AI 에이전트의 기억력, 뇌처럼 관리한다!

Hippo는 인간의 해마(Hippocampus)를 모델로 하여, 기억의 저장(Storage), 검색(Retrieval), 잊어버림(Decay), 강화(Strengthening), 병합(Consolidation) 등 7가지 핵심 기능을 구현했다. 특히, 오류 기억(Error Memories)의 지속성을 높이고, 신뢰도(Confidence)를 기반으로 한 기억 관리를 통해, AI 에이전트의 학습 효율을 높이는 것을 목표로 한다. 데이터 미저장 정책(Zero-Retention Policy)과는 다른 접근 방식이다.

Hippo는 Claude Code, Codex, Cursor 등 다양한 AI 에이전트와의 통합을 지원하며, 자동 훅 설치(Auto-hook Install) 기능을 통해 사용 편의성을 높였다. 멀티모달 분석(Multimodal Analysis)을 통해, ChatGPT, Claude, Cursor 등에서 데이터를 가져올 수 있으며, MCP(Memory Control Protocol) 서버를 통해 다른 도구와의 연동도 가능하다. 데이터 격리 아키텍처(Data Isolation Architecture)를 통해 각 에이전트의 기억을 관리한다.

일부 커뮤니티에서는 Hippo의 잊어버림(Decay) 메커니즘이, 코드베이스(Codebase)의 변화를 적절하게 반영하지 못할 수 있다는 우려를 제기했다. 지수적 감쇠(Exponential Decay) 방식이, 코드 변경(Code Change)과 같은 급격한 변화를 감지하기 어렵다는 것이다. 실제 사례(Real-World Example)를 통해, 기억 트리거(Memory Triggers) 기반의 접근 방식이 더 효과적일 수 있다는 의견도 제시되었다.

Hippo는 SQLite를 백본으로 사용하며, BM25 키워드 검색(BM25 Keyword Search)과 임베딩 유사성(Embedding Similarity)을 결합한 하이브리드 검색을 지원한다. 자동 학습(Auto-learn) 기능을 통해, Git 커밋(Git Commit) 기록으로부터 학습하며, 토큰 예산(Token Budget)을 설정하여, 컨텍스트(Context)의 크기를 제어한다. 성능(Performance)과 확장성(Scalability)을 고려한 설계가 필요하다.