Temporal Knowledge Graph 기반 MCP로 AI Agent의 컨텍스트 손실 및 환각 해결

Five primitives I exercised end-to-end on world-model-mcp's own repo

Saravanan Jaichandaran2026년 5월 21일7분advanced

AI 요약

Context

AI 코딩 에이전트가 Context Compaction 과정에서 이전 기억을 유실하여 동일한 실수를 반복하는 한계 존재. 단순 Markdown 기반의 가이드라인(CLAUDE.md)은 규칙 위반 횟수 추적이나 시점별 사실 검증이 불가능한 휘발성 정보 구조를 가짐.

Temporal Knowledge Graph를 Substrate로 채택하여 사실, 제약 사항, 결정 추적 내역을 구조화하여 저장
PreToolUse/PostToolUse Hook 체계를 통해 도구 실행 전후 단계에서 실시간 제약 사항 검증 및 규칙 추론 수행
Violation Count 기반의 Hard-threshold 설계를 통해 반복적 오류 발생 시 실행 단계에서 즉각적인 Deny 결정 수행
Confidence Score 및 Source-count 가중치 알고리즘을 통한 상충하는 정보 간의 자동 Conflict Resolution 구현
Bug-fix Fact와 Decision Trace를 결합한 Regression Warning 시스템으로 Critical Region 수정 시 리스크 점수 산출
Defer Tier 도입으로 Binary(Deny/Warn) 선택지를 넘어 인간의 개입이 필요한 중간 단계의 제어 흐름 설계

실천 포인트

1. AI 에이전트의 반복적 오류를 방지하기 위해 규칙 위반 횟수를 기록하는 카운팅 메커니즘 검토

2. 단순 가이드라인 대신 도구 실행 직전 단계(Pre-hook)에서 실행 권한을 결정하는 인터셉터 패턴 적용

3. 수정 대상 파일의 과거 버그 수정 이력을 그래프로 연결하여 리스크 점수를 산출하는 회귀 방지 로직 고려

태그