TL;DR

OpenViking은 Memory, RAG Resource, Skill을 `viking://` 가상 파일시스템에 통합하는 AI Agent용 Context Database이며, Python 서버와 `ov` CLI로 실행합니다. 콘텐츠와 Directory를 L0 Abstract, L1 Overview, L2 Details로 처리해 검색 시 필요한 깊이만 불러오고, Directory를 재귀적으로 탐색해 관련 Context를 확보합니다. Session 종료 후 사용자 선호와 Agent 경험을 장기 Memory로 저장하며, 검색 경로를 남겨 Retrieval 과정을 추적할 수 있습니다. LoCoMo에서 OpenViking 적용 시 세 Agent의 정확도가 80–83%에 도달했고 입력 토큰과 Query latency도 감소했지만, 자체 운영에는 AGPLv3 조건과 모델 Provider 구성이 필요합니다.

핵심 포인트

• OpenViking은 AI Agent용 Context Database이자 독립 실행형 Python 서버·CLI 도구입니다. `viking://` 가상 파일시스템으로 Memory, Resource, Skill을 한 계층에 저장합니다. Claude Code, Codex, Cursor, LangChain/LangGraph, MCP clients 등 여러 Agent 생태계와 연동됩니다.
• 저장한 콘텐츠를 L0 Abstract, L1 Overview, L2 Details로 나눠 필요한 깊이까지만 읽습니다. 검색은 관련성이 높은 Directory를 찾은 뒤 하위 경로를 재귀적으로 탐색합니다. 이 구조는 긴 문서나 대화에서 전체 원문을 매번 주입하지 않도록 설계됐습니다.
• Session 종료 후 사용자 선호와 Agent 경험을 장기 Memory로 비동기 추출합니다. 각 검색 요청의 Directory 탐색 경로를 보존해 잘못된 결과가 나온 경로를 추적할 수 있습니다. Memory, RAG Resource, Skill을 별도 시스템이 아닌 하나의 Context 구조로 관리하려는 경우에 적합합니다.
• Python 3.10 이상에서 `pip install openviking`으로 설치하고 `openviking-server init`, `doctor`, 서버 실행 순서로 구성합니다. `ov add-resource`, `ls`, `tree`, `find`, `grep` 명령으로 자료를 적재하고 탐색합니다. AGPLv3이므로 상용 서비스에 통합하거나 수정 배포할 때 라이선스 조건을 먼저 확인해야 합니다.

벤치마크

이미지 분석