Hi-AI

# Hi-AI <div align="center"> [](https://smithery.ai/server/@su-record/hi-ai) [](https://www.npmjs.com/package/@su-record/hi-ai) [](https://opensource.org/licenses/MIT) [](https://modelcontextprotocol.io) [](https://github.com/su-record/hi-ai) [](https://github.com/su-record/hi-ai) **Model Context Protocol 기반 AI 개발 어시스턴트** TypeScript + Python 지원 · 34개 전문 도구 · 지식 그래프 메모리 · 코드 의존성 분석 <a href="https://glama.ai/mcp/servers/@su-record/hi-ai"> <img width="380" height="200" src="https://glama.ai/mcp/servers/@su-record/hi-ai/badge" alt="Hi-AI MCP server" /> </a> [한국어](README.md) </div> --- ## 목차 - [개요](#개요) - [주요 기능](#주요-기능) - [v2.0.0 업데이트](#v200-업데이트) - [설치](#설치) - [도구 카탈로그](#도구-카탈로그) - [아키텍처](#아키텍처) - [성능](#성능) - [개발 가이드](#개발-가이드) - [라이선스](#라이선스) --- ## 개요 Hi-AI는 **Model Context Protocol (MCP)** 표준을 구현한 AI 개발 어시스턴트입니다. 자연어 기반 키워드 인식을 통해 34개의 전문화된 도구를 제공하며, 개발자가 복잡한 작업을 직관적으로 수행할 수 있도록 돕습니다. ### 핵심 가치 - **자연어 기반**: 한국어/영어 키워드로 도구를 자동으로 실행 - **지식 그래프 메모리**: 메모리 간 관계를 그래프로 구성하여 연관 정보 탐색 - **다중 언어 지원**: TypeScript, JavaScript, Python 코드 분석 - **의존성 분석**: 코드 간 의존 관계 시각화 및 순환 참조 감지 - **엔터프라이즈 품질**: 100% 테스트 커버리지 및 엄격한 타입 시스템 --- ## 주요 기능 ### 1. 지식 그래프 메모리 시스템 (v2.0 신규) 메모리 간 관계를 그래프로 구성하여 연관 정보를 탐색하는 10개의 도구: - **관계 연결**: 메모리 간 의미론적 관계 설정 (related_to, depends_on, implements 등) - **그래프 탐색**: BFS/DFS 알고리즘을 통한 연관 메모리 탐색 - **멀티 전략 검색**: 5가지 검색 전략 지원 (keyword, graph_traversal, temporal, priority, context_aware) - **타임라인**: 시간순 메모리 히스토리 시각화 **주요 도구**: - `save_memory` - 장기 메모리에 정보 저장 - `recall_memory` - 저장된 정보 검색 - `link_memories` - 메모리 간 관계 연결 (v2.0 신규) - `get_memory_graph` - 지식 그래프 조회 (v2.0 신규) - `search_memories_advanced` - 멀티 전략 검색 (v2.0 신규) - `create_memory_timeline` - 타임라인 생성 (v2.0 신규) - `prioritize_memory` - 메모리 우선순위 관리 ### 2. 시맨틱 코드 분석 AST 기반 코드 분석 및 탐색 도구: - **심볼 검색**: 프로젝트 전체에서 함수, 클래스, 변수 위치 파악 - **참조 추적**: 특정 심볼의 모든 사용처 추적 - **의존성 그래프**: 코드 간 의존 관계 시각화 (v2.0 신규) - **순환 참조 감지**: 순환 의존성 자동 탐지 (v2.0 신규) - **다중 언어**: TypeScript, JavaScript, Python 지원 **주요 도구**: - `find_symbol` - 심볼 정의 검색 - `find_references` - 심볼 참조 찾기 - `analyze_dependency_graph` - 의존성 그래프 분석 (v2.0 신규) ### 3. 코드 품질 분석 포괄적인 코드 메트릭 및 품질 평가: - **복잡도 분석**: Cyclomatic, Cognitive, Halstead 메트릭 - **결합도/응집도**: 모듈 구조 건전성 평가 - **품질 점수**: A-F 등급 시스템 - **개선 제안**: 실행 가능한 리팩토링 방안 **주요 도구**: - `analyze_complexity` - 복잡도 메트릭 분석 - `validate_code_quality` - 코드 품질 평가 - `check_coupling_cohesion` - 결합도/응집도 분석 - `suggest_improvements` - 개선 제안 - `apply_quality_rules` - 품질 규칙 적용 - `get_coding_guide` - 코딩 가이드 조회 ### 4. 프로젝트 계획 도구 체계적인 요구사항 분석 및 로드맵 생성: - **PRD 생성**: 제품 요구사항 문서 자동 생성 - **사용자 스토리**: 수용 조건 포함 스토리 작성 - **MoSCoW 분석**: 요구사항 우선순위화 - **로드맵 작성**: 단계별 개발 일정 계획 **주요 도구**: - `generate_prd` - 제품 요구사항 문서 생성 - `create_user_stories` - 사용자 스토리 작성 - `analyze_requirements` - 요구사항 분석 - `feature_roadmap` - 기능 로드맵 생성 ### 5. 순차적 사고 도구 구조화된 문제 해결 및 의사결정 지원: - **문제 분해**: 복잡한 문제를 단계별로 분해 - **사고 체인**: 순차적 추론 과정 생성 - **다양한 관점**: 분석적/창의적/체계적/비판적 사고 - **실행 계획**: 작업을 실행 가능한 계획으로 변환 **주요 도구**: - `create_thinking_chain` - 사고 체인 생성 - `analyze_problem` - 문제 분석 - `step_by_step_analysis` - 단계별 분석 - `format_as_plan` - 계획 형식화 ### 6. 프롬프트 엔지니어링 프롬프트 품질 향상 및 최적화: - **자동 강화**: 모호한 요청을 구체적으로 변환 - **품질 평가**: 명확성, 구체성, 맥락성 점수화 - **Gemini 최적화**: Google Gemini API 프롬프팅 전략 **주요 도구**: - `enhance_prompt` - 프롬프트 강화 - `analyze_prompt` - 프롬프트 품질 분석 - `enhance_prompt_gemini` - Gemini 프롬프팅 전략 ### 7. 추론 프레임워크 복잡한 문제의 체계적 분석: - **9단계 추론**: 문제 분해, 가설 탐색, 위험 평가 - **논리적 검증**: 완전성과 정밀성 보장 **주요 도구**: - `apply_reasoning_framework` - 9단계 추론 프레임워크 ### 8. 사용 분석 (v2.0 신규) 도구 사용 통계 및 분석: - **메모리 통계**: 카테고리별 분포, 시간별 활동 - **그래프 분석**: 연결 통계, 클러스터 정보 **주요 도구**: - `get_usage_analytics` - 사용 분석 조회 ### 9. UI 프리뷰 & 시간 - `preview_ui_ascii` - ASCII UI 프리뷰 - `get_current_time` - 현재 시간 조회 --- ## Hi-GCloud 연동 Hi-AI는 [hi-gcloud](https://github.com/su-record/hi-gcloud) MCP와 함께 사용하면 강력한 GCP 운영 + 코드 수정 워크플로우를 제공합니다. ### 연동 방식 hi-gcloud에서 에러를 발견하면 hi-ai 도구를 자동으로 추천합니다: ``` 📋 Cloud Run 로그: my-api 🔴 3개의 에러가 발견되었습니다. 💡 hi-ai 연동 가능: 에러 분석이 필요하면 analyze_problem 도구로 원인을 분석하고, 관련 코드를 찾아 수정 방안을 제시할 수 있습니다. ``` ### 워크플로우 예시 ``` User: "배포가 실패했어" [hi-gcloud] → gcp_run_logs로 에러 로그 조회 → 에러 3건 발견, hi-ai 연동 힌트 제공 [hi-ai 자동 연동] → analyze_problem으로 에러 원인 분석 → find_symbol로 관련 코드 위치 파악 → suggest_improvements로 수정 방안 제시 → save_memory로 해결 방법 저장 (재발 방지) ``` ### 설치 두 MCP를 함께 설치하면 자동으로 연동됩니다: ```json { "mcpServers": { "hi-ai": { "command": "npx", "args": ["-y", "@su-record/hi-ai"] }, "hi-gcloud": { "command": "npx", "args": ["-y", "@polin-go/hi-gcloud"] } } } ``` ### 연동 도구 매핑 | hi-gcloud 상황 | hi-ai 추천 도구 | |---------------|-----------------| | 에러 로그 발견 | `analyze_problem`, `find_symbol` | | 배포 실패 | `step_by_step_analysis`, `suggest_improvements` | | 성능 문제 | `analyze_complexity`, `check_coupling_cohesion` | | 비용 증가 | `format_as_plan` | --- ## v2.0.0 업데이트 ### 주요 변경사항 Hi-AI v2.0.0은 지식 그래프 기반 메모리 시스템과 고급 코드 분석 기능을 도입한 메이저 릴리스입니다. ### 신규 기능 (6개 도구) | 도구 | 설명 | |------|------| | `link_memories` | 메모리 간 관계 연결 (지식 그래프) | | `get_memory_graph` | 지식 그래프 조회/시각화 (Mermaid 다이어그램 지원) | | `search_memories_advanced` | 5가지 전략의 멀티 검색 | | `create_memory_timeline` | 시간순 메모리 타임라인 | | `analyze_dependency_graph` | 코드 의존성 분석 및 순환 참조 감지 | | `get_usage_analytics` | 사용 통계/분석 | ### 아키텍처 개선 - **index.ts**: 37개 switch case → 동적 디스패치 패턴 - **MemoryManager**: 지식 그래프 기능 추가 (395줄 → 823줄) - **코드 최적화**: 불필요한 의존성 제거 (puppeteer-core) ### 삭제된 도구 | 도구 | 이유 | |------|------| | `search_memories` | search_memories_advanced로 대체 | | `auto_save_context` | save_memory에 통합 | | `restore_session_context` | recall_memory에 통합 | | `start_session` | save_memory에 통합 | | `break_down_problem` | analyze_problem에 통합 | | `think_aloud_process` | step_by_step_analysis와 중복 | | `monitor_console_logs` | 낮은 사용률 | | `inspect_network_requests` | 낮은 사용률 | ### 변경 요약 | 항목 | v1.4.0 | v2.0.0 | 변화 | |------|--------|--------|------| | 도구 개수 | 37개 | 34개 | -3개 | | MemoryManager | 395줄 | 823줄 | +428줄 | | 검색 전략 | 1가지 | 5가지 | +400% | | 그래프 탐색 | 없음 | BFS/DFS | 신규 | | 의존성 분석 | 없음 | 순환 감지 | 신규 | --- ## 설치 ### 시스템 요구사항 - Node.js 18.0 이상 - TypeScript 5.0 이상 - MCP 호환 클라이언트 (Claude Desktop, Cursor, Windsurf) - Python 3.x (Python 코드 분석 시) ### 설치 방법 #### NPM 패키지 ```bash # 글로벌 설치 npm install -g @su-record/hi-ai # 로컬 설치 npm install @su-record/hi-ai ``` #### Smithery 플랫폼 ```bash # 원클릭 설치 https://smithery.ai/server/@su-record/hi-ai ``` ### MCP 클라이언트 설정 Claude Desktop 또는 다른 MCP 클라이언트의 설정 파일에 추가: ```json { "mcpServers": { "hi-ai": { "command": "hi-ai", "args": [], "env": {} } } } ``` --- ## 도구 카탈로그 ### 전체 도구 목록 (34개) | 카테고리 | 도구 수 | 도구 목록 | |----------|---------|-----------| | **메모리 - 기본** | 6 | save_memory, recall_memory, list_memories, delete_memory, update_memory, prioritize_memory | | **메모리 - 그래프** | 4 | link_memories, get_memory_graph, search_memories_advanced, create_memory_timeline | | **코드 분석** | 3 | find_symbol, find_references, analyze_dependency_graph | | **사고** | 4 | create_thinking_chain, analyze_problem, step_by_step_analysis, format_as_plan | | **코드 품질** | 6 | analyze_complexity, validate_code_quality, check_coupling_cohesion, suggest_improvements, apply_quality_rules, get_coding_guide | | **계획** | 4 | generate_prd, create_user_stories, analyze_requirements, feature_roadmap | | **프롬프트** | 3 | enhance_prompt, analyze_prompt, enhance_prompt_gemini | | **추론** | 1 | apply_reasoning_framework | | **분석** | 1 | get_usage_analytics | | **UI** | 1 | preview_ui_ascii | | **시간** | 1 | get_current_time | ### 키워드 매핑 예시 #### 메모리 도구 | 도구 | 한국어 | 영어 | |------|--------|------| | save_memory | 기억해, 저장해 | remember, save this | | recall_memory | 떠올려, 기억나 | recall, remind me | | link_memories | 연결해, 관계 | link, connect | | get_memory_graph | 그래프, 관계도 | graph, relations | | search_memories_advanced | 고급 검색, 찾아 | advanced search, find | #### 코드 분석 도구 | 도구 | 한국어 | 영어 | |------|--------|------| | find_symbol | 함수 찾아, 클래스 어디 | find function, where is | | analyze_dependency_graph | 의존성, 관계 | dependency, relations | | analyze_complexity | 복잡도, 복잡한지 | complexity, how complex | | validate_code_quality | 품질, 리뷰 | quality, review | --- ## 아키텍처 ### 시스템 구조 ```mermaid graph TB subgraph "Client Layer" A[Claude Desktop / Cursor / Windsurf] end subgraph "MCP Server" B[Hi-AI v2.0.0] end subgraph "Core Libraries" C1[MemoryManager + Graph] C2[ContextCompressor] C3[ProjectCache] C4[PythonParser] end subgraph "Tool Categories" D1[Memory Basic x6] D2[Memory Graph x4] D3[Code Analysis x3] D4[Thinking Tools x4] D5[Quality Tools x6] D6[Planning Tools x4] D7[Prompt Tools x3] D8[Reasoning x1] D9[Analytics x1] D10[UI/Time x2] end subgraph "Data Layer" E1[(SQLite Database)] E2[Project Files] end A <--> B B --> C1 & C2 & C3 & C4 B --> D1 & D2 & D3 & D4 & D5 & D6 & D7 & D8 & D9 & D10 C1 --> E1 C3 --> E2 C4 --> E2 D1 --> C1 & C2 D2 --> C1 D3 --> C3 & C4 D5 --> C4 D9 --> C1 ``` ### 핵심 컴포넌트 #### MemoryManager (v2.0 확장) - **역할**: 영구 메모리 저장소 및 지식 그래프 관리 - **기술**: SQLite, better-sqlite3 - **기능**: CRUD, 검색, 우선순위, 그래프 관계, BFS/DFS 탐색 - **최적화**: WAL 모드, 인덱싱, Prepared Statements #### ContextCompressor - **역할**: 컨텍스트 압축 관리 - **알고리즘**: 우선순위 기반 압축 - **기능**: 중요도에 따른 선택적 보존 #### ProjectCache - **역할**: ts-morph 프로젝트 캐싱 - **전략**: LRU 알고리즘 - **기능**: 반복 분석 성능 향상 - **제한**: 100MB/프로젝트, 200MB 전체 #### PythonParser - **역할**: Python 코드 AST 분석 - **방법**: subprocess 실행 - **기능**: 심볼 추출, 복잡도 계산 - **안전**: 타임아웃, 자동 정리 ### 데이터베이스 스키마 (v2.0) ```sql -- memories 테이블 CREATE TABLE memories ( key TEXT PRIMARY KEY, value TEXT NOT NULL, category TEXT NOT NULL DEFAULT 'general', timestamp TEXT NOT NULL, lastAccessed TEXT NOT NULL, priority INTEGER DEFAULT 0 ); -- memory_relations 테이블 (v2.0 신규) CREATE TABLE memory_relations ( id INTEGER PRIMARY KEY AUTOINCREMENT, sourceKey TEXT NOT NULL, targetKey TEXT NOT NULL, relationType TEXT NOT NULL, strength REAL DEFAULT 1.0, metadata TEXT, timestamp TEXT NOT NULL, UNIQUE(sourceKey, targetKey, relationType) ); ``` --- ## 성능 ### 주요 최적화 #### 프로젝트 캐싱 - LRU 캐시를 통한 반복 분석 성능 향상 - 5분 TTL로 최신 상태 유지 - 메모리 제한을 통한 리소스 관리 #### 메모리 작업 - SQLite 트랜잭션으로 배치 작업 최적화 - 시간 복잡도 개선: O(n²) → O(n) - 인덱싱을 통한 빠른 조회 #### 그래프 탐색 (v2.0) - BFS/DFS 알고리즘으로 효율적 탐색 - Union-Find로 클러스터 감지 - 경로 찾기 최적화 --- ## 개발 가이드 ### 환경 설정 ```bash # 리포지토리 클론 git clone https://github.com/su-record/hi-ai.git cd hi-ai # 의존성 설치 npm install # 빌드 npm run build # 개발 모드 npm run dev ``` ### 테스트 ```bash # 전체 테스트 실행 npm test # Watch 모드 npm run test:watch # UI 모드 npm run test:ui # 커버리지 리포트 npm run test:coverage ``` ### 코드 스타일 - **TypeScript**: strict 모드 - **타입**: `src/types/tool.ts` 사용 - **테스트**: 100% 커버리지 유지 - **커밋**: Conventional Commits 형식 ### 새 도구 추가 1. `src/tools/category/` 디렉토리에 파일 생성 2. `ToolDefinition` 인터페이스 구현 3. `src/index.ts`의 `toolHandlers`에 등록 4. `tests/unit/` 디렉토리에 테스트 작성 5. README 업데이트 --- ## 기여자 <a href="https://github.com/su-record/hi-ai/graphs/contributors"> <img src="https://contrib.rocks/image?repo=su-record/hi-ai" /> </a> ### 특별 감사 - **[Smithery](https://smithery.ai)** - MCP 서버 배포 및 원클릭 설치 플랫폼 제공 --- ## 라이선스 MIT License - 자유롭게 사용, 수정, 배포 가능 --- ## 인용 이 프로젝트를 연구나 상업적 용도로 사용하실 경우: ```bibtex @software{hi-ai2024, author = {Su}, title = {Hi-AI: Knowledge Graph-Based MCP Server for AI-Assisted Development}, year = {2024}, version = {2.0.0}, url = {https://github.com/su-record/hi-ai} } ``` --- <div align="center"> ## Star History [](https://star-history.com/#su-record/hi-ai&Date) <br> **Hi-AI v2.0.0** 지식 그래프 메모리 · 멀티 전략 검색 · 의존성 분석 · 34개 전문 도구 Made with ❤️ by [Su](https://github.com/su-record) <br> [🏠 Homepage](https://github.com/su-record/hi-ai) · [📚 Documentation](https://github.com/su-record/hi-ai#readme) · [🐛 Issues](https://github.com/su-record/hi-ai/issues) · [💬 Discussions](https://github.com/su-record/hi-ai/discussions) </div>