당신의 소중한 순간들을 의미있는 기억으로

그리움을 담아 기억으로 이어갑니다

모든 대화와 경험이 서로 연결되어 깊은 맥락을 만들어냅니다

흩어진 조각들이 하나의 이야기가 되듯, AI가 당신의 기억들 사이에서 숨겨진 의미와 관계를 발견합니다. 잊혀질 수 있었던 순간들이 영원한 기억으로 남습니다.

Claude, ChatGPT 등 모든 AI 서비스와 호환

지금 시작하기 소스코드 보기

... 개발자들이 함께 만들어가고 있어요

greeum.app

Greeum 메모리 - 의미 기반으로 기억을 연결하고 그리움을 보존합니다.

MCP 연동 가이드

로컬에서 실행되는 Greeum 메모리를 원하는 IDE·에이전트와 바로 연결하세요.

mcp.greeum.app 은 설치 확인과 명령어 복사를 도와주는 런처입니다. 아래 절차대로라면 15초 안에 MCP 서버와 설정 스니펫이 준비됩니다.

로컬 MCP 서버 실행

greeum mcp serve -t http --host 127.0.0.1 --port 8800

HTTP 엔드포인트가 필요한 클라이언트(Cursor, ChatGPT, Codex 등)는 위 명령으로 127.0.0.1:8800/mcp URL을 열어주세요. /healthz 로 상태를 확인할 수 있습니다.

중지 방법

실행 중인 터미널에서 Ctrl+C 를 누르면 서버가 종료됩니다. systemd·PM2 같은 런처로 백그라운드 실행도 가능합니다.

알아두면 좋은 점

최초 실행 시 sentence-transformers 모델을 로드하느라 수 초가 걸릴 수 있습니다. 이후에는 메모리 캐시 덕분에 바로 응답합니다.
데이터는 기본적으로 ~/.greeum 이하에 저장됩니다. 환경 변수 GREEUM_DATA_DIR 로 경로를 바꿀 수 있습니다.

Cursor에서 Greeum MCP 활성화

Cursor 0.45 이상은 자체 MCP 패널에서 로컬 URL을 등록할 수 있습니다.

터미널에서 `pip install -U greeum` 으로 최신 버전을 설치합니다.
`greeum mcp serve -t http --host 127.0.0.1 --port 8800` 명령으로 로컬 MCP 서버를 시작합니다.
Cursor > Settings > MCP > Local Servers 로 이동해 Add Server 를 클릭합니다.
Server URL에 `http://127.0.0.1:8800/mcp` 를 입력하고 필요한 경우 Allowed tools를 선택합니다.
Save 후 Test connection 을 눌러 응답이 돌아오면 바로 사용할 수 있습니다.

cursor.mcp.json 예시

{
  "servers": {
    "greeum": {
      "url": "http://127.0.0.1:8800/mcp",
      "label": "Greeum Memory",
      "enabledTools": ["search", "fetch", "add_memory", "search_memory"]
    }
  }
}

현장에서 체크

`cursor config --edit mcp` 명령을 실행하면 JSON 파일을 바로 편집할 수 있습니다.
서버가 멈추면 Cursor가 자동으로 도구를 비활성화하므로 실행 상태를 확인하세요.

클라우드 메모리 로드맵

향후에는 계정 기반 저장소와 HTTPS MCP 엔드포인트를 제공해 URL만으로 바로 연결할 수 있도록 확장할 예정입니다. 지금은 로컬 우선 경험을 다듬고 있습니다.

주요 특징

AI 모델에 강력한 기억력을 제공하는 핵심 기능

🧠

의미 기반 장기 기억

블록체인과 유사한 구조로 데이터를 저장하여 안전한 장기 기억 보존을 보장합니다.

🔄

유연한 통합

다양한 LLM과 쉽게 통합할 수 있는 독립적인 모듈 구조를 가지고 있습니다.

🔌

효율적인 관리

TTL 기반 단기 기억 시스템을 통해 효율적인 기억 관리가 가능합니다.

🚀

안전한 데이터

암호화와 접근 제어를 통해 저장된 데이터를 안전하게 보호합니다.

작동 원리

Greeum의 메모리 블록 엔진은 어떻게 작동하나요?

장기 기억 저장

Block Hash

블록#1

데이터

첫 번째 기억 블록

↓

Block Hash

블록#2

Previous Hash

블록#1

데이터

두 번째 기억 블록

↓

Block Hash

블록#3

Previous Hash

블록#2

데이터

세 번째 기억 블록

불변 블록으로 기억을 저장하여 데이터 무결성과 기억 보호를 보장합니다.

단기 기억 관리

TTL: 4h

TTL: 3h

TTL: 2h

TTL: 1h

중요도 ↑→ 장기 기억으로 전환

TTL(Time To Live) 기반 메커니즘으로 단기 기억을 관리하고, 중요한 정보는 장기 기억으로 전환됩니다.

웨이포인트 캐시

빠른 회상

반복 질문 감지

컨텍스트 관련 기억을 빠르게 검색할 수 있는 캐시 시스템입니다.

시간 추론

어제

오늘

내일

"지난 회의에서 결정한 사항"

"어제의 대화 내용"

시간 표현을 이해하고 과거의 기억을 정확히 찾아냅니다.

성능 향상

Greeum 적용 시의 실질적인 효과

2025년 5월 24일 실시된 벤치마크 테스트 결과 (20회 반복 평균)

💰

API 비용 절감

84.9%개선

평균 84.9% 토큰 사용량 감소

✨

응답 품질 향상

6.0%개선

평균 6.0% 품질 점수 개선

⚡

처리 시간 단축

16.6%개선

평균 16.6% 응답 시간 감소

🎯

환각 현상 감소

14.3%개선

평균 14.3% 환각 현상 개선

토큰 절감률 (%)

복잡 추론

71.7%

장기 기억

76.5%

멀티턴

84.4%

단순 QA

81.6%

토큰 효율

88.7%

품질 향상률 (%)

복잡 추론

4.3%

장기 기억

3.6%

멀티턴

11.2%

단순 QA

3.8%

토큰 효율

6.9%

📊 벤치마크 테스트 환경

테스트 모델:GPT-3.5-Turbo

테스트 횟수:각 시나리오 20회 반복

테스트 기간:2025년 5월 24일

평가 방식:GPT-4o-mini 품질 평가

“AI와의 대화에서 더 깊은 맥락을 유지하면서 비용은 절약하세요”

📈 전체 벤치마크 결과 보기

사용 사례

다양한 상황에서 Greeum이 어떻게 도움이 되는지 확인해보세요

👤

개인 비서

일정, 할 일, 개인적인 선호를 기억하는 AI 비서를 만들어보세요.

📚

교육 도구

학습 과정과 진도를 추적하는 개인화된 튜터를 구성해보세요.

💬

고객 서비스

고객과의 이전 상호작용을 기억하여 더 나은 서비스를 제공하세요.

👥

멀티 에이전트

여러 AI 에이전트 간의 공유 메모리 시스템을 구축하세요.

가이드 보기

문서

Greeum을 시작하고 활용하는 방법을 알아보세요

시작하기

Greeum을 프로젝트에 설치하고 구성하는 방법을 안내합니다.

사용 가이드

Greeum을 쉽게 시작하는 방법과 다양한 활용법에 대한 안내서입니다.

튜토리얼

단계별 예제로 Greeum의 주요 기능을 학습할 수 있습니다.

간단한 사용 예시

from greeum import GreumMemory

# Initialize memory
memory = GreumMemory()

# Add memories
memory.add(
    content="User likes cats more than dogs",
    importance=0.8
)

# Later, retrieve relevant memories with semantic search
results = memory.query("What pets does the user prefer?")
print(results)

# Output: [{"content": "User likes cats more than dogs", "importance": 0.8, ...}]

커뮤니티

Greeum 커뮤니티에 참여하고 함께 발전시켜나가세요

GitHub

오픈소스로 투명하게 개발하고 있습니다

GitHub 방문하기

Discord

...

Members

...

Online

실시간으로 소통하고 도움을 받을 수 있습니다

Discord 참여하기

함께 만들어가는 모든 분들께 감사합니다

📊 GitHub 및 Discord 통계는 실시간으로 업데이트됩니다 (5분 간격)