Living Brain은 API, SDK 및 MCP를 통해 대화, 파일, 업데이트 내역을 모델 외부의 구조화된 지식으로 컴파일하여 AI 에이전트와 모델에 제공하는 상호 운용 가능한 메모리 계층입니다.
제품의 기능과 공식 포지셔닝
Living Brain은 ChatAndBuild가 개발한 외부 영구 메모리 계층으로, 인공지능 에이전트 및 모델과 유기적으로 연동됩니다. 분산된 대화, 파일, 작업 업데이트를 영구 지식 기록으로 구조화하여, 시스템이 전체 로그를 반복해서 처리하지 않고도 필요한 관련 컨텍스트를 검색할 수 있도록 지원합니다.
이 시스템은 고유한 평가 지표와 컴파일러 및 메모리 정책을 함께 활용하여 작업 실행 중 어떤 정보를 보존하고 다시 표시할지 결정합니다. 또한 추론 시점의 컨텍스트 검색 외에도 축적된 상호작용, 결정 사항, 피드백을 후속 모델 미세조정을 위한 학습 데이터셋으로 컴파일할 수 있습니다.
공식 출처로 확인된 활용 사례
AI 에이전트가 프롬프트 창에 다중 세션 대화 전체 기록을 로드하는 대신 필요한 작업 컨텍스트만 온디맨드로 검색합니다.
엔지니어링 팀이 축적된 작업 결과, 사용자 피드백 수정 사항을 모델 사후 학습을 위한 구조화된 데이터셋으로 큐레이션합니다.
개발자가 모델 컨텍스트 프로토콜(MCP) 연결을 통해 자체 도구, 데이터 소스, 에이전트 환경을 공유 메모리에 연결합니다.
Living Brain은 장기적인 정보 보존을 모델 컨텍스트 제한과 분리하도록 설계된 외부화된 메모리 인프라로 작동합니다. 입력 파일, 메시지, 상태 변경 사항을 구조화된 레코드로 컴파일함으로써, 플랫폼은 작업에 필요할 때만 에이전트 하네스를 통해 관련 컨텍스트를 선별하여 표시합니다.
이 플랫폼은 두 가지 AI 적응 방식을 지원합니다. 추론 시점에는 모델 가중치를 수정하지 않고 지식, 결정 사항, 피드백을 보존하여 모델 응답을 조정합니다. 사후 학습 적응의 경우, 축적된 상호작용 로그와 평가 결과를 오픈 웨이트 모델 또는 학습 접근 권한이 있는 폐쇄형 모델을 위한 정제된 학습 샘플로 내보낼 수 있습니다.
본인의 자료와 작업 흐름으로 직접 확인할 항목
확인한 출처와 확인 시점
출처를 확인한 제품 정보를 바탕으로 한 답변
Living Brain은 언어 모델 외부에 지식을 저장하고 개별 작업에 필요한 관련 컨텍스트만 검색하므로, 매번 전체 대화 기록이나 문서 모음을 반복해서 전송할 필요성을 줄여줍니다.
이 시스템은 컴파일러 및 메모리 정책과 함께 마크다운 품질 점수, 메모리 가치 점수, 배치 적합성 점수, 연결 공명 점수, 재진입 우선순위 점수 등의 지표를 활용하여 데이터를 정리하고 우선순위를 부여합니다.
Living Brain은 API, SDK 및 맞춤형 모델 컨텍스트 프로토콜(MCP) 연동 기능을 제공하여 호환 가능한 도구 및 에이전트 프레임워크와 유기적으로 연결됩니다.
예, 가능합니다. 축적된 지식, 사용자 피드백, 작업 결과를 큐레이션하여 오픈 웨이트 모델이나 학습 접근 권한이 제공되는 폐쇄형 모델의 미세조정을 위한 학습 예제 및 평가 데이터셋으로 변환할 수 있습니다.
LoCoMo 내부 테스트에서 Living Brain은 1,540개 질문에 대해 중간값 기준 464ms의 메모리 검색 지연 시간과 92.2%의 판정 정확도를 기록했습니다. 또한 LongMemEval-S 내부 테스트에서는 116K 토큰의 전체 컨텍스트 기준선 대비 질문당 22.6배 적은 토큰 사용량을 보였습니다.
