소프트웨어 개발사 CappyBara가 프로젝트의 결정 이력과 추론 과정을 추적하는 오픈소스 로컬 그래프 시스템 NodeDex를 출시했다. 이 도구는 AI 에이전트가 이미 폐기된 접근 방식을 다시 제안하거나 과거의 잘못된 결정을 따르는 문제를 해결한다. 결정의 배경, 거부된 대안, 현재 선택이 이전 결정을 대체하는 과정 등을 그래프 형태로 유지하며, 에이전트가 별도로 데이터를 저장할 필요 없이 추론의 수명 주기를 자동으로 포착한다.

NodeDex는 대화 과정에서 추론 내용을 추출하여 로컬 SQLite 데이터베이스에 기록하는 백그라운드 파이프라인 방식으로 작동한다. 그래프는 실패한 시도를 기록하는 '데드엔드(dead-ends)'와 현재 유효한 정보를 구분하는 '대체(supersedes)' 연결을 지원하며, 이는 기본 LLM 메모리를 보완하는 추가 계층 역할을 한다. 안정적인 추출을 위해서는 최소 27-30B 파라미터 규모와 16k 이상의 컨텍스트 윈도우를 갖춘 모델이 필요하다. 개발자는 'npx nodedex demo' 명령어를 통해 Model Context Protocol(MCP) 환경에서 에이전트 상호작용을 테스트할 수 있도록 지원한다.

이 시스템은 AGPL 라이선스로 배포되며 모든 그래프 데이터는 로컬에 저장된다. 7월 5일 발표 시점 기준으로 1,196개의 테스트를 통과했으며 공개 npm 배포 3일 차를 맞이했다. 현재 데드엔드 확인 기능은 제안 수준에 머물러 있으나, 개발자는 향후 생성 전 단계에서 차단하는 게이트 기능을 추가할 예정이다. 또한 에이전트가 자발적으로 과거의 실패 사례를 조회하는지, 혹은 특정 프롬프트가 필요한지에 대해 커뮤니티 의견을 수렴하고 있다.

소프트웨어 개발사 CappyBara가 프로젝트의 결정 이력과 추론 과정을 추적하는 오픈소스 로컬 그래프 시스템 NodeDex를 출시했다. 이 도구는 AI 에이전트가 이미 폐기된 접근 방식을 다시 제안하거나 과거의 잘못된 결정을 따르는 문제를 해결한다. 결정의 배경, 거부된 대안, 현재 선택이 이전 결정을 대체하는 과정 등을 그래프 형태로 유지하며, 에이전트가 별도로 데이터를 저장할 필요 없이 추론의 수명 주기를 자동으로 포착한다.

NodeDex는 대화 과정에서 추론 내용을 추출하여 로컬 SQLite 데이터베이스에 기록하는 백그라운드 파이프라인 방식으로 작동한다. 그래프는 실패한 시도를 기록하는 '데드엔드(dead-ends)'와 현재 유효한 정보를 구분하는 '대체(supersedes)' 연결을 지원하며, 이는 기본 LLM 메모리를 보완하는 추가 계층 역할을 한다. 안정적인 추출을 위해서는 최소 27-30B 파라미터 규모와 16k 이상의 컨텍스트 윈도우를 갖춘 모델이 필요하다. 개발자는 'npx nodedex demo' 명령어를 통해 Model Context Protocol(MCP) 환경에서 에이전트 상호작용을 테스트할 수 있도록 지원한다.

이 시스템은 AGPL 라이선스로 배포되며 모든 그래프 데이터는 로컬에 저장된다. 7월 5일 발표 시점 기준으로 1,196개의 테스트를 통과했으며 공개 npm 배포 3일 차를 맞이했다. 현재 데드엔드 확인 기능은 제안 수준에 머물러 있으나, 개발자는 향후 생성 전 단계에서 차단하는 게이트 기능을 추가할 예정이다. 또한 에이전트가 자발적으로 과거의 실패 사례를 조회하는지, 혹은 특정 프롬프트가 필요한지에 대해 커뮤니티 의견을 수렴하고 있다.