그동안 연구한 바이브 코딩의 결과물을 커스텀 제작한 MCP메모리에 저장을 시도해본 내용으로
자세한 내용은 소개된 Github에 자세하게 설명되었으며 여기서 구체적인 설명진행은 생략하며 과정을 간단하게 스크린샷으로 소개합니다.
MCP 메모리기능
LLM(AI Agent 툴)을 이용하며 장기 메모리화하고 다시 LLM을 이용할때 기억된 메모리를 꺼내 활용할수 있는 MCP 메모리툴입니다.
클로드 코드로 만들어낸 코틀린 버전의 액터(Pekko)활용 다양한 패턴들
작년까지 AI가 작성하기 어렵다라고 작동가능하고 검증가능한 CQRS/클러스터 개발패턴을 Pekko 툴킷을 사용해 코틀린에서 시도해보았습니다.
여기서 작성된 내용을 메모리화해 학습해 다음 바이브코딩시에는 바이브코딩때 벌였던 사투의 시간을 감소화하기 위해 위에서 설명한 MCP메모리툴을 이용해 메모리화를 진행
바이브로 만든 프로젝트들을 메모리화하기
프롬프트
Pekko를 이용해 코틀린으로 작성된 다양한 유용한 액터모델및 동시성처리를 다루는 내용을 메모리 화하려고 합니다. 아래 지침과 부가정보를 참고해 수행 # 지침 - en/kr 버전으로 있는것도 있으며, 구분없는 문서도 있습니다. - 두개의 문서가 존재할시 kr문서를 사용해 주세요 - 메모리 저장은 원문이 한글일때 그대로 저장하고, 영문만 있을땐 번역해 저장해주세요 - 메모리가 생성되면 고유 id가 나오며, 연관문서로 연결시킬수 있습니다. 모두 연결하지말고 연관성이 높다라고 판단되는것 메모리당 2개이내로만 연결해주세요 이 작업은 메모리를 모두 작성한후 최종 검토해 연결을 시켜주세요 - 그리고 마지막으로 이 지침으로 인해 작동되는 AI활동이 어떠한 가치를 가지는지? 평가해, 메모리를 작성해주세요 이 작업은 최종 마지막에 수행해주세요 ## 메모리화 해야하는 문서위치 - AgenticCoding/Projects 하위에는 이 프로젝트들을 설명하는 .md파일들이 있습니다. ## 메모리 MCP사용예 ``` 🧠 LLM용 예시 시스템 프롬프트 중요 당신은 **Model Context Protocol(MCP)**을 통해 memorizer 엔드포인트에서 장기 메모리 시스템에 접근할 수 있습니다. 다음 도구들을 사용할 수 있습니다: store: 새 메모리를 저장 매개변수: type content (markdown) source tags confidence relatedTo (선택, 메모리 ID) relationshipType (선택) search: 유사한 메모리 검색 매개변수: query limit minSimilarity filterTags get: ID로 메모리 가져오기 매개변수: id getMany: 여러 메모리를 ID 목록으로 가져오기 매개변수: ids (ID 리스트) ##delete: ID로 메모리 삭제 매개변수: id createRelationship: 두 메모리 간 관계 생성 매개변수: fromId toId type ```
실행계획 by 클로드코드
│ ╭─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╮ │ │ │ Pekko 액터 모델 프로젝트 메모리화 계획 │ │ │ │ │ │ │ │ LearnMemoryByMCP.md 파일의 지침에 따라 11개의 Pekko 액터 모델 프로젝트를 메모리화하는 작업을 수행합니다. │ │ │ │ │ │ │ │ 작업 단계: │ │ │ │ │ │ │ │ 1. 프로젝트별 메모리 저장 (11개) │ │ │ │ - ACTOR_CONCURRENCY: 액터 모델 동시성 처리 패턴 │ │ │ │ - ACTOR_ROUTER: 작업 분배 라우팅 전략 │ │ │ │ - ACTOR_STREAM: 스트림 처리 라이브러리 비교 │ │ │ │ - ACTOR_THROTTLE: TPS 스로틀링 시스템 │ │ │ │ - CONNECTOR_KAFKA: Kafka-Actor 통합 이벤트 처리 │ │ │ │ - LLM-THROTTLE: LLM API 토큰 기반 속도 제한 │ │ │ │ - PEKKO_HTTP: 경량 리액티브 웹 서비스 │ │ │ │ - PERSIST_DURABLE: 사용자 상태 영속 관리 │ │ │ │ - PERSIST_DURABLE_CLUSTER: 분산 사용자 상태 관리 │ │ │ │ - PERSIST_EVENTSOURCE: 이벤트 소싱 지갑 시스템 │ │ │ │ - SSE-PUSH-SYSTEM: 실시간 이벤트 푸시 시스템 │ │ │ │ 2. 메모리 간 관계 설정 │ │ │ │ - 연관성 높은 프로젝트끼리 관계 연결 (메모리당 최대 2개) │ │ │ │ - 예: PERSIST_DURABLE ↔ PERSIST_DURABLE_CLUSTER (상태 관리) │ │ │ │ - 예: ACTOR_THROTTLE ↔ LLM-THROTTLE (속도 제한) │ │ │ │ 3. AI 활동 가치 평가 메모리 작성 │ │ │ │ - 이 메모리화 작업의 가치와 활용도 평가 │ │ │ │ - 향후 개발자들이 참조할 수 있는 지식 베이스 구축의 의미 │ │ │ │ │ │ │ │ 각 메모리는 다음 정보를 포함합니다: │ │ │ │ - type: "reference" 또는 "how-to" │ │ │ │ - title: 프로젝트명과 주요 기능 │ │ │ │ - content: 상세 설명 (한글) │ │ │ │ - tags: ["pekko", "actor-model", 관련 기술 태그] │ │ │ │ - source: "LLM" │ │ │ │ - confidence: 1.0
메모리 생성 과정
- 단순하게 메모리를 저장하는것이 아닌 메모리단계에서 연관성을 분석하고 연결을 시킬수가 있습니다. -MCP는 LLM이 이용할수 있는 기능만 제공하고, LLM의 분석역량이 중요합니다.
메모리(지식) 생성 결과
- 카테고리로 분류하며 한땀한땀 정리하던 시절이 있었는데, 이렇게 한방정리가....
- 메모리의 네트워크 지도를 살펴볼수 있으며 필요하면 Graph탐색 방법을 활용해 지식 디스커버리에 활용할수 있습니다.
응용편
여기까지는 포괄적인 내용정리로 LLM이 비용이 더 들수 있지만, 코드를 분석해 유용한 듀토리얼 단위대로 만들어죠 와같이 더 상세한 지식을 메모리화 할수도 있습니다.
Agent에 부여된 메모리의 지식의 양과 디테일수준이 어느정도가 되어야 Agent가 목적을 수행할지는? Agent의 성격/이용LLM에 따라 다양해질수 있습니다. - 코딩작성 가이드는 How TO 로 분류가 됩니다.
더 다양한 컨텐츠는 AKKA 대용량처리 자바진영과 닷넷진영을 통해 함께 다루고 있습니다.
