LLM Wiki

GBrain: 검색 대신 인용이 달린 답을 돌려주는 AI 에이전트용 브레인 계층

Properties2
descriptionPyTorchKR 9bow 게시글의 핵심 내용과 실무적 의미를 원문에 근거해 정리한다.
tagsai-models, open-source, research

5 min read

출처

개요

GBrain은 AI 에이전트가 코드 외부의 개인 지식을 기억하고, 검색 결과 목록 대신 여러 문서를 종합한 인용 기반 답변을 제공하도록 설계된 지식 계층이다. 답변에는 출처 페이지뿐 아니라 오래된 정보, 누락된 근거, 상충하는 내용 등을 짚는 공백 분석이 포함된다. 저장된 페이지에서 인물·회사·프로젝트 등의 엔티티와 관계를 추출해 지식 그래프를 만들며, 벡터 검색만으로 찾기 어려운 연결 관계를 질의에 활용한다. gbrain search는 원자료를 빠르게 검색하고, gbrain think는 검색 결과를 합성해 인용과 공백 분석을 포함한 답변을 생성한다. 프로젝트는 Markdown과 Git을 기반으로 지식을 저장하고 PGLite 또는 PostgreSQL/pgvector를 검색 엔진으로 사용하며, MCP를 통해 여러 AI 코딩 에이전트와 연결할 수 있다.

핵심 포인트

  • 메시지에서 아이디어, 엔티티, 할 일, 이름, 링크 등을 감지하고, 에이전트가 외부 API를 호출하기 전에 브레인을 조회하는 순환 구조를 사용한다.
  • 페이지 저장 시 attended, works_at, invested_in, founded, advises 등의 관계를 자동 추출해 지식 그래프를 확장한다.
  • 야간 cron 작업인 ‘드림 사이클’로 인물 중복 정리, 인용 수정, 중요도 평가, 모순 탐지, 후속 작업 준비를 수행한다.
  • 검색은 pgvector HNSW 벡터 검색, BM25, Reciprocal Rank Fusion, 출처 등급 가중치, 의도 기반 질의 재작성, 리랭커를 조합한다.
  • gbrain search는 빠른 원자료 검색용이며, gbrain think는 인용과 공백 분석이 포함된 합성 답변용이다.
  • 자체 벤치마크에서 240페이지 코퍼스 기준 P@5 49.1%, R@5 97.9%를 기록했으며, 글에서는 지식 그래프를 끈 변형보다 P@5가 31.4포인트 높았다고 설명한다.
  • 로컬 PGLite 설치, PostgreSQL 기반 공유 브레인, MCP(stdio/HTTP), 사용자 정의 스키마 팩, 여러 임베딩 제공자와 한국어 전문 검색 설정을 지원한다.

왜 중요한가

GBrain은 에이전트 메모리를 단순한 관련 문서 검색에서 인용·관계·불확실성까지 포함하는 답변 계층으로 확장하려는 접근을 보여준다. 특히 답변이 무엇을 근거로 하는지와 브레인이 아직 모르는 부분을 함께 제시한다는 점은 장기 기억을 사용하는 에이전트의 검증 가능성을 높이는 방향이다. 다만 성능 수치는 글에 제시된 자체 벤치마크 결과이므로, 실제 데이터와 사용 환경에 따라 달라질 수 있으며 한국어 사용 시 GBRAIN_FTS_LANGUAGE와 PostgreSQL 전문 검색 설정을 별도로 검토해야 한다.

설치 예시

gbrain init --pglite
claude mcp add gbrain -- gbrain serve

Markdown 파일을 CLI로 색인하려면 다음과 같이 사용할 수 있다.

bun install -g github:garrytan/gbrain
gbrain doctor
gbrain import ~/notes/
gbrain query "what themes show up across my notes?"

원문 및 관련 링크

관련 위키

원문 보존 위치

원문 전체는 raw source: 2026-07-30-pytorchkr-topic-11458-gbrain-ai에 source_url 및 HTML 원문과 함께 저장되어 있습니다.