scrypster/muninndb

The cognitive database. A new class of data storage. Not a vector store, not a graph DB, not a RAG wrapper. Ebbinghaus decay, Hebbian learning, and Bayesian confidence are engine-native primitives. Memories evolve on their own. MCP-native. Single binary.

해결하는 문제

MuninnDB는 AI 에이전트와 애플리케이션에 지속적이고 인간과 유사한 기억을 제공하도록 설계된 인지 기억 데이터베이스입니다. 전통적인 데이터베이스가 데이터를 정적으로 저장하는 반면, MuninnDB는 사용될수록 강화되고 무시될수록 희미해지는 '기억 흔적'(엔그램)을 관리하여 생물학적 기억 과정을 모방합니다.

작동 방식

시스템은 맥락에 기반하여 관련 기억을 검색하기 위해 6단계 활성화 파이프라인을 사용합니다. 전체 텍스트 검색과 벡터 검색을 결합하여 다음과 같은 인지적 원리를 활용합니다:

헤비안 학습: 미리 정의된 스키마 없이 동시에 활성화된 기억 간의 관계를 자동으로 형성합니다.
시간 가중치: 기억의 접근 빈도와 최신성에 따라 재평가된 관련성(에빙하우스 감소)을 계산합니다.
예측적 활성화: 순차적 패턴을 추적하여 명시적인 요청 없이도 다음에 나올 가능성이 높은 기억을 사전에 제시합니다.
베이지안 신뢰도: 각 기억의 확신도를 추적하며, 강화될수록 증가하고 모순이 있을수록 감소합니다.

단일 바이너리로 제공되며 종속성이 없으며, MCP(Model Context Protocol), REST, gRPC 및 고유의 바이너리 프로토콜(MBP)을 지원합니다.

대상 사용자

AI 에이전트, LLM 기반 애플리케이션, 도구 통합형 AI 환경(Cursor, Claude Desktop, Windsurf 등)을 개발하는 개발자로서, 관계성과 시간적 관련성을 자동으로 처리할 수 있는 기억 시스템이 필요한 분들입니다.

주요 특징

즉시 AI 통합: MCP 내장으로 최소한의 설정으로 AI 도구에 쉽게 추가 가능.
종속성 없음: 로컬 임베딩을 내장한 단일 바이너리 설치로 오프라인 사용 가능.
능동적 기억: 의미적 트리거를 통해 관련성이 변화할 때 사용자나 에이전트에게 관련 기억을 자동으로 제시.
후행적 강화: 마이그레이션 없이 기존 기억을 새로운 임베딩이나 확장 플러그인으로 업그레이드 가능.
IllegalArgument Exception: Bulk Insert: 한 번의 호출로 최대 50개의 기억을 배치 처리 가능.