rohitg00/agentmemory

해결하는 문제

AI 코딩 에이전트는 종종 '기억 상실' 문제를 겪어, 서로 다른 세션 간에 프로젝트 아키텍처, 선호 사항, 이전 버그를 반복해서 설명해야 합니다. 정적 파일인 .cursorrules와 같은 기존 방법은 크기 제한이 있으며 빠르게 오래되었을 수 있습니다. agentmemory는 에이전트 활동을 자동으로 캡처하고, 수동 업데이트 없이 새로운 세션에 관련된 컨텍스트를 주입하는 지속 가능한 공유 메모리 계층을 제공합니다.

작동 방식

iii 엔진 기반으로 구축된 agentmemory는 훅, Model Context Protocol (MCP), 또는 REST API를 통해 AI 에이전트와 통합되는 메모리 서버입니다. 에이전트의 동작을 조용히 캡처하고, 검색 가능한 메모리로 압축하며, BM25(키워드), 벡터 임베딩(의미적), 구조적 그래프 매칭을 결합한 하이브리드 검색 방식을 사용해 가장 관련성 있는 정보를 검색합니다. 키 없이 BM25로 작동할 수 있으며, all-MiniLM-L6-v2를 사용해 로컬 임베딩을 통해 무료로 디바이스 내에서 의미적 재검색이 가능합니다.

대상 사용자

Claude Code, Cursor, GitHub Copilot CLI, Gemini CLI, 그리고 기타 MCP 호환 클라이언트를 사용하는 개발자로서, 에이전트가 세션 간 및 다양한 도구 간에 장기적인 프로젝트 지식을 유지하고 싶어 하는 사람들을 대상으로 합니다.

주요 특징

• 광범위한 호환성: Claude Code, Cursor, Codex CLI, OpenCode 등 다양한 에이전트와 네이티브 플러그인, 훅, 또는 MCP를 통해 호환 가능.
• 자동 캡처: 12개의 자동 훅을 통해 수동 작업 없이 정보를 캡처 가능.
• 하이브리드 검색: 키워드, 벡터, 그래프 검색을 결합해 높은 검색 정확도(LongMemEval-S의 R@5에서 95.2%)를 달성.
• 외부 DB 없음: 외부 데이터베이스 설치가 필요 없음.
• 토큰 효율성: 전체 컨텍스트를 붙여넣거나 LLM 요약 방식을 사용하는 것보다 토큰 사용량을 크게 줄임.