Context-M — 유니버설 신경-기호 메모리 패브릭

Mem0는 에이전트에게 수첩을 줍니다. Context-M은 에이전트에게 뇌를 줍니다.

AI 에이전트를 위한 메모리 기반으로, 이중 시간 기호 추적(Trace)(해마)과 VSA 메모리 팰리스(신피질)를 결합하고, μ=0 결정적 브리지로 묶습니다 — 수집 시 LLM 호출 0회, 모든 검색에 암호화 출처 증명, 메모리당 96바이트의 엣지 우선 배포.

pip install cortexm          # works offline, no API keys, single command

from cortexm import Memory   # Mem0-compatible surface

m = Memory()
m.add("I work at Google", user_id="alice")
m.search("Where does Alice work?", user_id="alice")
# → [Memory — Known facts]
#   - (Alice, works_at, Google) [valid 2026-08-27→∞; learned …; conf 0.92;
#      id 3f2a91c2; src #a1b2c3d4; "I work at Google"]

벤치마크 결과 — BEAM 스타일 장기 메모리

합성 다중 세션 대화(BEAM 방법론, arXiv:2510.27246), 10가지 메모리 능력, 결정적 너겟 판정기, μ=0 수집 확인(판정기 포함 LLM 호출 0회). 다섯 개 생성기 시드(42 / 44 / 45 / 46 / 47 — 마지막 두 개는 개발 중 검토된 적 없음)에 대한 평균 ± 표준편차, 완전히 오프라인에서 재현 가능:

시드별 10M 점수: 100.0% / 100.0% / 100.0% / 100.0% / 100.0% — 10M 버킷에서 10가지 능력 모두 100.0%. 맥락: 계획은 BEAM-10M에서 70%+ 를 목표로 했습니다; 인용된 2026년 8월 SOTA는 Exabase M-1의 68.0%(LLM 인루프 수집)입니다. 모든 프롬프트는 해시 검증된 출처 체인에서 답변되며, LLM 비용 $0입니다.

함께 측정된 엔지니어링 사실(docs/BENCHMARKS.md 참조):

• 수집: 10M 토큰을 약 98초(약 102K 토큰/초), 약 2,000 메시지/초, LLM 호출 0회

• 메모리 준선형 성장: 10M 토큰 → 약 590개 사실(반복 노이즈는 중복 제거)

• 출처: 검색된 사실의 100% 해시 검증; 감사 지연 시간 약 6ms

• 검색: 트리 인덱스 p50 ≈ 0.4–1.1ms (10K–100K 벡터; 플랫: 16–194ms)

• 재현 가능: 실행은 프로세스 독립적 — 점수 동점은 무작위 ID가 아닌 사실 내용으로 결정(네 가지 PYTHONHASHSEED 값에서 검증됨)

Related MCP server: Hebbrix MCP Server

아키텍처

┌──────────────────────────────────────────────────────────────────┐
│                      THE BRIDGE (μ = 0)                          │
│  write: text → chunks → BLAKE3 → patterns → triples → holograms  │
│  read:  query → intent plan → VSA probe ∥ symbolic query →       │
│         fusion → [Memory — Known facts] + provenance chain       │
└──────────────┬───────────────────────────────────┬───────────────┘
               │                                   │
┌──────────────▼──────────────────┐ ┌──────────────▼───────────────┐
│  LAYER 1: SYMBOLIC TRACE        │ │  LAYER 2: VSA MEMORY PALACE  │
│  (hippocampus)                  │ │  (neocortex)                 │
│  bi-temporal facts (SQLite)     │ │  HRR holograms, role-bound   │
│  CONTRADICTS / PRECEDED_BY /    │ │  INT8 · Binary · RaBitQ · PQ │
│  EXTRACTED_FROM edges           │ │  codecs (770/96/96/8 B each) │
│  Datalog-lite rules engine      │ │  page-clustered tree index   │
│  interference-aware lifecycle   │ │  64-entry semantic L1 (SLB)  │
│  Memory Git: hash-chained DAG   │ │  TMR self-healing + re-encode│
└─────────────────────────────────┘ └──────────────────────────────┘

레이어 1 — 기호 추적. 주어-관계-값 삼중항에 유효 시간 및 트랜잭션 시간(언제 사실이었는가 vs 언제 알게 되었는가), 진실 유지에 의한 모순 해결(새 값이 대체하고, 이전 값은 창을 유지한 채 은퇴), 시간적 엣지, Datalog-lite 전방 연결 엔진(manages(Y,X) → reports_to(X,Y), member_of(X,T) ∧ uses(T,L) → team_uses(X,L)), 그리고 간섭 인식 수명 주기: 사실은 커밋 전에 기존 메모리와 어떻게 상호작용하는지 평가됩니다.

레이어 2 — VSA 메모리 팰리스. 각 사실은 홀로그래픽 축소 표현이 됩니다: 역할 바인딩된 주어/관계/값 필러에 λ-가중 어휘 중첩을 더하고, 저장 계층에 맞게 양자화됩니다. 순열 바인딩이 기본 대수인 이유는 이진 HDC 하드웨어(XOR/순열)에 직접 매핑되기 때문입니다 — 엣지 ASIC이 도착하면 동일한 코드가 그대로 컴파일됩니다.

브리지. μ=0 수집: 60패턴 결정적 추출기(1인칭/3인칭/2인칭, 대명사 해석, 상대 날짜, 철회) — 쓰기 경로에 LLM이 전혀 없습니다. 읽기 경로는 결정적 쿼리 플래너(시간 창, 순서 증명, 계산, 대체 체인, Personalized PageRank 그래프 확산을 통한 다중 홉 — HippoRAG 2 계보)와 VSA 검색을 융합하며, 반환되는 모든 사실은 전체 감사 체인을 포함합니다: 쿼리 → VSA 매칭 → 기호 역참조 → BLAKE3 해시 → 원본 소스 텍스트.

다섯 가지 카테고리 정의 기능

저장 계층 (cortexm-compress)

측정된 코덱 품질(20K 사실 홀로그램): int8 overlap@10 vs FP32 = 0.90; binary/rabitq/PQ는 FP32 상위 10개를 각각 상위 50개 내에서 1.00/1.00/0.9995로 복구 — 설계대로 숏리스트 코덱. docs/COMPRESSION.md 참조.

보안 (InjecMEM + MINJA 방어)

모든 사실은 소스 텍스트의 BLAKE3 해시를 가지며, 검색 시 재검증됩니다. 메모리 주입 패턴("이전 지침을 모두 무시하세요…")은 수집 시 격리됩니다 — 감사용으로 저장되며, 활성화되지 않고 프롬프트 컨텍스트로 검색되지 않습니다. 그 위에 MINJA 전염 방어는 격리된 텍스트를 오염된 말뭉치로 취급합니다: 이후 수집에서 이를 인용하거나 실질적으로 중복되는 경우(가벼운 편집이 모든 정규식을 무력화하더라도)에도 격리됩니다 — 공격자가 에이전트의 자체 쓰기백을 통해 메모리를 오염시키는 쿼리 전용 주입 루프를 차단합니다. 범위(사용자/에이전트/실행)는 사실과 검색 캐시를 모두 샌드박싱합니다; verify_integrity()는 전체 저장소를 감사합니다.

엔터프라이즈 제어 (로드맵이 아닌 출시됨)

구매자의 보안 검토가 실제로 차단하는 제어 — 모두 저장소에 있고, 모두 테스트 중(tests/test_enterprise.py):

cortexm serve-rest --db /data/memory.db --pii redact --admin-key yes

docs/ENTERPRISE.md(제어 매트릭스 + 규정 준수 매핑) 및 docs/DEPLOYMENT.md(SDK / MCP / REST / Docker / K8s / Helm 런북) 참조.

MCP 서버 (Day 1)

cortexm serve        # stdio JSON-RPC, zero dependencies

도구: contextm_add, contextm_search, contextm_get_all, contextm_history, contextm_temporal, contextm_audit, contextm_prove, contextm_stats, contextm_delete. Claude Code / Cursor / 모든 MCP 클라이언트와 호환. Claude Code 플러그인: plugins/context-m-claude.

마이그레이션

cortexm migrate --from mem0 --path mem0.db
cortexm migrate --from zep --path zep_export.jsonl
cortexm migrate --from chroma --path chroma.sqlite3

더 보기

• docs/ARCHITECTURE.md — 모든 레이어 상세

• docs/BENCHMARKS.md — 전체 결과, 방법론, 능력별 표

• docs/ENTERPRISE.md — 엔터프라이즈 제어 매트릭스 + 규정 준수 매핑

• docs/DEPLOYMENT.md — SDK / MCP / REST / Docker / K8s / Helm 런북

• docs/RESEARCH.md — 문헌 계보: 채택, 정렬, 또는 거부한 모든 논문(이유 포함)

• docs/SECURITY.md — InjecMEM + MINJA 방어, 출처 모델

• docs/COMPRESSION.md — 계층 스택 및 측정된 트레이드오프

• docs/ROADMAP.md — 전략 계획 대비 단계 상태

• examples/ — 10개의 실행 가능한 스크립트, 오프라인, API 키 불필요

• tests/ — 63개 테스트: 패브릭 + 엔터프라이즈 + PPR + 동시성

라이선스

Apache 2.0 — 오픈 코어를 올바르게: 메모리 패브릭은 계속 오픈입니다; 연합 동기화와 감사 UI는 엔터프라이즈 계층입니다.