Graphiti MCP

개요

Graphiti MCP는 AI 에이전트를 위해 맞춤화된 실시간, 시간적 인식 지식 그래프를 구축하기 위한 Zep의 오픈소스 Python 프레임워크인 Graphiti의 공식 모델 컨텍스트 프로토콜(MCP) 서버 구현입니다.

이 MCP 서버는 AI 코딩 어시스턴트 및 에이전트와 동적 지식 그래프 백엔드를 연결하여, 대화와 정보를 타임스탬프가 있는 구조화된 에피소드, 엔티티 및 관계로 저장할 수 있게 합니다. 이를 통해 지속적인 메모리를 제공하고, 환각을 줄이며, 더 나은 장기 추론을 가능하게 하며, 그룹을 통한 다중 테넌시 격리를 지원합니다.

MCP 서버는 Graphiti의 핵심 기능을 발견 가능한 도구로 노출시켜, Claude Desktop, Cursor, Gemini CLI 및 기타 MCP 클라이언트와 같은 도구들이 고급 에이전트 메모리에 접근할 수 있도록 합니다.

주요 기능

• 에피소드 관리: 시간적 메타데이터와 함께 대화 에피소드를 추가, 검색, 업데이트 및 삭제합니다.
• 엔티티 및 관계 추출: 텍스트에서 자동으로 엔티티와 관계를 추출하여 그래프에 저장합니다.
• 의미론적 및 하이브리드 검색: 노드, 엣지 및 시간적 컨텍스트 전반에 걸친 강력한 검색 기능.
• 그룹 관리: 사용자, 프로젝트 또는 세션 간 데이터를 격리하기 위한 group_id를 통한 다중 테넌시 지원.
• 그래프 유지 관리: 지식 그래프를 정리, 청소 및 최적화하기 위한 도구. -MCP 네이티브**: 원활한 도구 호출을 위한 모델 컨텍스트 프로토콜과 완전한 호환성.
• 백엔드 유연성: FalkorDB(많은 설정에서 기본), Neo4j 및 기타 그래프 데이터베이스와 함께 작동합니다.

작동 방식

1. Graphiti MCP 서버를 실행합니다(Docker Compose, Python 또는 커뮤니티 포크를 통해).
2. MCP 클라이언트(예: Claude Desktop)의 구성에 서버를 추가하여 연결합니다.
3. AI 에이전트가 add_episode, search_nodes, get_entities 또는 delete_group과 같은 도구를 호출합니다.
4. Graphiti가 요청을 처리합니다: 텍스트에서 구조화된 지식을 추출하고, 타임스탬프와 함께 저장하며, 관련 컨텍스트 또는 그래프 데이터를 반환합니다.

이렇게 하면 세션 전반에 걸쳐 지속되고 모든 상호작용마다 개선되는 공유 가능하고 쿼리 가능한 장기 메모리가 생성됩니다.

사용 사례

• 에이전트 메모리 및 장기 컨텍스트: 대화 기록, 사용자 선호도, 학습된 사실들을 구조화된 그래프로 유지합니다.
• 개인화된 AI 어시스턴트: 토큰 부풀림 없이 사용자 세부 정보, 프로젝트 컨텍스트, 과거 결정을 기억합니다.
• 복잡한 추론 워크플로: 에이전트가 관계 및 과거 데이터를 쿼리하여 심층 분석을 수행합니다.
• 다중 세션 애플리케이션: 코딩 에이전트, 연구 보조, 고객 지원 봇을 위한 지속적 메모리.
• 다중 테넌트 시스템: 그룹별 사용자 또는 프로젝트별 지식 그래프를 격리합니다.
• 하이브리드 에이전트 시스템: 다른 MCP 서버(검색, 데이터베이스, DevTools)와 결합하여 완전한 에이전트 기능을 구현합니다.

시작하기

공식 저장소

• 메인 Graphiti 프로젝트 (/mcp_server에 MCP 서버 포함): https://github.com/getzep/graphiti

빠른 설정 (Docker 권장)

git clone https://github.com/getzep/graphiti.git
cd graphiti/mcp_server
# Docker Compose 지침을 따르세요 (FalkorDB + Graphiti MCP 포함)
docker compose up

MCP 클라이언트 설정에 추가 (SSE/HTTP 전송 예시) 및 LLM 키(OpenAI, Anthropic 등)를 구성하세요.

상세 지침은 MCP 서버 README와 Zep 문서에서 확인할 수 있습니다.

Neo4j, Ollama 지원 또는 향상된 다중 프로젝트 설정을 위한 커뮤니티 변형 버전도 존재합니다.

장점

Graphiti MCP는 상태가 없는 AI 상호작용을 상태를 유지하고 메모리가 풍부한 경험으로 변환합니다. 원시 텍스트를 쿼리 가능한 시간 기반 지식 그래프로 전환함으로써, 에이전트는 시간이 지남에 따라 컨텍스트 보유력, 관계 이해력, 추론 일관성을 극적으로 향상시킵니다.

이것은 에이전트 애플리케이션에서 널리 사용되며, MCP 서버 버전 1.0이 주요 이정표를 찍으면서 MCP 생태계에서 빠르게 채택되었습니다.