대규모 언어 모델(LLMs)은 모든 애플리케이션 호출 시 완전히 새로운 상태, 즉 제로 컨텍스트(zero context)에서 시작합니다. 신뢰성 있게 작동하는 엔터프라이즈급 AI 에이전트가 운영되려면 장기적이고 지속적인 구조화된 메모리 솔루션이 필요합니다. 2026년 Mergetober를 위해, 저는 오픈 소스 커뮤니티 레이아웃 내에서 이 아키텍처 격차를 직접 해결하고자 HubSpot CRM을 위한 완전히 새로운 데이터 소스 커넥터 모듈을 개발했습니다.
이 모듈식 Python 통합은 클린한 엔터프라이즈 Private App Access Token 헤더 구성 프레임워크를 활용하여 회사 정보, 활성 연락처, 그리고 과거 타임라인 상호작용 로그를 아웃-오브-밴드(out-of-band)로 가져옵니다. 이 커넥터는 이러한 원시적이고 비정형적인 통신 파이프라인을 수집하여 비동기 데이터 동기화 필터(asynchronous data sync filters)를 사용하여 Cognee의 영구 메모리 및 벡터 지식 그래프 레이어에 깔끔하게 매핑합니다. 이를 통해 엔터프라이즈 시스템은 장기적인 조직 데이터 자산을 기반으로 복잡한 비즈니스 결정을 개인화할 수 있는 지능형 에이전트를 확장할 수 있게 됩니다.
공식 레포지토리 트래커에서 제 라이브 오픈 코드 기여 풀 리퀘스트를 확인해 보세요:
vishwanath-24 avatar
**vishwanath-24**가 2026년 10월 28일에 게시했습니다.
설명
이 풀 리퀘스트는 packages/connector/hubspot/ 경로 아래에 HubSpot CRM을 위한 네이티브하고 프로덕션 준비가 된 엔터프라이즈 데이터 소스 커넥터 모듈을 추가합니다.
Private App Access Token을 사용하여 간단한 토큰 검증을 구현하여 회사, 연락처 및 과거 고객 참여 메모를 아웃-오브-밴드로 가져올 수 있게 하며, 팀들이 증분 동기화 필터(incremental sync filters)를 통해 데이터를 Cognee의 영구 메모리 지식 그래프 레이어에 직접 매핑할 수 있도록 합니다.
DCO 확인
저는 이 풀 리퀘스트의 모든 커밋에 포함된 모든 코드가 Topoteretes 개발자 출처 증명서(Developer Certificate of Origin)의 약관을 준수함을 확인합니다.
GitHub에서 보기
