MCP-Memorizer

Memorizer v1 MCP 서버는 LLM(대규모 언어 모델)이 컨텍스트와 메모리를 재사용하고 기억할 수 있도록 돕는 컨텍스트/메모리 서버입니다[3]. 이 서버는 에이전트가 서버 전송 이벤트를 통해 통신하며, 인간 운영자는 UI를 통해 메모리를 확인하고 관리할 수 있습니다[6].

Memorizer는 Postgres와 PG vector, 그리고 임베딩 생성을 위한 작은 Llama 인스턴스에 의존하며, 이 모든 것은 Docker Compose 파일을 통해 자동으로 설정될 수 있습니다[51]. GPU 없이도 Raspberry Pi와 같은 저사양 컴퓨터에서도 실행 가능합니다

다음 오픈소스를 통해 이러한 컨셉을 로컬에서 수행또는 팀지식 장기메모리를 위한 용도로 구축해 활용할수 있습니다.

git :

https://github.com/Aaronontheweb/memorizer-v1

위 오픈소스를 Pull한후 다음 명령을 수행해 로컬에 셋업

로컬 인프라 구동 - 팀메모리

docker compose up -d

로컬구동
- - Start PostgreSQL with pgvector (port 5432)
  - Start PgAdmin (port 5050)
  - Start Ollama (port 11434)
  - Start Memorizer API (port 5000)

LLM 모델변경

appsettings.json

{
  "Logging": {
    "LogLevel": {
      "Default": "Information",
      "Microsoft.AspNetCore": "Warning"
    }
  },
  "AllowedHosts": "*",
  "ConnectionStrings": {
    "Storage": "Host=localhost;Port=5432;Database=postgmem;Username=postgres;Password=postgres"
  },
  "Embeddings": {
    "ApiUrl": "http://localhost:11434",
    "Model": "all-minilm:33m-l12-v2-fp16"
  },
  "LLM": {
    "ApiUrl": "http://localhost:11434",
    "Model": "qwen2:0.5b",
    "Timeout": "00:02:00"
  },
  "Server": {
    "CanonicalUrl": "http://memorizer-test.local:5012"
  }
}

샘플은 CPU로 작동하는 저성능버전으로 , 임베딩및 학습품질을 더 높이려면 고급모델로 교체할수 있습니다. 여기서의 샘플은 저성능 버전이용

로컬 어플리케이션구동 - 로컬MCP

dotnet publish -c Release /t:PublishContainer

dotnet 미설치시 리눅스 dot net sdk 9 설치법 GPT에 문의...

MCP설정 - VS CODE용

{
	"servers": {
		"microsoft.docs.mcp": {
			"type": "http",
			"url": "https://learn.microsoft.com/api/mcp"
		},
		"memorizer": {
			"type": "sse",
			"url": "http://localhost:5000/sse"
    	}
	},
	"inputs": []
}

memorizer가 장기기억(학습)용
ms learn-mcp는 ms의 거대한 msdn 문서

메모리(지식)를 중앙 DB관리함으로 팀지식을 만들어 갈수 있습니다. ( 응용방법은 다양)

관리툴을 먼저 살펴본후 MCP이용도 확인해보겠습니다.

메모리 검색및 생성

메모리생성(지식)

RAG화

실시간으로 업데이트가 되지만 다양한 옵션으로 메모리(지식)를 재 업데이트 하는 기능

테스트

팀의 장기기억메모리를 활용하는 컨셉을 알기위해 수행

메모리생성

llm과 연계해 mcp를 이용해 저장도 가능하지만, 수동으로 메모리를 생성및 편집기능을 지원

Vector검색

메모리추가후 기본적인 벡터검색이 되나 확인....

LLM(+MCP) 과 연계해 잘작동하는지 확인

LLM이용하면서 좋은내용이면 학습시키기

시키지도 안했는데~ 저장해준다고함 ..저장시킴
LLM이용하다 좋은내용이 히스토리 어딘가에 있지만 찾기가 힘듬... 장기메모리에 베스트케이스면 지속저장해 메모리를 보강 - 좋은 컨텐츠로 지식업+
구축된 DB에 업데이트되어 함께이용시 팀공유된 지식으로 확장해 나갈수 있습니다.

관리툴에서 메모리 추가되었나 확인

LLM이용해 저장한 메모리 잘 저장되어있음

샘플은 코드이지만 꼭 코드로 한정지을 필요없이 다양한 팀생산활동의 지식을 관리

LLM에서 다시확인

LLM이 생성한 결과를 잘 검색 ( 실시간은 아니지만 학습이 수초내 수행될것으로 예상 - 임베딩및,LLM성능)

핵심코드 살펴보기

https://github.com/Aaronontheweb/memorizer-v1/tree/dev/src/Memorizer/Actors
- 메타데이터를 저장부분의 핵심코드 액터모델로 작성
  - 액터는 이벤트기반 상태처리및 백그라운드 처리할때 유용

MCP의 기본개념과 MCP를 이용한 장기기억메모리 파트와 관련한 컨셉은 다음 영상및 영상분석에서 더 자세한 컨셉및 기초개념을 알수 있습니다.

로컬에서만 이용하는 컨셉이 아닌 팀의 메모리(지식)을 관리해 LLM에서 이용할수 있음으로 팀지식 운영에 도움될수 있겠습니다.

영상분석

영상볼 시간없으면 다음 요약된 문서로도 컨셉확인가능합니다.

추가 참고자료

이 샘플은 닷넷진영 AKKA.net 창시자가 액터모델을 이용해 작성한 오픈소스이며 자바진영 원조는 AKKA이며 AI에서 요구하는 Agent 기능이 ActorModel에 기본 탑재되어 제공하는

스케줄러,이벤트처리,상태관리,영속성기능을 요구하기 때문에 고급 에이전트를 구현하기위해 액터모델 장치를 이용하는것은 꽤 유용할것으로 예측해봅니다. -물론 꼭 액터모델이 아니여도 다양한 패턴으로 이러한 컨셉이 계속 등장하게 될것같습니다.

akka.io/what-is-agentic-ai - Akka진영에서 제공하는 agentc-ai 기능
MCP with Actor - 유사컨셉으로 MCP Note 작성버전
https://github.com/psmon/kopring-reactive-labs/blob/main/AgenticCoding/readme-kr.md - kotlin으로도 이용할수 있으며, VIBE로만 다양한 CQRS 액터모델 양산하는 개인 연구저장소입니다.

PlayGround

모두의 MCP 메모리 : Playground 데모로 임시 운행합니다.

server https://mcp.webnori.com/ui
- sse mode

VS CODE

.vscode/mcp.json

{
	"servers": {
		"memorizer": {
			"type": "sse",
			"url": "https://mcp.webnori.com/sse"
    	}
	},
	"inputs": []
}

Content

Space Tools