GitHub을 활용한 오픈소스 AI 메모리 시스템: GitMem

실용적 조언

AI 에이전트의 기억을 관리할 때 Git을 사용하면 변경 이력을 완벽하게 추적할 수 있어 디버깅과 감사에 유리하다.
정보의 신뢰도에 따라 가중치를 부여하는 인코딩 모델 방식을 적용하면 LLM의 환각으로 인한 기억 오염을 줄일 수 있다.

섹션별 상세

GitMem은 GitHub 리포지토리를 활용해 AI의 기억을 마크다운과 구조화된 메타데이터 형태로 저장한다. 사용자의 AI CLI 세션에서 추출된 사실과 컨텍스트를 조용히 기록하며, 데이터는 로컬 SQLite 인덱스와 원격 Git 저장소에 동기화된다. 이를 통해 별도의 클라우드 서비스 없이도 Git의 버전 관리 기능을 활용한 기억의 이력 추적과 감사가 가능해진다.

기억의 진화와 검증을 위해 GitHub의 Pull Request(PR) 메커니즘을 거버넌스 도구로 도입했다. 원격 모드에서는 저비용 모델이 새로운 기억을 제안하고, 성능이 뛰어난 SotA 모델이 이를 검토하여 메인 브랜치에 병합하는 구조를 취한다. 이 과정에서 브랜치 보호 기능과 감사 로그를 통해 기억의 오염을 방지하고 수정 메커니즘을 확보한다.

인지 심리학의 부호화 모델(Tulving's encoding models)을 아키텍처에 반영하여 정보의 신뢰도에 따른 가중치를 부여한다. 소스 코드에서 직접 파싱된 정보는 강도 5, LLM 추론으로 얻은 정보는 강도 2와 같이 1~5단계의 인코딩 강도를 설정한다. 강도가 높은 정보는 낮은 정보에 의해 번복될 수 없도록 하는 엄격한 규칙을 적용해 기억의 일관성을 유지한다.

Model Context Protocol(MCP)을 지원하여 Claude Code, Codex, Copilot CLI 등 다양한 AI 도구와 호환된다. 파일을 읽고 훅(Hook)을 실행할 수 있는 도구라면 무엇이든 동일한 Git 기반 컨텍스트를 공유할 수 있다. 이는 특정 서비스에 종속되지 않는 개방형 메모리 생태계를 구축하려는 시도로 해석된다.

용어 해설

모델 컨텍스트 프로토콜(Model Context Protocol): — Anthropic에서 제안한 오픈 표준으로, AI 모델이 로컬 데이터 소스나 외부 도구에 안전하고 일관되게 접근할 수 있도록 하는 인터페이스 규격입니다. 이를 통해 서로 다른 AI 도구 간에 컨텍스트를 공유하고 연동할 수 있습니다.
검색 증강 생성(RAG): — 외부 지식 베이스에서 관련 정보를 검색하여 LLM의 응답 생성에 활용하는 기술입니다. 모델의 학습 데이터에 없는 최신 정보나 특정 도메인의 지식을 보완하여 답변의 정확도를 높이는 데 사용됩니다.
부호화 모델(Encoding Models): — 인지 심리학에서 정보가 기억으로 저장되는 과정을 설명하는 이론적 틀입니다. 이 프로젝트에서는 툴빙(Tulving)의 이론을 응용하여 AI가 학습한 정보의 출처와 신뢰도에 따라 기억의 강도를 다르게 설정하는 아키텍처의 근거로 활용됩니다.

언급된 도구

GitMem추천링크

GitHub 기반 AI 메모리 관리 시스템

Claude Code중립

Anthropic의 AI 코딩 에이전트

언급된 리소스

GitHubGitMem GitHub Repository