neo4j-labs/agent-memory

해결하는 문제

AI 에이전트는 종종 지속적이고 구조화된 메모리를 유지하는 데 어려움을 겪습니다. 이 프로젝트는 에이전트가 대화 기록을 저장하고, 엔티티와 선호도에 대한 지식 그래프를 구축하며, 나중에 검색할 수 있도록 자신의 추론 과정을 기록할 수 있는 그래프 네이티브 메모리 시스템을 제공합니다.

작동 방식

Neo4j를 기반으로 하는 3계층 메모리 아키텍처를 구현합니다:

• 단기 메모리: 벡터 및 텍스트 검색을 사용하여 세션별 대화 기록을 관리합니다.
• 장기 메모리: 엔티티 확인 및 중복 제거를 활용하여 엔티티, 사실, 선호도에 대한 지식 그래프를 유지합니다.
• 추론 메모리: 추론 과정과 도구 사용 기록을 저장하여 에이전트가 과거의 유사한 결정과 작업을 검색할 수 있도록 합니다.

이 시스템은 다단계 엔티티 추출(spaCy, GLiNER2.5 또는 LLM 사용)을 지원하며, 호스팅 서비스(NAMS)로 배포하거나 Neo4j Aura(Bolt)를 통해 직접 호스팅할 수 있습니다. 또한, 이러한 메모리 기능을 Claude나 Cursor와 같은 AI 어시스턴트의 도구로 노출하기 위한 MCP 서버를 제공합니다.

대상 사용자

세션 전반에 걸쳐 사용자를 기억하고, 구조화된 지식 베이스를 유지하며, 결론에 도달하기까지의 추론 단계를 감사해야 하는 AI 에이전트를 구축하는 개발자.

주요 특징

• 3계층 아키텍처: 대화, 지식 그래프, 추론 과정을 별도로 저장합니다.
• 유연한 백엔드: 인프라가 필요 없는 호스팅 서비스(NAMS)와 Neo4j Aura 직접 연결을 모두 지원합니다.
• 광범위한 통합: OpenAI, Anthropic, Bedrock, Vertex AI에 대한 네이티브 어댑터를 제공하며, LiteLLM을 통해 100개 이상의 공급자를 지원합니다.
• 프레임워크 지원: LangChain, Pydantic AI, CrewAI, LlamaIndex 등과의 통합을 지원합니다.
• MCP 서버: 메모리 기능을 MCP 호환 AI 어시스턴트를 위한 도구로 변환합니다.
• 고급 그래프 작업: 엔티티 중복 제거, 지리 공간 쿼리, 기존 Neo4j 그래프를 채택하는 기능을 포함합니다.