Kiro에게 기억력을 부여했습니다. 이제 모든 것을 기억합니다.
요약
Kiro 에이전트에게 장기 기억력을 부여하는 오픈 소스 도구인 Kiro-Ception을 소개합니다. 로컬 인덱싱과 하이브리드 검색을 통해 여러 기기와 프로젝트에 걸친 과거 대화 맥락을 자동으로 불러올 수 있습니다.
핵심 포인트
- 하이브리드 검색(시맨틱+FTS5)으로 정확한 컨텍스트 회상
- 데이터 유출 없는 100% 로컬 실행 및 개인정보 보호 설계
- 자연어 트리거를 통한 자동 컨텍스트 호출 기능
- 멀티 노드 검색 지원으로 여러 컴퓨터 간 세션 공유 가능
자, 상황은 이렇습니다. 저는 지난 7개월 동안 100개 이상의 프로젝트와 여러 대의 컴퓨터에서 매일 Kiro를 사용해 왔습니다. 제 경험에서 가장 짜증 났던 단 한 가지는 제가 했던 일들을 기억하지 못하거나, 제가 작업을 수행했던 컴퓨터와 다른 컴퓨터를 사용하고 있을 때였습니다.
Kiro-Ception을 소개합니다. 이는 모든 세션, 모든 창, 모든 프로젝트, 심지어 여러 대의 기기에 걸쳐 에이전트에게 기억력을 부여하는 Kiro Power입니다. 이 기능은 완전히 로컬에서 실행되며(기본적으로 데이터가 기기를 떠나지 않음), 백그라운드에서 모든 것을 인덱싱(indexing)하고, Kiro가 과거의 대화를 실제로 회상할 수 있는 능력을 부여합니다.
핵심 기능은 키워드 트리거(keyword triggers)를 가진 Power로 설치되기 때문에, 명시적으로 검색을 요청할 필요가 없다는 점입니다. 그냥 자연스럽게 말하면 Kiro가 자동으로 관련 있는 과거 컨텍스트(context)를 불러옵니다. 이제 Kiro가 저를 알고 있는 것 같고, 모든 프로젝트, CLI 및 IDE, 그리고 제 모든 컴퓨터에서 우리가 함께 했던 모든 일을 기억하는 것처럼 느껴집니다.
주요 기능:
- 백그라운드에서 모든 Kiro CLI 및 IDE 대화 기록을 자동으로 인덱싱(indexing)
- 하이브리드 검색(hybrid search): 시맨틱 임베딩(semantic embeddings, 의미 이해) + FTS5 키워드(exact function names/identifiers 등 정확한 함수 이름/식별자 포착)
- 모든 프로젝트와 워크스페이스(workspace)에서 동시에 작동
- 즉각적인 검색(<10ms), 캐시로부터의 콜드 스타트(cold-starts) < 2초
- 선택 가능한 멀티 노드(multi-node) 검색: 암호화된 전송을 통해 여러 컴퓨터에 걸친 세션 찾기
- 기본적으로 100% 로컬 방식(CPU 기반 임베딩, SQLite, numpy 사용). 또는 더 강력한 모델을 원한다면 Ollama/OpenAI 연결 가능
- 자연어 단서에 따른 자동 트리거 ("as we discussed", "what did we do last time", "remind me", "previously" 등)
설정은 간단합니다. 저장소(repo)를 클론(clone)하고, uv sync를 실행한 다음, Kiro에서 로컬 경로를 통해 Power를 추가하면 됩니다. 그러면 즉시 인덱싱을 시작하며, 최신 대화부터 우선적으로 처리합니다.
완전한 오픈 소스(Open-source)이며, MIT 라이선스를 따르고, 개인정보 보호와 보안을 최우선으로 설계되었습니다. 모든 데이터는 사용자의 기기에 머뭅니다. 텔레메트리(Telemetry)는 전혀 없으며, 외부 호출도 전혀 없습니다. 기본 임베딩 모델(Embedding model)은 한 번 다운로드하면(~80MB) CPU에서 로컬로 실행되며, 고사양 임베딩 모델을 GPU에서 실행하는 것도 지원합니다.
한번 확인해 보시고, 마음에 드신다면 스타(Star)를 눌러주세요. 문제가 있다면 저에게 알려주시기 바랍니다. PR(Pull Request), 피드백, 기여자를 환영합니다.
https://github.com/DevOps-Nirvana/Kiro-Ception
(네, 이름은 '꿈속의 꿈(dream-within-a-dream)'에 대한 참조입니다. 저는 Kiro를 사용하여, Kiro에 관한 모든 것을 기억하는 Kiro를 위한 도구를 만들었습니다.)
AI 자동 생성 콘텐츠
본 콘텐츠는 Dev.to AI tag의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기