오픈소스 MCP 메모리 서버 - 지식 그래프 및 학습 기능 포함

cuba-memorys라는 오픈소스 MCP 서버는 단순한 RAG나 벡터 저장소를 넘어서 AI 에이전트에 지속적 메모리를 제공합니다. Rust로 작성되었으며 PostgreSQL + pgvector 백엔드를 사용하여 학습 기능을 갖춘 지식 그래프 아키텍처를 구현합니다.

아키텍처와 기능

이 시스템은 평면 문서 대신 엔티티, 관찰, 유형화된 관계를 저장합니다. 주요 기능은 다음과 같습니다:

• 지수 감쇠 — 중요도 = 중요도 * exp(-0.693 * 일수/반감기) 공식으로 30일 반감기를 사용하여 메모리가 현실적으로 사라집니다
• 헤비안 + BCM 메타가소성 — EMA 슬라이딩 임계값을 사용한 오자의 규칙; 메모리는 접근 시 강화되고 BCM을 통해 자가 정규화됩니다
• 4-신호 RRF 융합 (k=60) — ts_rank + trigrams + pgvector HNSW + 중요도를 엔트로피 라우팅 가중치로 결합하여 키워드 중심 vs 의미론적 쿼리를 감지합니다
• 라이덴 커뮤니티 탐지 — 지식 그래프에서 클러스터를 발견하기 위한 Traag 외 2019 알고리즘
• 개인화된 페이지랭크 — 그래프 토폴로지를 기반으로 엔티티 중요도를 순위 매깁니다
• 환각 방지 검증 — 저장된 지식에 대한 주장을 삼각측량하고 점진적 신뢰도 점수화를 수행합니다
• 패턴 탐지를 통한 오류 메모리 — 유사한 오류가 3회 이상 발생할 때 경고를 트리거합니다

성능 벤치마크

Rust 구현은 원래 Python 버전에 비해 상당한 개선을 보여줍니다:

• 바이너리 크기: ~50MB 가상환경 (Python) vs 7.6MB (Rust)
• 엔티티 생성: ~2ms (Python) vs 498μs (Rust)
• 하이브리드 검색: <5ms (Python) vs 2.52ms (Rust)
• 메모리 사용량: ~120MB (Python) vs ~15MB (Rust)
• 의존성: 12 패키지 (Python) vs 0 런타임 (Rust)

구현 세부사항

이 서버는 13개의 MCP 도구를 제공하며 Claude Code, Cursor, Windsurf를 포함한 모든 MCP 호환 클라이언트와 작동합니다. PostgreSQL 백엔드로 자체 호스팅되며 외부 API 호출을 하지 않습니다. 모든 알고리즘은 README에 인용된 동료 검토 논문을 기반으로 합니다.

설치 옵션:

pip install cuba-memorys

또는

npm install -g cuba-memorys

이 프로젝트는 GitHub에서 CC BY-NC 4.0 라이선스로 이용 가능합니다.