그래프 메모리가 있는 AI 에이전트, uvx create-context-graph를 사용하여 몇 초 만에 스캐폴딩
지식 그래프, 결정 추적, 스트리밍 채팅, 그래프 시각화 기능이 내장되어 하나의 명령을 전체 스택 컨텍스트 그래프 에이전트 앱으로 바꾸는 Neo4j Labs CLI입니다.
작년에 AI 에이전트를 구축했다면 아마도 나와 같은 방식으로 어려운 교훈을 얻었을 것입니다.상담원은 더 이상 어려운 부분이 아닙니다. 컨텍스트 레이어는 다음과 같습니다.
프레임워크 ( PydanticAI, LangGraph, Claude Agent SDK, OpenAI Agents, CrewAI, AWS Strands )를 선택하면 오후에 스트리밍 채팅 루프와 도구 호출이 실행됩니다. 당신이 얻지 못할 것은 다음과 같은 질문에 대한 답입니다.
- “지난주에 상담원이 어떤 환자에게 그 치료를 권했고, 그 이유는 무엇인가요?”
- "v2 출시를 방해하는 요인은 무엇이며, 현재 스프린트에서 대역폭을 확보하고 있는 사람은 누구인가요?"
- “3개월 전에 인증 서비스에서 JWT에서 OAuth2로 전환한 이유는 무엇인가요?”
이것은 유사성 질문이 아닙니다. 그들은질문. 연결되었습니다. 멀티홉. 출처를 인식합니다. 플랫 채팅 로그나 벡터 인덱스로는 실제로 답변할 수 없는 종류의 것입니다. 왜냐하면 답변은사물 자체가 아니라 사물 사이에 있습니다.
그 갭이요컨텍스트 그래프 생성닫히도록 제작되었습니다.
create-context-graph는 CLI 스캐폴딩 도구입니다. create-next-app을 생각해 보세요. 하지만 실제 메모리가 필요한 AI 에이전트에 적합합니다.
하나의 명령으로 완전하고 작동하는 전체 스택 애플리케이션을 생성합니다.
uvx create-context-graph- A FastAPI백엔드에 연결됨네오4j
- A Next.js 15스트리밍 채팅 및 대화형 그래프 시각화를 갖춘 프런트엔드
- 일하는AI 에이전트선택한 프레임워크에서
- A 도메인 온톨로지 스키마엔터티 유형, 관계 및 Cypher 기반 도구 포함
- 선택 과목처음 실행할 때 실제 질문을 할 수 있도록
컨텍스트 그래프 생성오픈 소스입니다Neo4j 연구소프로젝트를 기반으로 구축되었습니다.neo4j-에이전트-메모리– 생성된 모든 앱에 하나의 연결된 그래프에 세 가지 메모리 유형을 제공하는 기본 Python 패키지입니다.
uvx create-context-graph my-app \
--domain healthcare \
--framework pydanticai \
--demo-data이 한 줄을 통해 현실적인 환자, 서비스 제공자, 진단, 치료 데이터가 포함된 실행 가능한 에이전트 앱과 이들 간의 관계를 실제로 추론할 수 있는 에이전트를 얻을 수 있습니다.
대부분의 에이전트 메모리 구현은 처음 두 계층, 즉 채팅 기록과 과거 콘텐츠의 벡터 저장소에서 중지됩니다. 상담원이 반응하는 느낌을 주기에 충분합니다. 만드는 것만으로는 부족해요.
A 에이전트의 모든 메모리를 연결된 그래프로 저장하고 구조를 일류 시민으로 취급하면 얻을 수 있습니다.
에이전트의 세상에 대한 이해가 살아있는 곳입니다. 엔터티는 다음을 사용하여 분류됩니다.극+O모델:
- Person — 환자, 선수, 직원, 연구원
- O조직 — 회사, 병원, 팀
- Location — 장소, 시설, 지역
- EVent — 사건, 만남, 질주, 거래
- +O개체 — 기타 모든 것(문제, 문서, 코드 파일, 제품)
모든 도메인(의료, 금융 서비스, 소프트웨어 엔지니어링, 게임, 보존 - 기본적으로 22개 포함)은 POLE+O 위에 도메인별 엔터티 유형을 계층화합니다. 따라서 환자는 사람이고, 주기는 이벤트이고, 문제는 개체입니다. 이러한 크로스커팅 유형 시스템을 통해 모든 것을 처음부터 다시 모델링하지 않고도 도메인과 커넥터를 결합할 수 있습니다.
에이전트가 결정을 내리면(치료 권장, 도구 선택, 접근 방식 선택) 추론 체인은 연결된:TraceStep 노드가 있는:DecisionTrace로 캡처됩니다. 각 단계는 생각, 취한 행동, 돌아온 관찰을 기록합니다.
너만 모르는 게 아니야what에이전트가 말했다. 알잖아why.
V엑터 매장에서는 리콜을 제공합니다. 그래프를 보면 이해가 될 것입니다.유사성 검색은 비슷한 것을 찾는 데 유용합니다. 그것은 좋지 않습니다"원저자가 아닌 다른 사람에게 할당된 현재 주기에서 시작되지 않은 문제로 인해 차단된 ENG-101의 모든 하위 문제를 찾아보세요."이는 그래프 쿼리이며 에이전트가 실제 애플리케이션에서 대답해야 하는 질문 유형입니다.
에이전트가 호출하는 모든 도구는 그래프 보기에서 해당 노드와 에지를 실시간으로 표시합니다. 당신은 단지 답을 보는 것이 아닙니다.path상담원이 그곳에 도착했습니다.
각 도메인에는 전체 온톨로지, 데모 데이터, 에이전트 도구 및 그래프 스키마가 함께 제공됩니다. 가장 인기 있는 서비스로는 금융 서비스, 의료 서비스, 게임, 부동산, 제조, 보존, 데이터 저널리즘, GIS, 서비스업 등이 있습니다. 당신의 것이 보이지 않습니까? 온톨로지는 YAML —몇 분 안에 맞춤 도메인을 추가하세요.
생성된 프로젝트의 에이전트 파일은 프레임워크 간에 변경되는 유일한 것입니다. 도구, 메모리 및 프런트엔드는 동일하게 유지됩니다. 하나의 CLI 플래그로 프레임워크를 전환하세요. 벤치마킹이나 마이그레이션에 유용합니다.
컨텍스트 그래프 데이터 커넥터 만들기
데모 데이터는 재미있습니다. 당신의더욱 재미있고 의미가 깊습니다.
CLI에는 실제 서비스에서 가져오고 이를 POLE+O 온톨로지에 자동으로 매핑하는 –connector 플래그가 있습니다. 개발자에게 가장 유용한 두 가지는 다음과 같습니다. and 클로드 코드 세션– 그리고 매우 다른 두 가지 모양의 컨텍스트 그래프를 보여주기 때문에 자세히 살펴볼 가치가 있습니다.
선형 생성 컨텍스트 그래프 데이터 커넥터 사용
이슈 추적 도구인 Linear는 내부에 그래프가 숨겨져 있는 일종의 도구입니다. 문제는 다른 문제를 차단합니다. 하위 문제는 부모에게 롤업됩니다. 주기에 문제가 있습니다. 프로젝트는 이니셔티브로 롤업됩니다. 문제가 있는 댓글 스레드를 작성하고 결정으로 해결합니다. 선형 UI는 한 번에 해당 그래프의 조각을 보여줍니다. 선형 커넥터는 전체 데이터세트를 Neo4j 그래프로 구성하므로 어떤 방식, 모양, 형태로든 전체 데이터세트에 대해 질문할 수 있습니다.
다음에서 선형 API 키를 생성하세요.설정 → 보안 및 액세스 → API을 누른 후 다음을 실행하세요.
uvx create-context-graph my-linear-app \
--domain software-engineering \
--framework pydanticai \
--connector linear \
--linear-api-key lin_api_xxxxx작업 공간에 여러 팀이 있는 경우 –linear-team ENG를 사용하여 한 팀으로 범위를 지정하세요.
커넥터는 API 키의 유효성을 검사하고 팀, 사용자, 라벨, 프로젝트, 주기, 문제, 댓글, 마일스톤, 이니셔티브, 첨부 파일을 페이지로 매기고 모든 것을 그래프에 기록합니다.
선형 커넥터는 작업 공간의 현재 상태만 가져오는 것이 아니라 각 문제의 기록을 살펴보고의사결정 추적을 합성합니다.상태 전환, 할당 변경, 우선순위 범프 등이 있습니다.
두 개 이상의 기록 항목이 있는 모든 문제는 :DecisionTrace가 되며, 각 전환은 :TraceStep(생각/행동/관찰 트리플)이 되고 문제의 현재 상태는 추적 결과가 됩니다.
그래서 상담원에게 물어보면“ENG-101에 대해 어떤 결정이 내려졌나요?”채팅 로그에서 답변을 만들 필요가 없습니다. 추적을 통과합니다.
실행되면 이를 채팅 패널에 놓고 그래프 보기가 켜지는 것을 확인하세요.
- “ENG-101을 막고 있는 것은 무엇입니까?”— :BLOCKS /:BLOCKED_BY의 다중 홉 순회
- “지금 가장 해결되지 않은 문제를 갖고 있는 사람은 누구입니까?”— 전체 집계:ASSIGNED_TO
- "v2 Launch 프로젝트에 대한 모든 방해 요소를 보여주세요."— 프로젝트 멤버십과 이슈 종속성을 결합합니다.
- “ENG-101에 해결된 댓글 스레드가 있나요?”— 찾기:Resolved_BY를 사용하여 노드에 댓글 달기
- “ENG-101은 어떻게 현재의 상태에 이르렀나요?”— 결정 추적을 순회합니다. 이는 3~4개의 서로 다른 선형 보기를 클릭해야 하는 쿼리입니다. 그래프에서 그들은단일 Cypher 패턴.
Claude Code 세션 기록 컨텍스트 그래프
선형 커넥터는 원격 SaaS API를 활용합니다. Claude Code 커넥터는 좀 더 개인적인 작업을 수행합니다. Claude Code가 사용할 때마다 ~/.claude/projects/에 쓰는 JSONL 세션 파일을 읽고 자체 개발 기록을 쿼리 가능한 그래프로 전환합니다.
API 키가 없습니다. 외부 서비스가 없습니다. 모두 현지. 그리고 놀랍게도 공개합니다.
uvx create-context-graph my-dev-graph \
--domain software-engineering \
--framework claude-agent-sdk \
--connector claude-code몇 가지 유용한 필터가 있습니다. –claude-code-since 2026-03-01은 날짜별로 제한하고, –claude-code-max-sessions 50은 가장 최근 N의 경우, –claude-code-content none은 메시지 텍스트 없이 메타데이터만 가져옵니다. 귀하의 개인정보 보호 정책에 적합한 것이 무엇인지, 세션 기록의 규모가 어느 정도인지 선택하세요.
모든 세션 JSONL은 연결된 하위 그래프가 됩니다.
게다가 실제 성과를 거두는 두 가지 합성 엔터티 유형은 다음과 같습니다.
:결정 노드세션의 네 가지 신호에서 추출됩니다.
- — 에이전트를 리디렉션하면("아니요, JWT 대신 OAuth2를 사용하세요") 원래 접근 방식은 :REJECTED :Alternative가 되고 수정 사항은 :CHOSE 가 됩니다.
- — 에이전트가 트레이드오프를 명시적으로 논의할 때 대안과 추론이 포착됩니다.
- 오류 해결 주기— 상담원이 수정한 실패한 도구 호출은 문제 해결 방법에 대한 결정으로 연결됩니다.
- — 모든 pip 설치, npm 설치 등은 종속성 결정으로 캡처됩니다.
각 결정은신뢰도 점수는 0.0~1.0입니다.
:기본 설정 노드명시적인 설명("항상 작은 따옴표 사용", "Flask보다 FastAPI 선호")과 동작 패턴(프로젝트 전체에 pytest 및 ruff를 계속 설치하므로 추론된 도구 기본 설정이 됨)에서 추출됩니다. 선호사항이 나타나는 세션이 많을수록 신뢰도가 높아집니다.
생성된 에이전트는 이러한 종류의 데이터를 위한 맞춤형 도구 세트와 함께 제공됩니다.
- “내 코딩 기본 설정은 무엇입니까?”— 신뢰도 점수로 추론된 스타일을 표시합니다.
- “나에게 역사를 보여줘.config.py”– 파일을 터치한 모든 세션
- “가장 자주 접했던 오류는 무엇입니까?”— 당신의 디버깅 생활에 대한 개인적인 패턴 지도
- “인증에 관해 어떤 결정을 내렸나요?”— traverses :주제별 결정 노드
- “어제 세션의 추론을 추적해 보세요”— 도구 호출 체인을 재생합니다.
- “내가 가장 많이 사용하는 도구는 무엇입니까?”— 귀하의 개인 사용량 분석
데이터가 민감하기 때문에 명시적으로 설명할 가치가 있습니다. 커넥터는 로컬 ~/.claude/projects/ 디렉터리만 읽고 원본 파일은 수정하지 않습니다.비밀을 자동으로 수정합니다(API 키, 토큰, 비밀번호, 연결 문자열)을 저장하기 전. 기본적으로 메시지 내용은 2000자로 잘립니다. –claude-code-content none은 메타데이터만 저장합니다. 가장 민감한 작업의 경우 Neo4j를 로컬 인스턴스(예: Docker 또는Neo4j 데스크탑).
컨텍스트 그래프 데이터 커넥터 생성을 사용하여 여러 소스의 데이터 구성
컨텍스트 그래프 만들기 데이터 커넥터는 구성 가능합니다. 예를 들어 Claude Code 세션 기록, GitHub, Linear의 데이터를 결합하려면 다음 안내를 따르세요.
uvx create-context-graph my-full-dev-graph \
--domain software-engineering \
--framework pydanticai \
--connector claude-code \
--connector github \
--connector linear이제 동일한 에이전트가 다음과 같이 상호 연관시킬 수 있습니다.
- The why(Claude Code 세션에서 추출된 결정)
- The what(GitHub의 커밋 및 PR)
- The work(Linear의 문제, 프로젝트, 주기)
모두 하나의 연결된 그래프로 표시됩니다."어떤 문제에 대해 아키텍처 결정을 내렸고 어떤 PR이 이를 구현했습니까?"실제 답변이 있는 실제 질문이 됩니다.
POLE+O 데이터 모델을 기본으로 사용하여 다음을 구현할 수 있습니다.도메인 간유형 시스템. 동일한 이메일로 Linear의:Person과 Claude Code의 git 기록에서:Person을 가져오면 동일한 노드가 됩니다. 그래프는 통합 코드를 한 줄도 작성하지 않고도 엔터티 수준에서 도구를 함께 연결합니다.
궁금하신 분들을 위해 생성되는 스택은 다음과 같습니다.
- : FastAPI + Python, 원하는 에이전트 프레임워크
- 프런트엔드: Next.js 15(앱 라우터) + Chakra UI v3 + TypeScript
- : 실시간 그래프 보기용 NVL(Neo4j Visualization Library)
- : 토큰별 스트리밍 및 도구 이벤트 애니메이션을 위한 Framer Motion + SSE
- : Neo4j(Aura, Docker 또는neo4j-로컬)
- : neo4j-에이전트-메모리– 기본 그래프 메모리 패키지
생성된 프로젝트는 실제적이고 관용적인 코드베이스입니다. 에이전트 파일을 편집합니다. 사용자 정의 Cypher 도구를 추가합니다. LLM을 교환하세요. 도메인별 엔터티 유형을 추가하려면 data/ontology.yaml을 사용자 정의하세요. 그것은 당신의 것입니다.
플랫 메모리 에이전트와 컨텍스트 그래프 에이전트의 차이를 가장 빠르게 느끼는 방법은 직접 실행해 보는 것입니다. 웹사이트 홈페이지 상단에 샌드박스 둘러보기가 있지만 실제 순간은 자신의 선형 작업 공간이나 자신의 Claude Code 기록을 기준으로 앱을 구성하고 그래프 없이는 답변할 수 없는 질문을 하는 순간입니다.
uvx create-context-graph my-app --domain software-engineering \
--framework pydanticai --demo-data귀하의 관심 분야에 따라 몇 가지 제안된 진입점은 다음과 같습니다.
- 에이전트를 구축하고 그래프 메모리가 어떤 느낌인지 확인하고 싶습니다.–demo-data를 사용하여 개인 지식 또는 소프트웨어 엔지니어링 도메인을 기반으로 한 다음 에이전트에게 다중 홉 질문을 하고 그래프를 살펴보세요.
- 자신의 작업 데이터를 그래프에 넣고 싶습니다.실제 작업공간에 대해 –connector 선형을 사용하거나 로컬 세션 기록에 대해 –connector clude-code를 사용하세요.
- 프레임워크를 평가하고 있습니다.두 개의 서로 다른 –framework 값을 사용하여 동일한 도메인을 스캐폴드하고 에이전트 파일을 비교합니다. 동일한 도구, 다른 인체공학적 설계.
- 의사결정 추적을 이해하고 싶습니다. the Google Workspace 튜토리얼의 결정 추적추론 기억을 끝까지 살펴봅니다.
모든 것은 GitHub의 오픈 소스입니다.neo4j-labs/create-context-graph, 아파치 2.0. 문제 및 PR 환영합니다. 이는 Labs 프로젝트이므로 적극적으로 유지관리되고 커뮤니티에서 지원되지만 API는 사람들이 무엇을 구축하는지 학습하면서 발전할 수 있습니다.
재미있는 작품을 만들면 꼭 보고 싶습니다. 나를 찾아보세요Neo4j 커뮤니티또는 저장소에서 토론을 시작하세요.
에이전트는 더 이상 어려운 부분이 아닙니다. 기억은. 상담사에게 생각해 볼 수 있는 그래프를 제공하겠습니다.
📌 에 대한: 컨텍스트 그래프 생성 is a Neo4j 연구소프로젝트. 그 위에 지어진neo4j-에이전트-메모리. 문서 위치생성-컨텍스트-graph.dev.
마음에 드셨다면 🌟 on 해주세요
- AI 에이전트