Thoth-Mem

AI 코딩 에이전트를 위한 영구 메모리

세션, 압축, 컨텍스트 재설정을 넘어 지속되는 프로젝트 메모리를 코딩 에이전트에 제공합니다.

Thoth-Mem은 SQLite와 FTS5를 기반으로 하는 로컬 우선 MCP 서버입니다. 유용한 결정, 버그 수정, 규칙, 세션 연속성을 보존하고, 에이전트가 필요한 증거만 검색합니다. 동일한 설치로 CLI, 선택적 HTTP API, 지원되는 코딩 하네스용 네이티브 수명 주기 통합도 제공합니다.

전역 범위는 현재 사용자의 하네스 구성을 관리하며, 프로젝트 범위는 명시적이며 선택한 프로젝트와 해당 영수증 트리로 제한됩니다. Engram, thoth-agents 또는 다른 메모리 통합이 겹칠 수 있습니다. 이는 경고로만 간주하십시오. thoth-mem은 외부 저장소를 편집, 비활성화, 제거 또는 쓰지 않습니다.

빠른 시작

Node.js 18 이상이 필요합니다. 네이티브 설정은 선택 사항입니다. 수동 MCP 연결에는 mcp 명령만 있으면 됩니다.

게시된 패키지 실행

전역 명령을 설치하지 않고 최신 게시된 MCP 서버를 시작합니다:

npx -y thoth-mem@latest mcp

이렇게 하면 MCP 서버와 로컬 HTTP 브리지가 시작됩니다. MCP 전송만 필요한 경우 --no-http를 추가하세요. 새 클라이언트 구성은 명시적 mcp 하위 명령을 사용해야 합니다.

네이티브 통합은 설정 후 지속적인 thoth-mem 명령을 호출하므로, 하네스를 구성하기 전에 해당 명령을 전역으로 설치하거나 업데이트하세요. npx를 사용하여 최신 게시 패키지에서 설정 구현을 실행하고, 쓰기 금지 계획을 검사한 다음 적용합니다:

npx -y thoth-mem@latest setup codex --scope global --plan --json
npx -y thoth-mem@latest setup codex --scope global --json

다른 지원 하네스의 경우 codex를 opencode 또는 claude로 바꾼 후 해당 하네스를 다시 시작하세요. setup만 실행한다고 해서 npm 패키지가 설치되거나 업데이트되지는 않습니다.

이 저장소 설치

아직 게시되지 않은 커밋을 테스트하려면 저장소 흐름을 사용하세요:

pnpm install
pnpm run build
pnpm add -g .
thoth-mem version
thoth-mem setup codex --scope global --plan --json
thoth-mem setup codex --scope global --json

thoth-mem@latest에는 최신 게시 릴리스만 포함됩니다. 게시되지 않은 최신 커밋을 가져온 후 pnpm add -g .를 다시 실행하세요.

기존 설치 업데이트

먼저 패키지를 업데이트하세요. 네이티브 통합이 설치된 경우 해당 설정을 다시 실행하여 복사된 에셋, 스킬, 훅, 관리 선언이 새 패키지 버전으로 수렴되도록 하세요:

pnpm add -g thoth-mem@latest
npx -y thoth-mem@latest setup codex --scope global --plan --json
npx -y thoth-mem@latest setup codex --scope global --json

그런 다음 하네스 또는 MCP 프로세스를 다시 시작하세요. 수동 MCP 사용자는 setup이 필요 없으며, npx -y thoth-mem@latest mcp를 다시 시작하면 됩니다.

설정은 메모리 데이터베이스와 사용자 소유 구성을 보존합니다. 시작 시 누락된 구성 필드는 백필될 수 있지만, LM Studio 모델과 같은 명시적 값은 선택된 상태로 유지됩니다. 구성 형식은 "version": 1로 유지됩니다. 게시된 설치의 경우 이전 $schema URL을 해당 릴리스 버전으로 수동 업데이트하여 현재 편집기 검증 및 자동 완성을 받으세요. 게시되지 않은 체크아웃은 릴리스 전에 unpkg가 변경 사항을 노출할 수 없으므로 일치하는 검증을 위해 이 저장소의 config.schema.json을 사용해야 합니다. 스키마 URL은 런타임 마이그레이션을 제어하지 않습니다.

임베딩 모델 변경은 설정 작업이 아니라 구성 작업입니다. 필요에 따라 embedding.provider, model, baseUrl, 네이티브 dimensions를 편집하세요. profile: "auto"는 지원되는 모델 제품군을 해석합니다. thoth-mem을 다시 시작하고 변경된 임베딩 계보가 멱등 의미 인덱스 재구축을 대기열에 넣도록 하세요.

Related MCP server: LumenCore

메모리 루프

유용한 에이전트 워크플로는 작고 반복적입니다:

1. 지속적 교훈 저장. 결정, 근본 원인, 규칙 또는 현재 컨텍스트를 넘어 지속되어야 하는 비자명한 사실은 mem_save를 사용하세요.

2. 좁게 회상. mem_recall(mode="compact")로 시작하고, 강력한 후보를 mode="context"로 확장하고, mem_get으로 선택한 전체 레코드를 가져오세요.

3. 정체성으로 재개. 동일한 안정적인 session_id와 project를 유지하고, 최근 연속성은 mem_context를, 루트 소유 수명 주기 이벤트는 mem_session을 사용하세요.

예시 관찰:

{
  "kind": "observation",
  "title": "Retry SQLite writes in a new transaction",
  "type": "bugfix",
  "project": "my-project",
  "topic_key": "sqlite/busy-retry",
  "content": "**What**: Roll back after SQLITE_BUSY and retry in a new transaction.\n**Why**: Retrying inside the failed transaction repeats the failure.\n**Where**: write transaction helper.\n**Learned**: Use bounded backoff before opening the new transaction."
}

지속 전에 <private>...</private> 내부의 콘텐츠를 제거하세요. 자격 증명, 전체 대화 내용, 사용자 의도로 생성된 에이전트 프롬프트, 재사용 가능한 교훈이 없는 원시 로그를 저장하지 마세요.

6가지 MCP 도구

설정, 동기화, 마이그레이션, 재구축 및 유지 관리는 추가 MCP 도구가 아닌 CLI/HTTP 관리 명령입니다.

그래프 커뮤니티 검사

커뮤니티는 프로젝트 지식 그래프에서 파생된 제한된 요약입니다. 운영자는 CLI를 통해 커밋된 요약을 빌드하거나 새로 고칩니다:

thoth-mem rebuild-communities --project my-project

그런 다음 에이전트는 mem_project를 통해 이를 얻습니다:

{
  "action": "graph",
  "project": "my-project",
  "navigation": "community",
  "limit": 5,
  "max_chars": 2000
}

응답은 커뮤니티 상태와 최신성을 보고한 다음 community=<id>, 그래프 범위, 신뢰도, 성능 저하 상태, 제한된 요약 및 sources=obs:<id>와 같은 항목을 보고합니다. 커뮤니티 검사에는 프로젝트가 필요하지만 포커스 노드나 관찰 ID는 필요하지 않습니다. 커밋된 요약이 없으면 전역 답변을 합성하는 대신 그렇게 명시합니다.

커뮤니티 뒤에 있는 증거를 검사하려면 sources 필드에서 obs:<id>를 가져와 mem_get(kind="observation", id=<id>)를 호출하세요. 관찰 ID는 회상 결과에도 나타납니다. 제한된 그래프 이웃의 경우 navigation="neighborhood"와 함께 focus_node_id="obs:<id>"로 재사용하세요.

네이티브 하네스 통합

네이티브 설정은 패키지된 MCP 선언, 메모리 스킬 및 수명 주기 훅을 하네스가 지원하는 위치에 설치합니다. 먼저 쓰기 금지 계획을 검사한 다음 --plan 없이 다시 실행하여 적용하세요:

기본 OpenCode 설정 명령은 thoth-mem setup opencode입니다. 프로젝트를 명시적으로 대상으로 하려면 thoth-mem setup opencode --scope project --project /path/to/project --force를 추가하고, 영수증 범위 롤백은 thoth-mem setup codex --rollback /path/to/receipt.json을 사용하세요.

설정 상태 및 프로세스 종료 코드는 안정적입니다:

프로젝트 로컬 설정은 명시적입니다:

thoth-mem setup opencode --scope project --project /path/to/project --plan --json

적용 전에 감지된 충돌을 검토하세요. --force는 thoth-mem 소유가 이미 입증된 충돌 위치에만 사용하세요. Codex 0.144.x, 0.146.x, 0.147.x는 테스트된 호환성 세트에 속하므로 --force가 필요하지 않습니다. 다른 Codex 버전의 경우 --force는 선택한 범위가 완전하고 독립적으로 검증 가능한 플러그인 관리자 기능을 계속 노출하는 경우에만 테스트된 버전 게이트를 재정의할 수 있습니다. 설정은 해당 재정의를 사용할 때 경고를 표시합니다. 상태 검증, 소유권, 격리, 조정 또는 정리 안전장치를 우회하지 않으며 관련 없는 구성에 대한 권한을 부여하지 않습니다.

Claude Code는 네이티브 마켓플레이스 흐름도 지원합니다:

claude plugin marketplace add EremesNG/thoth-mem
claude plugin install thoth-mem

네이티브 통합은 선택 사항입니다. 기존 메모리와 6개 도구 MCP 서버는 수동 연결에서 계속 작동합니다.

수동 MCP 대체

네이티브 훅은 선택 사항입니다. 관리 설정이나 네이티브 플러그인을 원하지 않으면 일반 6개 도구 MCP 연결을 유지하세요. 기존 메모리는 계속 사용할 수 있습니다.

네이티브 하네스 통합으로 전환

네이티브 설정은 옵트인입니다. 쓰기 금지 계획을 검사하고, 충돌을 검토한 다음 일치하는 하네스 명령을 적용하세요. Codex의 경우 /plugins를 열고 EremesNG/thoth-mem에서 thoth-mem을 설치하고 마켓플레이스 및 플러그인 상태를 확인하세요. 외부 Codex 등록은 원자적으로 되돌릴 수 없으므로 로컬 설정을 다시 시도하거나 롤백하기 전에 외부 상태를 확인하세요.

관리 설정 계약: 계획 모드는 쓰기를 수행하지 않으며 thoth-mem 관리 위치에서만 변경합니다. 첫 번째 변경 전에 백업이 생성됩니다. OpenCode는 opencode.json 또는 opencode.jsonc를 허용합니다. 각 변경 시도는 변경 전에 in_progress 상태의 HMAC 보호 영수증을 씁니다:

• 전역 영수증: <thoth-data-dir>/setup/receipts/<receipt-id>/receipt.json

• 프로젝트 영수증: <project>/.thoth/setup/receipts/<receipt-id>/receipt.json

누락되거나 변조된 영수증은 실패로 종료됩니다. 검증된 롤백은 관련 없는 설정을 보존하며, 드리프트 또는 사용할 수 없는 기능은 requires_user_action을 반환합니다. 반복 설정 및 반복 완료 롤백은 검증된 상태가 이미 일치하면 no-op입니다.

Gemini CLI: 수동 MCP

Gemini CLI는 관리형 네이티브 thoth-mem 통합이 아닌 수동 MCP 클라이언트 경로입니다. ~/.gemini/settings.json에 이 항목을 추가하세요:

{
  "mcpServers": {
    "thoth": {
      "command": "npx",
      "args": ["-y", "thoth-mem@latest", "mcp"]
    }
  }
}

검색 및 그래프 품질 평가

저장소에는 결정적 평가 명령이 포함되어 있습니다:

pnpm run eval:retrieval
pnpm run eval:kg
pnpm run eval:embedding-models -- --help

eval:retrieval은 신호 관찰과 방해 요소를 시드하고 예상 메모리가 상위권에 랭크되는지 측정합니다. 보고서를 신호 모음으로 읽으세요:

• 재현율 및 순위는 올바른 증거가 발견되었는지, 얼마나 빨리 발견되었는지 보여줍니다.

• 노이즈 및 케이스 혼합은 직접, 재구성, 저장소 파생 예제 전반에 걸친 견고성을 보여줍니다.

• 압축은 컨텍스트 전달 전에 제거된 증거의 양을 보여줍니다. 효율성 신호이지 나머지 텍스트가 올바르다는 증거는 아닙니다.

• 레인 및 폴백 증거는 어휘, 의미 원시/HyDE 및 KG 참여를 보여주며, 보류 중이거나 저하된 의미 동작을 포함합니다.

• 계보 및 출처는 반환된 증거가 소스에 귀속될 수 있는지 보여줍니다.

eval:kg는 예상 주어-관계-목적어 재현율, 금지된 삼중 누출, 결정적 추출 동작 및 검증된 선택적 LLM 강화를 측정합니다. 누락된 예상 사실은 범위 공백을 나타내고, 금지된 적중은 안전하지 않은 그래프 발명을 나타냅니다.

이러한 평가는 큐레이션되고 합성된 픽스처에 대한 결정적 개발 게이트입니다. 모든 프로덕션 코퍼스를 예측하거나, 인간 검토를 대체하거나, 네이티브 하네스 통합을 입증하거나, 선택적 커뮤니티 읽기 경로를 활성화하는 것 자체로 정당화하지 않습니다. 하나의 총계 숫자를 보편적 품질로 취급하지 말고 개별 사례와 실패 메시지를 비교하세요.

임베딩 프로필 및 모델 비교

의미 임베딩 입력은 버전이 지정된 모델 프로필로 형식이 지정됩니다. auto는 Nomic, EmbeddingGemma 및 Qwen3-Embedding 모델 제품군 별칭을 인식합니다. 알 수 없는 모델은 raw를 사용하며 추론된 비대칭 형식이 적용되지 않습니다. 공개 구성에는 의도적으로 전역 task 필드가 없습니다. 검색 의도와 쿼리/문서 역할은 문서 역할 HyDE 답변을 포함하여 각 입력에 대해 내부적으로 할당됩니다.

{
  "embedding": {
    "provider": "lmstudio",
    "model": "text-embedding-embeddinggemma-300m",
    "baseUrl": "http://127.0.0.1:1234",
    "dimensions": 768,
    "profile": "auto",
    "normalize": true
  }
}

지원되는 프로필 값은 auto, nomic, embeddinggemma, qwen3, raw입니다. THOTH_EMBEDDING_PROFILE과 THOTH_EMBEDDING_NORMALIZE는 저장된 값을 재정의합니다. 해석된 프로필 버전과 정규화 플래그는 시맨틱 인덱스 계보의 일부이므로, 이를 변경하면 기존 벡터가 오래된 것으로 표시되고 기존 멱등 재구축 큐를 사용합니다.

로컬 Transformers.js 추론은 특정 ONNX 실행 장치를 선택할 수 있습니다:

{
  "embedding": {
    "provider": "transformers_local",
    "model": "onnx-community/embeddinggemma-300m-ONNX",
    "device": "dml",
    "dimensions": 768,
    "profile": "auto",
    "normalize": true
  }
}

지원되는 장치 값은 auto, cpu, dml, cuda, coreml이며, 기본값은 cpu입니다. THOTH_EMBEDDING_DEVICE는 저장된 embedding.device 값을 재정의합니다. Transformers.js가 사용하는 미리 빌드된 Node.js ONNX Runtime에서 dml은 Windows의 DirectML을 대상으로 하고, cuda는 지원되는 Linux x64 CUDA 설치를, coreml은 macOS를 대상으로 합니다. 사용할 수 없는 장치를 명시적으로 지정하면 자동으로 CPU로 전환하는 대신 모델 초기화가 실패합니다. auto는 플랫폼별 제공자 순서와 폴백(fallback)을 Transformers.js에 위임하므로, 유효 백엔드는 호스트나 의존성 버전에 따라 달라질 수 있습니다.

장치 선택은 transformers_local에만 영향을 미치며, 원격 Ollama 및 LM Studio 요청은 이를 무시합니다. GPU 백엔드는 콜드 스타트가 상당히 느릴 수 있으므로 지속적인 MCP 프로세스나 대규모 임베딩 배치에 가장 유용합니다. 장치는 의도적으로 시맨틱 인덱스 계보에서 제외됩니다. 즉, embedding.device만 변경하는 것은 기존 벡터를 만료 처리하지도 않고 재구축을 대기열에 넣지도 않습니다.

제공 모델 예시:

EmbeddingGemma 로컬 실행은 sentence_embedding을 소비합니다. Qwen 로컬 실행은 검색 명령문을 쿼리에만 적용하고, 풀링에는 마지막으로 주의를 기울인 은닉 상태 토큰을 사용합니다. 모든 제공자는 불완전하거나, 비한정이거나, 0이거나, 차원이 일치하지 않는 배치를 거부합니다. LM Studio 응답 인덱스는 검증되며, 유효한 순서에 벗어난 행은 입력 순서로 복원됩니다. 누락, 중복 또는 잘못된 인덱스는 거부됩니다. 검색 과정에서 이러한 오류는 시맨틱 검색을 명시적으로 저하시키고, 어휘 및 지식 그래프 검색은 그대로 유지됩니다.

세 개의 모델 품질 게이트(three-model quality gate)를 명시적 모델 ID와 내구성 있는 출력 경로로 실행합니다:

pnpm run eval:embedding-models -- --provider lmstudio --base-url http://127.0.0.1:1234 --nomic-model <nomic-id> --embeddinggemma-model <gemma-id> --qwen3-model <qwen-id> --output <result.json>

게이트는 세 번의 실행이 모두 완료되고, 하나 이상의 후보가 .Nomic 메트릭 중 어떤 것도 퇴보시키지 않으면서 Recall\@1/Recall\@5/MRR 임계값을 충족해야 합니다. Nomic은 절대 임계값이 적용되는 후보가 아니라 상대 비교 대상입니다. 두 후보가 모두 자격을 갖추면 명시적인 품질 점수와 안정적인 동점 브레이크 순서가 우선을 결정합니다. 모델 누락, 잘못된 벡터, 적격 후보 없음, 또는 보고서 생성 실패는 0이 아닌 상태로 종료되고 현재 기본값을 유지합니다.

기록된 2026-08-08 LM Studio 실행에서는 ship의 로컬 기본값으로 EmbeddingGemma가 선택되었습니다. EmbeddingGemma와 Qwen3는 모두 Recall\@1 1.00, Recall\@5 1.00, MRR 1.00으로 완료되었으며, Nomic은 0.50, 1.00, 0.7167이었습니다. 두 후보가 자격되었고, EmbeddingGemma는 동등한 품질 스코어 동점에서 안정적인 lexical profile-ID 규칙으로 우승했습니다. 저장된 결정 실행에서의 중앙값 대기 시간은 Nomic 법 190.5ms, EmbeddingGemma 195ms, Qwen3 320.5ms였습니다.

Qwen3 파일 크기는 런타임 결과물에 따라 다릅니다:

Qwen3 Q8 모델은 Transformers.js에서 EmbeddingGemma Q8보다 304,069,133바이트 더 크고, LM Studio에서는 305,559,648바이트 더 큽니다. 또한 EmbeddingGemma의 768차원 대신 기본으로 1,024차원 벡터를 사용합니다. 실행기는 운영자를 대신하여 모델 제공자의 모델을 설치하거나 발견하지 않습니다.

더 엄격한 로컬 실행을 원한다면 검색 노이즈를 조절하세요:

$env:THOTH_RETRIEVAL_EVAL_NOISE='250'
pnpm run eval:retrieval

고급 작업

• thoth-mem help를 실행하면 전체 CLI 명령 및 옵션 목록이 표시됩니다.

• 로컬 대시보드는 http://localhost:7438/, OpenAPI 문서는 http://localhost:7438/docs에서 열립니다.

• Git 친화적인 이동성을 위해 thoth-mem sync --dir=.thoth-sync와 thoth-mem sync-import --dir=.thoth-sync를 사용합니다.

• repair-sync-journal (--project <name> | --all) --apply는 복구 배치를 미리 보고 내부적으로 바인딩합니다. 외부 워크플로우가 미리 보기 바인딩을 가지고 있는 경우에도 --expected-fingerprint 옵션을 계속 사용할 수 있습니다.

• prune-operation-traces (--project <name> | --all) --apply도 하나의 보존 배치를 내부적으로 바인딩할 수 있습니다. --until-complete를 추가하면 제한된 백로그를 하나의 고정 유효 시점과 후속의 새 지문으로 처리합니다. 외부에서 공급되는 바인딩에는 --expected-fingerprint와 --effective-now가 모두 포함되어야 합니다.

• compact-database [--data-dir <path>]은 읽기 전용 미리보기를 수행합니다. 수집 가능한 공간 및 용량 추정치를 검토한 후에만 --apply를 추가하세요. --apply는 물리적, 논리적 데이터베이스 크기 중 더 큰 것이 2배만큼의 공간을 요구할 수 있으며, 다른 SQLite 클라이언트에 의해 차단될 수 있고, 무결성, 외래 키, 스키마, 지속 개수(durable-count), WAL 검사가 통과되어야만 성공을 알려줍니다. SQLite가 관리하는 체크포인트(checkpoint)와 VACUUM을 사용하며, 커밋된 압축 이후의 롤백을 보장하지 않습니다.

• 압축은 절대 자동으로 발생하지 않습니다. 실제 데이터에 압축을 실행하려면 별도의 운영자 승인이 필요하며, 저장소 테스트는 멱러 가능한 데이터베이스만 사용합니다.

• 저장된 구성과 환경 변수 기반 설정은 config.schema.json에서 확인합니다.

• 데이터는 기본적으로 ~/.thoth/thoth.db에 위치하며, THOTH_DATA_DIR 또는 --data-dir로 데이터 디렉터리를 재정의할 수 있습니다.

시맨틱 인덱싱은 블로킹되지 않습니다. 콘텐츠 임베딩이나 sqlite-vec을 사용할 수 없는 경우, 지원되는 어휘 및 그래프 증거를 통해 재현(recall)를 사용할 수 있고, 시맨틱 성공 보고 없이 저하된 경로임을 보고합니다.

개발 환경

pnpm install
pnpm run integration:verify
pnpm run build
pnpm test

라이선스

MIT