AI 에이전트를 위한 실시간 지식 그래프 구축 프레임워크, Graphiti 정리

이 글에서는 AI 에이전트가 동적인 환경에서 기억하고 추론할 수 있도록 돕는 실시간 지식 그래프 프레임워크, Graphiti에 대해 정리합니다.
Graphiti가 무엇인지, 기존 RAG나 GraphRAG와 어떤 차이가 있는지, 어떤 문제를 해결하기 위해 등장했는지, 그리고 실제로 어떻게 설치하고 활용할 수 있는지까지 입력된 정보를 기반으로 차근차근 설명합니다.
AI 에이전트의 메모리, 맥락 이해, 실시간 데이터 처리에 관심 있는 개발자라면 Graphiti의 특징과 활용 가능성을 한눈에 이해할 수 있을 것입니다.

반응형

---

Graphiti란 무엇인가

Graphiti는 시간 개념을 포함한 지식 그래프(Temporal Knowledge Graph)를 구축하고 질의하기 위한 오픈소스 프레임워크입니다.
특히 동적으로 변화하는 환경에서 동작하는 AI 에이전트를 위해 설계되었으며, 사용자 상호작용, 기업 데이터, 외부 정보를 지속적으로 그래프에 통합합니다.

기존의 RAG(Retrieval-Augmented Generation)는 문서를 요약하거나 배치 단위로 처리하는 방식이 많아, 데이터가 자주 변하는 환경에서는 비효율적이라는 한계가 있었습니다.
Graphiti는 이러한 한계를 해결하기 위해 그래프 자체를 실시간으로 성장시키고, 과거 상태까지 정확히 추적할 수 있도록 설계되었습니다.

---

지식 그래프와 Graphiti의 차별점

지식 그래프는 보통 다음과 같은 형태로 구성됩니다.

• 예시: “Kendra loves Adidas shoes”
  • 엔티티(Node): Kendra, Adidas shoes
  • 관계(Edge): loves

Graphiti의 핵심 차별점은 단순히 이런 관계를 저장하는 데 그치지 않고, 다음을 자동으로 처리한다는 점입니다.

• 관계의 변화 추적
• 시간 흐름에 따른 상태 관리
• 새로운 정보의 점진적 반영
• 과거 시점 기준 질의(Point-in-time query)

즉, Graphiti는 AI가 ‘지금 무엇을 알고 있는지’뿐만 아니라 ‘과거에 무엇을 알고 있었는지’까지 이해할 수 있도록 돕는 구조를 제공합니다.

---

Graphiti의 주요 활용 목적

Graphiti는 다음과 같은 용도로 사용될 수 있습니다.

• 사용자 상호작용과 비즈니스 데이터를 지속적으로 통합·유지
• AI 에이전트의 상태 기반 추론(State-based reasoning)과 작업 자동화
• 의미 기반 검색, 키워드 검색, 그래프 탐색을 결합한 복합 질의 수행

이는 단순한 검색 시스템이 아니라, 에이전트가 스스로 맥락을 축적하고 판단할 수 있도록 돕는 기반 기술에 가깝습니다.

---

Zep과 Graphiti의 관계

Graphiti는 Zep의 Context Engineering Platform의 핵심 구성 요소입니다.
Zep은 AI 에이전트를 위한 메모리, Graph RAG, 컨텍스트 조립 기능을 제공하는 완전 관리형 플랫폼이며, Graphiti는 그 내부에서 지식 그래프 엔진 역할을 수행합니다.

두 가지의 차이는 명확합니다.

• Zep
  • 엔터프라이즈급 완전 관리형 플랫폼
  • 사용자, 대화, 성능, 보안, SLA가 모두 포함
• Graphiti
  • 오픈소스 지식 그래프 프레임워크
  • 사용자가 직접 시스템을 설계하고 운영

즉, 빠르게 안정적인 서비스를 구축하려면 Zep,
유연한 커스터마이징과 내부 시스템 통합이 필요하다면 Graphiti가 적합합니다.

---

Graphiti가 해결하는 문제

Graphiti는 기존 방식의 한계를 다음과 같은 기능으로 보완합니다.

실시간 점진적 업데이트

새로운 데이터가 들어올 때마다 전체 그래프를 다시 계산하지 않고, 에피소드 단위로 즉시 반영합니다.

이중 시간 모델(Bi-Temporal Data Model)

• 이벤트 발생 시점
• 데이터가 그래프에 저장된 시점
  이 두 가지를 명확히 구분해 정확한 시점 기준 질의를 가능하게 합니다.

하이브리드 검색 구조

• 시맨틱 임베딩 검색
• 키워드 검색(BM25)
• 그래프 탐색
  이를 결합해 낮은 지연 시간과 높은 정확도를 동시에 확보합니다.

유연한 엔티티 정의

Pydantic 모델을 활용해 개발자가 직접 엔티티 구조를 정의할 수 있어, 도메인 특화 그래프 설계가 가능합니다.

대규모 확장성

병렬 처리를 통해 대규모 데이터셋도 효율적으로 관리할 수 있어, 엔터프라이즈 환경에도 적합합니다.

---

Graphiti와 GraphRAG 비교

Graphiti는 GraphRAG와도 목적이 다릅니다.

• GraphRAG
  • 정적인 문서 요약 중심
  • 배치 기반 처리
• Graphiti
  • 동적 데이터 관리 중심
  • 연속적, 실시간 업데이트

따라서 실시간 상호작용과 정확한 히스토리 추적이 필요한 경우 Graphiti가 더 적합합니다.

---

MCP 서버와 REST API 지원

Graphiti는 단순 라이브러리에 그치지 않고 다음과 같은 확장 기능을 제공합니다.

• MCP 서버
  • AI 어시스턴트가 Graphiti 지식 그래프에 직접 접근 가능
  • 에피소드 관리, 엔티티 관리, 시맨틱 검색 지원
• REST API (FastAPI 기반)
  • 외부 시스템과의 연동 용이

이를 통해 AI 에이전트 워크플로우에 자연스럽게 통합할 수 있습니다.

---

텔레메트리와 개인정보 보호

Graphiti는 익명 사용 통계를 수집하지만, 다음 정보는 절대 수집하지 않습니다.

• 개인 정보
• API 키
• 실제 데이터 내용
• IP 주소

수집된 정보는 프레임워크 개선과 호환성 확보를 위한 용도로만 사용됩니다.

---

Graphiti는 AI 에이전트가 기억하고, 추론하고, 변화하는 맥락을 이해하도록 돕는 실시간 지식 그래프 프레임워크입니다.
기존 RAG나 GraphRAG가 해결하지 못했던 동적 데이터, 시간 개념, 상태 기반 추론 문제를 구조적으로 해결합니다.

앞으로 AI 에이전트가 단순 질의응답을 넘어, 장기적인 맥락과 히스토리를 기반으로 행동해야 하는 환경이 늘어날수록 Graphiti와 같은 접근 방식의 중요성은 더욱 커질 것으로 기대됩니다.

300x250

https://github.com/getzep/graphiti?tab=readme-ov-file

GitHub - getzep/graphiti: Build Real-Time Knowledge Graphs for AI Agents