리 관리: remember, recall, answer 작업을 자동으로 수행합니다.
• 제로 인덱싱 지연: 메모리가 저장되는 즉시 검색이 가능합니다.
• 타입 지정 시맨틱 메모리: 13가지 카테고리를 사용하여 정보(예: 결정 사항, 선호도, 목표)를 유형별로 정리합니다.
• 높은 휴대성: 오픈 지식 포맷 (*.md 파일)을 지원하여 사용자가 서로 다른 도구 간에 메모리 자산을 이전할 수 있습니다。
• 폭넓은 통합: 간단한 CLI 명령을 통해 Cursor, Windsurf, Cline을 포함한 20개 이상의 에이전트와 연결됩니다.