oceanbase/seekdb

The AI-Native Search Database. Best for agent storage, it unifies vector, text, structured, and semi-structured data into a single engine. This all-in-one database makes agents smarter, easier to run, and more stable.

🌊 seekdb – AI 에이전트를 위한 상태 저장소

그것이 무엇인가 – seekdb는 전통적인 관계형 저장소와 벡터 및 전체 텍스트 검색을 결합한 오픈 소스 MySQL 호환 데이터베이스입니다. OceanBase SQL 엔진을 기반으로 구축되었으며 프로세스에 임베드하여 실행하거나 단일 노드 서버로 실행하거나 분산 OceanBase 클러스터에서 실행할 수 있습니다.

AI에게 중요한 이유 – 현대 AI 에이전트는 다음을 필요로 합니다:

지속적으로 쓰기 (관찰, 임베딩, 로그 저장) 및 밀리초 내에 읽기.
안전하게 분기하고 실험 (계획을 위한 "샌드박스" 환경을 생각해 보세요).
벡터 유사성, 키워드 검색, 관계형 필터를 혼합하여 검색 – 모두 단일 SQL 쿼리에서.

seekdb는 이러한 기능을 기본 제공하므로 개발자는 관계형 DB, 벡터 엔진, 전체 텍스트 인덱스 사이에 글루 코드를 구축하는 대신 에이전트 로직에 집중할 수 있습니다.

🔑 핵심 기능

기능	설명
하이브리드 검색	단일 SQL 문에서 `VECTOR` 유사성(`l2_distance`, `cosine` 등), `FULLTEXT` 키워드 매칭, 스칼라 조건을 결합할 수 있습니다. 클라이언트 측 병합이 필요 없습니다.
비동기 인덱스 파이프라인 (변경 스트림)	쓰기는 즉시 커밋됩니다. 백그라운드 파이프라인이 델타 HNSW 인덱스를 업데이트하므로 새로 삽입된 벡터는 P99 지연 시간 스파이크 없이 다음 쿼리에서 검색 가능합니다.
2단계 HNSW	증분(델타) + 스냅샷 인덱스는 빠른 쓰기와 안정적인 높은 처리량 읽기를 제공합니다.
복사-시-쓰기(COW) 샌드박스	`FORK DATABASE`는 전체 DB의 즉시 스냅샷을 생성합니다. 에이전트는 실험한 다음 `MERGE TABLE` 또는 `DROP DATABASE`로 변경 사항을 수락하거나 폐기할 수 있습니다.
MySQL 호환 프로토콜	모든 MySQL 드라이버, SQLAlchemy, LangChain, LlamaIndex, Dify 등과 작동합니다.
배포 유연성	임베디드 라이브러리, Docker 이미지, 바이너리 설치 또는 클라우드 호스팅 인스턴스(제로 설치 curl).
성능	벤치마크는 21ms P99 지연 시간에서 약 1,500 QPS를 주장 – 동일한 워크로드에서 Milvus의 약 10배, Elasticsearch의 약 3배.

🚀 빠른 시작 (가장 빠른 경로)

# Python SDK – AI/ML 프로젝트에 권장
pip install -U pyseekdb

import pyseekdb
client = pyseekdb.Client(path="./agent_state.db")
mem = client.get_or_create_collection(name="episodic")
# 관찰 쓰기
mem.upsert(ids=[1], documents=["User said hello"], embeddings=[[0.1, 0.2, …]])
# 몇 밀리초 후 관련 컨텍스트 검색
results = mem.query(query_texts=["hello"], n_results=5)
print(results)

전체 서버 배포의 경우 Docker 이미지를 실행할 수 있습니다:

docker run -d -p 2881:2881 -p 2886:2886 \
  -v $(pwd)/data:/var/lib/oceanbase \
  oceanbase/seekdb:latest

모든 설치 옵션(클라우드 인스턴스, 바이너리, Homebrew)은 README 및 공식 문서에 설명되어 있습니다.

📚 일반적인 사용 사례

에이전트 AI 메모리 – 개인 비서, 자율 봇 또는 워크플로 자동화를 위한 지속적인 쓰기-후-읽기 루프.
RAG / 지식 베이스 – 임베딩이 포함된 문서를 저장하고 벡터 + 키워드 + 필터 쿼리를 한 번에 실행.
시맨틱 코드 검색 – 코드 스니펫을 벡터로 인덱싱하고 텍스트 검색과 결합하며 샌드박스 데이터베이스로 프로젝트를 격리.
엔터프라이즈 AI 레이어 – 데이터를 마이그레이션하지 않고 기존 MySQL 기반 애플리케이션에 벡터 지원 AI 프런트엔드를 추가.
엣지 / 온디바이스 AI – 장치에 바이너리를 임베드합니다. COW 샌드박스는 로컬 에이전트가 안전하게 실험할 수 있게 합니다.

🤝 생태계 및 통합

seekdb는 Python SDK(pyseekdb)와 함께 제공되며 주요 LLM 앱 프레임워크와 통합됩니다:

LangChain, LlamaIndex, Dify, LangGraph, Coze, Spring-AI-Alibaba, FastGPT, Jina AI, Ragas, Instructor, Baseten 등. 이러한 통합은 대부분 VectorStore 구현을 추가하는 PR이므로 개발자는 기존 파이프라인에 seekdb 클라이언트를 드롭인할 수 있습니다.

📄 라이선스 및 커뮤니티

라이선스: Apache License 2.0 (허용적, 상업적으로 친화적).
커뮤니티: Discord, GitHub Discussions, 이슈 트래커, 기여자 가이드. 이 프로젝트는 Alibaba, Alipay, DiDi 등의 대규모 서비스를 지원하는 데이터베이스인 OceanBase가 후원합니다.

결론 – seekdb는 AI 에이전트가 데이터베이스를 변경 가능한 지식 그래프처럼 취급할 수 있게 하는 목적에 맞게 구축된 고성능 상태 저장소입니다. 빠른 쓰기, 즉시 쿼리, 샌드박스 포크로 안전한 실험을 가능하게 합니다. 전통적인 관계형 데이터베이스와 현대 벡터 검색 엔진 사이의 격차를 친숙한 MySQL 인터페이스 아래에서 메웁니다.