Arc 메모리 MCP 서버

Arc는 엔지니어링 팀이 코드의 맥락과 이력을 이해하는 데 도움을 줍니다. 이 MCP 서버를 통해 AI 어시스턴트는 자연어를 사용하여 코드베이스의 이력 및 관계를 쿼리할 수 있습니다.

"PostgreSQL 대신 MongoDB를 선택한 이유는 무엇인가요?" "시간이 지남에 따라 인증 시스템은 어떻게 발전했나요?" "마이크로서비스 아키텍처를 도입한 이유는 무엇인가요?"

빠른 시작 워크플로

종속성 설치지엑스피1
GitHub으로 인증하기
arc auth gh
이렇게 하면 GitHub 인증 과정이 안내됩니다. 완료되면 성공 메시지가 표시됩니다.
선형으로 인증(선택 사항)
arc auth linear
이 단계에서는 OAuth 2.0을 사용하여 Linear에 인증하는 방법을 안내합니다. 브라우저 창이 열리면 Arc Memory가 Linear 데이터에 액세스할 수 있도록 권한을 부여합니다. 이 단계는 선택 사항이지만 지식 그래프에 Linear 관련 문제를 포함하려는 경우 권장됩니다.
지식 그래프를 구축하세요
arc build
이렇게 하면 저장소를 분석하고 로컬 지식 그래프를 구축합니다. 완료되면 진행률 표시기와 수집된 엔터티 요약이 표시됩니다.지식 그래프에 선형 문제를 포함하려면 다음을 수행하세요.
arc build --linear
여기에는 선형 인증(3단계)이 필요합니다.
Claude Desktop, VS Code Agent Mode 또는 Cursor에서 구성자세한 지침은 아래의 "통합" 섹션을 참조하세요.

Arc 작동 방식

Arc는 다양한 소스의 구조화된 데이터를 연결하여 코드베이스 히스토리를 그래프로 보여줍니다. 일반적인 RAG 시스템처럼 벡터 유사성을 사용하는 대신, Arc는 커밋, PR, 이슈 및 아키텍처 관련 결정 간의 실제 관계 에 중점을 둡니다.

arc_search_story 도구는 자연어 질문을 여러 연결을 따라갈 수 있는 그래프 쿼리로 변환하여 AI 도우미가 프로젝트의 실제 기록을 기반으로 답변을 제공하는 데 도움이 됩니다.

지식 그래프 구조

Arc는 다음을 사용하여 풍부한 지식 그래프를 구축합니다.

엔터티 : PR, 커밋, 이슈(GitHub 및 Linear), ADR, 파일 등
관계 : 수정, 언급, 병합, 결정, 구현
시간적 맥락 : 변화가 언제, 어떤 순서로 일어났는가
출처 : 변경 사항이 만들어진 이유와 변경한 사람
크로스 시스템 연결 : GitHub PR과 Linear 이슈 간 링크

이러한 상호 연결된 구조를 통해 초기 문제부터 아키텍처 결정, 구현 PR 및 커밋까지 모든 코드 줄에 대한 전체 스토리를 추적할 수 있습니다.

예를 들어, 일반적인 경로는 다음과 같습니다.

Linear Issue ABC-123 (Feature Request)
    ↓ DECIDES
Architecture Decision Record (ADR-42)
    ↓ IMPLEMENTS
GitHub Pull Request #456
    ↓ CONTAINS
Commit abc123
    ↓ MODIFIES
File: src/auth/middleware.js

"인증 미들웨어가 이런 방식으로 구현된 이유는 무엇인가?"라고 묻는 경우 Arc는 이 경로를 거꾸로 탐색하여 완전한 컨텍스트를 제공할 수 있습니다.

다양한 시스템 연결

기본 쿼리의 경우 GitHub과 Linear MCP를 별도로 사용하면 되지만 Arc에서는 이 둘을 연결합니다.

연결된 데이터 : GitHub, Linear, Git 및 ADR의 정보를 하나의 그래프로 연결합니다.
크로스 시스템 연결 : 선형 문제와 GitHub PR 간의 관계를 보여줍니다.
다단계 경로 : API 호출이 놓칠 수 있는 연결 체인을 따릅니다.
시간 기반 컨텍스트 : 여러 시스템에서 일이 발생한 시점을 유지합니다.
구조화된 결과 : AI 도우미가 관계를 설명하는 데 사용할 수 있는 경로를 반환합니다.

예시 질문

건축 추론 및 의사 결정 고고학

"What were the security considerations that led to our current authentication architecture?"
"Why did we migrate from monolith to microservices in Q3 2022, and what were the tradeoffs?"
"What performance issues drove the switch from Redis to our custom caching solution?"
"How did our API design evolve after the major outage last year?"

시스템 간 영향 분석

"Which backend services were affected by the payment processing refactoring?"
"What downstream components depend on the authentication middleware we're planning to change?"
"How many different teams' code would be impacted if we deprecate the legacy API?"
"What parts of our infrastructure were modified to address the rate limiting issues?"

기술 부채 및 회귀 방지

"What previous attempts have we made to fix the intermittent test failures in the CI pipeline?"
"Which PRs have touched this fragile payment processing code in the last 6 months?"
"What was the root cause analysis of our last three production incidents?"
"Which architectural decisions have we revisited multiple times, suggesting design instability?"

지식 전수 및 온보딩

"What's the complete history of our authentication system from initial design to current implementation?"
"Who are the domain experts for each component of our data processing pipeline?"
"What were the key design decisions made before I joined the team that explain our current architecture?"
"What's the context behind this complex caching logic that no one seems to understand anymore?"

사용 가능한 도구

arc_search_story : 멀티홉 질문에 대한 자연어 그래프 쿼리
arc_trace_history : 파일의 특정 줄에 대한 결정 내역을 추적합니다.
arc_get_entity_details : 특정 엔터티에 대한 자세한 정보를 검색합니다.
arc_find_related_entities : 주어진 엔터티에 직접 연결된 엔터티를 찾습니다.
arc_blame_line : 라인의 특정 커밋 SHA, 작성자 및 날짜를 가져옵니다.

설치

# Install dependencies
pip install mcp arc-memory

# Clone the repository
git clone https://github.com/Arc-Computer/arc-mcp-server.git
cd arc-mcp-server

# Install the server
pip install -e .

설정

GitHub으로 인증합니다 (GitHub OAuth 자격 증명이 있는 경우)
arc auth gh
지식 그래프를 구축하세요
arc build
이 기능은 로컬 Git 저장소에서 커밋, 파일, PR, 이슈 및 그 관계를 포함하는 그래프를 생성합니다. 데이터베이스는 ~/.arc/graph.db 에 저장됩니다.

완성

클로드 데스크탑

구성 파일을 엽니다.
- macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
- Windows: %APPDATA%\Claude\claude_desktop_config.json
서버 구성을 추가합니다.
{ "mcpServers": { "arc-memory": { "command": "python", "args": ["/absolute/path/to/src/arc_mcp_server.py"] } } }
Claude Desktop을 다시 시작하세요

VS 코드 에이전트 모드

VS Code Agent Mode 확장 프로그램을 설치하세요
VS Code 설정에서 MCP 서버를 구성하세요.
"anthropic.agent-mode.mcp.servers": { "arc-memory": { "command": "python", "args": ["/absolute/path/to/src/arc_mcp_server.py"] } }

커서

커서 설정을 열고 AI 설정으로 이동합니다.
MCP 서버 구성(VS Code 구성과 유사)
커서 재시작

도구 문서

아크_서치_스토리

멀티홉 질문에 대한 자연어 그래프 쿼리입니다.

매개변수:

question : 묻는 자연어 질문
max_depth (선택 사항): 그래프 순회에 대한 최대 깊이(기본값: 3)
max_results (선택 사항): 반환할 최대 결과 수(기본값: 100)

보고:

{
  "path": [
    {"id": "pr:42", "type": "pr", "title": "Add new feature", "depth": 0},
    {"id": "adr:123", "type": "adr", "title": "Architecture decision", "depth": 1},
    {"id": "issue:456", "type": "issue", "title": "Feature request", "depth": 2}
  ],
  "meta": {
    "query_depth": 3,
    "sql": "/* The SQL query used for debugging */"
  }
}

AI 어시스턴트가 이 데이터를 사용하는 방법

개발자가 "Redis에서 맞춤형 캐싱 솔루션으로 마이그레이션한 이유는 무엇인가요?"라고 묻는 경우 AI 어시스턴트는 구조화된 경로 데이터를 사용하여 다음과 같은 응답을 생성할 수 있습니다.

"2023년 7월 Redis에서 맞춤형 캐싱 솔루션으로 마이그레이션한 것은 세 가지 핵심 요인에 의해 주도되었습니다.
성능 병목 현상 : 선형 문제 PERF-387은 최대 트래픽 중에 Redis 연결 풀링 문제를 문서화했으며, 이로 인해 2023년 2분기에 관찰된 지연 시간 급증의 30%가 발생했습니다. 이는 6월 서비스 중단 이후 플랫폼 팀에서 P0으로 우선순위를 지정했습니다.
아키텍처 제약 : ADR-29(Sarah Chen 작성)는 Redis의 단일 스레드 모델이 증가하는 동시 쓰기 패턴, 특히 제품 카탈로그 서비스를 효율적으로 처리할 수 없었던 이유를 자세히 설명합니다. 이 ADR은 초기 문제가 제기되었던 Linear 이슈 ARCH-42를 참조합니다.

비용 고려 사항 : GitHub PR #1204에는 맞춤형 솔루션이 인프라 비용을 42% 절감하고 p99 지연 시간을 150ms 단축하는 것을 보여주는 벤치마크 결과가 포함되어 있습니다. 이 PR은 3분기 비용 최적화 이니셔티브의 Linear 이슈 COST-56과 연결되었습니다.
마이그레이션은 7개의 GitHub PR에 걸쳐 구현되었으며, 주로 인프라 팀이 담당했습니다. 인벤토리 및 체크아웃 서비스에 가장 큰 변화가 있었습니다. 초기에는 Alex Kim이 PR #1209에서 제기한 데이터 일관성에 대한 우려가 있었지만, ADR-31에 명시된 2단계 커밋 프로토콜을 추가하여 해결했습니다.
사용자 지정 솔루션은 배포 이후 안정적으로 유지되었으며, 캐시 무효화 에지 케이스와 관련된 두 가지 사소한 사고(선형적으로 INC-45 및 INC-52로 추적됨)만 발생했으며, 두 사고 모두 후속 GitHub PR #1567에서 해결되었습니다.

응답에는 다음이 포함됩니다.

다양한 소스(선형 문제, GitHub PR, ADR, 인시던트)의 정보
특정 측정 항목 및 측정
관련된 사람들의 이름과 그들의 역할
이벤트 순서 및 기술적 세부 사항
발생한 문제와 그 해결책
그 후에 무슨 일이 일어났는가

이 기능이 가능한 이유는 Arc가 일반적으로 분리되어 있는 여러 시스템의 정보를 연결하기 때문입니다.

일반적인 사용 사례

1. 새로운 팀원 온보딩

새로운 개발자가 팀에 합류하면 익숙하지 않은 코드와 시스템에 대한 질문을 하여 구현의 맥락과 이유를 이해할 수 있습니다.

2. 회귀 방지

복잡하거나 중요한 시스템을 변경하기 전에 개발자는 이전 문제의 내역, 효과가 없었던 접근 방식, 현재 구현의 논리를 살펴볼 수 있습니다.

3. 건축적 결정 내리기

아키텍처 변경을 고려할 때, 팀은 관련된 결정의 내역을 살펴보고, 이전에 시도된 사항이 무엇인지, 특정 접근 방식이 선택된 이유가 무엇인지 이해할 수 있습니다.

4. 레거시 코드 리팩토링

문서화가 부족한 오래된 코드로 작업하는 경우, 개발자는 변경하기 전에 출처를 추적하고, 목적을 이해하고, 종속성을 파악할 수 있습니다.

미래 개발

Arc의 향후 계획은 다음과 같습니다.

PR에서 가벼운 시뮬레이션을 실행하여 잠재적인 문제 식별
보안 취약점 및 기술 부채 위험 감지
시간 경과에 따른 시스템 동작의 인과 모델 구축
시뮬레이션 결과를 지식 그래프에 다시 추가

특허

MIT 라이센스

Arc Memory MCP Server

Integrations