neo4j-labs/agent-memory

해결하는 문제

AI 에이전트는 장기적 지속성과 구조화된 지식을 유지하는 데 어려움을 겪는 경우가 많습니다. 이 프로젝트는 대화를 저장하고, 엔티티와 선호도에 대한 지식 그래프를 구축하며, 자신의 추론 과정을 추적하여 과거 결정에서 배울 수 있도록 해주는 그래프 기반 메모리 시스템을 제공합니다.

작동 방식

Neo4j를 백엔드로 사용하여 다층 메모리 아키텍처를 구현합니다:

• 단기 메모리: 벡터 및 텍스트 검색을 사용하여 세션별 대화 기록을 저장합니다.
• 장기 메모리: POLE+O 모델을 사용하여 엔티티, 사실, 선호도의 지식 그래프를 유지하며, 엔티티 해석 및 중복 제거를 수행합니다.
• 추론 메모리: 추론 트레이스와 도구 사용 기록을 기록하여 유사한 과거 작업을 검색할 수 있도록 합니다.

시스템은 spaCy, GLiNER 또는 LLM을 사용하는 다단계 추출 파이프라인을 포함하여 비구조화된 텍스트를 그래프 노드와 관계로 변환하며, 호스팅된 서비스(NAMS)와 자체 호스팅된 Bolt 연결을 모두 제공합니다.

대상 사용자

사용자 선호도를 여러 세션에 걸쳐 기억시켜야 하거나, 복잡한 세계 모델을 유지하거나, 특정 결론에 도달한 과정을 감사할 수 있도록 해야 하는 AI 에이전트 개발자에게 적합합니다.

주요 특징

• 다국어 SDK: Python 및 TypeScript에 대한 네이티브 지원.
• 광범위한 통합: LangChain, Pydantic AI, CrewAI, LlamaIndex 및 기타 주요 에이전트 프레임워크와 호환됩니다.
• MCP 서버: 코드를 작성하지 않고도 Claude Desktop이나 Cursor와 같은 MCP 호환 에이전트에 직접 연결할 수 있습니다.
• 프로덕션 준비 완료: 멀티테넌트 스코프, 성능을 위한 버퍼링 쓰기, 메모리 품질 평가용 허브 포함.
• 유연한 모델 지원: OpenAI, Anthropic, Bedrock, Vertex AI 및 LiteLLM를 통해 100개 이상의 프로바이더와 호환됩니다.