volcengine/OpenViking

Self-evolving Context Database for AI Agents. Unify Agent Memory, Knowledge RAG and Skills.

What it solves

OpenViking 은 AI 에이전트가 장기 기억, 리소스 및 스킬을 관리하고 검색할 수 있는 구조화된 방법을 제공합니다. "블랙박스" 벡터 스토어에 의존하지 않고, 컨텍스트를 가상 파일 시스템으로 취급하여 ls, tree, find 와 같은 익숙한 명령어로 지식 베이스를 결정적으로 탐색할 수 있습니다.

How it works

시스템은 커스텀 viking:// 프로토콜을 사용해 데이터를 계층 디렉터리 구조로 조직합니다. 토큰 사용량과 검색 속도를 최적화하기 위해 콘텐츠를 세 가지 계층으로 처리합니다:

L0 (추상): 빠른 관련성 검사를 위한 한 문장 요약.
L1 (개요): 계획에 필요한 핵심 정보와 사용 시나리오.
L2 (세부): 전체 원본 데이터로, 특정 필요 시에만 로드됩니다.

검색은 먼저 벡터 검색으로 가장 높은 점수를 받은 디렉터리를 찾은 뒤, 이 계층들을 차례로 내려갑니다. 또한 시스템은 완료된 세션에서 사용자 선호도와 에이전트 경험을 비동기적으로 추출해 장기 기억을 구축합니다.

Who it’s for

복잡하고 상태를 유지하는 메모리 관리가 필요한 AI 에이전트를 개발하는 개발자와 Claude Code, Cursor, Trae 등 에이전트형 IDE 및 도구를 사용하는 사용자에게 적합합니다. 지속 가능하고 관찰 가능한 컨텍스트를 제공합니다.

Highlights

Virtual Filesystem: 기억, 리소스 및 스킬을 viking:// URI 구조로 정리합니다.
Tiered Loading: 필요한 상세 수준(L0 → L1 → L2)만 로드하여 토큰 사용을 줄입니다.
Observable Retrieval: 각 쿼리의 디렉터리 탐색 경로를 보존해 디버깅을 용이하게 합니다.
Agent Integrations: LangChain, MCP 클라이언트 및 다양한 AI 코딩 어시스턴트를 포함한 광범위한 에이전트를 네이티브 지원합니다.
Session-to-Memory: 세션 기록을 자동으로 장기 사용자 선호도와 에이전트 경험으로 변환합니다.