안녕하세요 여러분, 현재 사용 가능한 대부분의 MCP 메모리 서버는 단순한 키-값 저장소(key-value stores)이거나 기본적인 텍스트 검색 래퍼(wrappers)입니다. 이들은 데이터를 저장하기는 하지만, 데이터를 실제로 연결하거나 큐레이션(curate)하지는 못합니다. 이를 해결하기 위해, 저는 정보를 타입화된 결합(typed bonds)으로 연결된 타입화된 원자(typed atoms)로 모델링하는 로컬 우선(local-first) 장기 기억 시스템인 Memory Engine MCP를 구축했습니다. 🔗 GitHub 저장소: github.com 🧠 차별점: 단순히 텍스트를 벡터 DB에 쏟아붓는 대신, Memory Engine은 다음과 같은 하이브리드 랭킹 파이프라인을 결합하여 실행합니다:

• 전체 텍스트 검색 (SQLite FTS5를 통한)
• 의미론적 유사성 (nomic-embed-text를 사용하는 로컬 Ollama 임베딩을 통한)
• 그래프 확장 (더 풍부한 문맥을 위해 상위 검색 결과로부터 양방향 결합을 탐색)
• 신뢰도(confidence), 가중치(weight), 최신성(recency)과 같은 메타데이터 제약 조건.
  ✨ 주요 기능:
• 포괄적인 도구 세트: 회상(recall), 연결(linking), 병합(merging) 기능을 포함하여 자율적인 메모리 관리를 위한 30개 이상의 FastMCP 기반 도구를 제공합니다.
• 오류 메모리 및 큐레이션: 전용 오류 로깅, 메모리 압축(compaction), 결합 제안(bond suggestions), 그리고 감쇠(decay) 기능을 포함합니다.
• 시각적 인터페이스 및 가져오기: 그래프 탐색을 위한 선택적 Web UI를 제공하며 Markdown 노트 인입(ingestion)을 지원합니다.
  🚀 빠른 시작 (Docker)
  bash
  git clone https://github.com
  cd memory-engine-mcp
  docker compose -f docker-compose.local.yml up -d --build
  코드를 주의해서 사용하세요. 완전히 오픈 소스(MIT License)이며 Claude Desktop, Cursor, Cline과 같은 주요 AI 도구와 호환됩니다. 여러분의 생각, 피드백 또는 기능 요청을 듣고 싶습니다! 저장소를 확인하고 의견을 알려주세요.