Hebbian Memory와 Graph 기반 Spreading Activation을 적용한 Local Memory Server 구현

Mnemosyne – A local, Hebbian memory server for Claude/Cursor (MCP)

Zackery Sayers2026년 5월 4일1분advanced

AI 요약

Context

단순 Embedding 기반 Vector DB의 Top-K Semantic Search가 가진 단편적인 정보 추출 한계 직면. 단순 저장소 수준의 RAG 구조를 탈피하여 인간의 뇌 작동 방식과 유사한 연상 기억 체계 구축 필요성 증대.

SQLite FTS5 기반 BM25 검색을 통한 초기 Retrieval 단계 수행
검색된 노드를 기점으로 Breadth-First Search(BFS)를 실행하여 인접 개념으로 Activation Energy를 전파하는 Spreading Activation 구조 설계
빈번한 공동 인출(Co-retrieval) 발생 시 Edge 가중치를 강화하는 Long-Term Potentiation(LTP) 메커니즘 적용
미사용 정보의 가중치를 점진적으로 감소시키는 Hebbian Decay 로직을 통한 메모리 최적화
C#/.NET 8 AOT 컴파일 기반의 Single Binary 구조로 런타임 오버헤드 최소화 및 로컬 독립성 확보
Model Context Protocol(MCP) 표준 채택을 통한 Claude, Cursor 등 다양한 LLM 클라이언트와의 상호운용성 확보

실천 포인트

1. 단순 Vector Search의 한계를 느낄 때 Graph 기반의 연관 관계 전파 모델 검토

2. 데이터의 중요도를 시간과 빈도에 따라 동적으로 관리하는 Decay 함수 도입 고려

3. MCP 표준을 활용하여 AI 도구 간 인터페이스 통합 및 확장성 확보

태그