Hi-AI

---

목차

• 개요
• 주요 기능
• v2.1.0 업데이트
• 설치
• 도구 카탈로그
• 아키텍처
• 성능
• 개발 가이드
• 라이선스

---

개요

Hi-AI는 Model Context Protocol (MCP) 표준을 구현한 AI 개발 어시스턴트입니다. 자연어 기반 키워드 인식을 통해 35개의 전문화된 도구를 제공하며, 개발자가 복잡한 작업을 직관적으로 수행할 수 있도록 돕습니다.

핵심 가치

• 자연어 기반: 한국어/영어 키워드로 도구를 자동으로 실행
• 지식 그래프 메모리: 메모리 간 관계를 그래프로 구성하여 연관 정보 탐색
• 다중 언어 지원: TypeScript, JavaScript, Python 코드 분석
• 의존성 분석: 코드 간 의존 관계 시각화 및 순환 참조 감지
• 엔터프라이즈 품질: 100% 테스트 커버리지 및 엄격한 타입 시스템

---

주요 기능

1. 지식 그래프 메모리 시스템

메모리 간 관계를 그래프로 구성하여 연관 정보를 탐색하는 11개의 도구:

• 세션 컨텍스트 자동 주입: 세션 시작 시 이전 메모리와 지식 그래프를 자동으로 로드 (v2.1 신규)
• 관계 연결: 메모리 간 의미론적 관계 설정 (related_to, depends_on, implements 등)
• 그래프 탐색: BFS/DFS 알고리즘을 통한 연관 메모리 탐색
• 멀티 전략 검색: 5가지 검색 전략 지원 (keyword, graph_traversal, temporal, priority, context_aware)
• 타임라인: 시간순 메모리 히스토리 시각화

주요 도구:

• get_session_context - 🚀 세션 시작 시 컨텍스트 자동 로드 (v2.1 신규)
• save_memory - 장기 메모리에 정보 저장
• recall_memory - 저장된 정보 검색
• link_memories - 메모리 간 관계 연결
• get_memory_graph - 지식 그래프 조회
• search_memories_advanced - 멀티 전략 검색
• create_memory_timeline - 타임라인 생성
• prioritize_memory - 메모리 우선순위 관리

2. 시맨틱 코드 분석

AST 기반 코드 분석 및 탐색 도구:

• 심볼 검색: 프로젝트 전체에서 함수, 클래스, 변수 위치 파악
• 참조 추적: 특정 심볼의 모든 사용처 추적
• 의존성 그래프: 코드 간 의존 관계 시각화 (v2.0 신규)
• 순환 참조 감지: 순환 의존성 자동 탐지 (v2.0 신규)
• 다중 언어: TypeScript, JavaScript, Python 지원

주요 도구:

• find_symbol - 심볼 정의 검색
• find_references - 심볼 참조 찾기
• analyze_dependency_graph - 의존성 그래프 분석 (v2.0 신규)

3. 코드 품질 분석

포괄적인 코드 메트릭 및 품질 평가:

• 복잡도 분석: Cyclomatic, Cognitive, Halstead 메트릭
• 결합도/응집도: 모듈 구조 건전성 평가
• 품질 점수: A-F 등급 시스템
• 개선 제안: 실행 가능한 리팩토링 방안

주요 도구:

• analyze_complexity - 복잡도 메트릭 분석
• validate_code_quality - 코드 품질 평가
• check_coupling_cohesion - 결합도/응집도 분석
• suggest_improvements - 개선 제안
• apply_quality_rules - 품질 규칙 적용
• get_coding_guide - 코딩 가이드 조회

4. 프로젝트 계획 도구

체계적인 요구사항 분석 및 로드맵 생성:

• PRD 생성: 제품 요구사항 문서 자동 생성
• 사용자 스토리: 수용 조건 포함 스토리 작성
• MoSCoW 분석: 요구사항 우선순위화
• 로드맵 작성: 단계별 개발 일정 계획

주요 도구:

• generate_prd - 제품 요구사항 문서 생성
• create_user_stories - 사용자 스토리 작성
• analyze_requirements - 요구사항 분석
• feature_roadmap - 기능 로드맵 생성

5. 순차적 사고 도구

구조화된 문제 해결 및 의사결정 지원:

• 문제 분해: 복잡한 문제를 단계별로 분해
• 사고 체인: 순차적 추론 과정 생성
• 다양한 관점: 분석적/창의적/체계적/비판적 사고
• 실행 계획: 작업을 실행 가능한 계획으로 변환

주요 도구:

• create_thinking_chain - 사고 체인 생성
• analyze_problem - 문제 분석
• step_by_step_analysis - 단계별 분석
• format_as_plan - 계획 형식화

6. 프롬프트 엔지니어링

프롬프트 품질 향상 및 최적화:

• 자동 강화: 모호한 요청을 구체적으로 변환
• 품질 평가: 명확성, 구체성, 맥락성 점수화
• Gemini 최적화: Google Gemini API 프롬프팅 전략

주요 도구:

• enhance_prompt - 프롬프트 강화
• analyze_prompt - 프롬프트 품질 분석
• enhance_prompt_gemini - Gemini 프롬프팅 전략

7. 추론 프레임워크

복잡한 문제의 체계적 분석:

• 9단계 추론: 문제 분해, 가설 탐색, 위험 평가
• 논리적 검증: 완전성과 정밀성 보장

주요 도구:

• apply_reasoning_framework - 9단계 추론 프레임워크

8. 사용 분석 (v2.0 신규)

도구 사용 통계 및 분석:

• 메모리 통계: 카테고리별 분포, 시간별 활동
• 그래프 분석: 연결 통계, 클러스터 정보

주요 도구:

• get_usage_analytics - 사용 분석 조회

9. UI 프리뷰 & 시간

• preview_ui_ascii - ASCII UI 프리뷰
• get_current_time - 현재 시간 조회

---

Hi-GCloud 연동

Hi-AI는 hi-gcloud MCP와 함께 사용하면 강력한 GCP 운영 + 코드 수정 워크플로우를 제공합니다.

연동 방식

hi-gcloud에서 에러를 발견하면 hi-ai 도구를 자동으로 추천합니다:

📋 Cloud Run 로그: my-api
🔴 3개의 에러가 발견되었습니다.

💡 hi-ai 연동 가능: 에러 분석이 필요하면 analyze_problem 도구로 원인을 분석하고,
   관련 코드를 찾아 수정 방안을 제시할 수 있습니다.

워크플로우 예시

User: "배포가 실패했어"

[hi-gcloud]
→ gcp_run_logs로 에러 로그 조회
→ 에러 3건 발견, hi-ai 연동 힌트 제공

[hi-ai 자동 연동]
→ analyze_problem으로 에러 원인 분석
→ find_symbol로 관련 코드 위치 파악
→ suggest_improvements로 수정 방안 제시
→ save_memory로 해결 방법 저장 (재발 방지)

설치

두 MCP를 함께 설치하면 자동으로 연동됩니다:

{
  "mcpServers": {
    "hi-ai": {
      "command": "npx",
      "args": ["-y", "@su-record/hi-ai"]
    },
    "hi-gcloud": {
      "command": "npx",
      "args": ["-y", "@polin-go/hi-gcloud"]
    }
  }
}

연동 도구 매핑

hi-gcloud 상황	hi-ai 추천 도구
에러 로그 발견	analyze_problem, find_symbol
배포 실패	step_by_step_analysis, suggest_improvements
성능 문제	analyze_complexity, check_coupling_cohesion
비용 증가	format_as_plan

---

v2.1.0 업데이트

주요 변경사항

Hi-AI v2.1.0은 세션 컨텍스트 자동 주입 기능을 도입한 마이너 릴리스입니다.

신규 기능

기능	설명
get_session_context 도구	세션 시작 시 이전 메모리, 지식 그래프, 타임라인을 한 번에 조회
hi-ai://context/session 리소스	클라이언트가 리소스를 읽을 때 자동으로 컨텍스트 제공
도구 description 개선	LLM이 세션 시작 시 자동으로 컨텍스트를 파악하도록 유도

변경 요약

항목	v2.0.0	v2.1.0	변화
도구 개수	34개	35개	+1개
리소스 개수	3개	4개	+1개
세션 컨텍스트	수동	자동 권장	개선

---

v2.0.0 업데이트

주요 변경사항

Hi-AI v2.0.0은 지식 그래프 기반 메모리 시스템과 고급 코드 분석 기능을 도입한 메이저 릴리스입니다.

신규 기능 (6개 도구)

도구	설명
link_memories	메모리 간 관계 연결 (지식 그래프)
get_memory_graph	지식 그래프 조회/시각화 (Mermaid 다이어그램 지원)
search_memories_advanced	5가지 전략의 멀티 검색
create_memory_timeline	시간순 메모리 타임라인
analyze_dependency_graph	코드 의존성 분석 및 순환 참조 감지
get_usage_analytics	사용 통계/분석

아키텍처 개선

• index.ts: 37개 switch case → 동적 디스패치 패턴
• MemoryManager: 지식 그래프 기능 추가 (395줄 → 823줄)
• 코드 최적화: 불필요한 의존성 제거 (puppeteer-core)

---

설치

시스템 요구사항

• Node.js 18.0 이상
• TypeScript 5.0 이상
• MCP 호환 클라이언트 (Claude Desktop, Cursor, Windsurf)
• Python 3.x (Python 코드 분석 시)

설치 방법

NPM 패키지

# 글로벌 설치
npm install -g @su-record/hi-ai

# 로컬 설치
npm install @su-record/hi-ai

Smithery 플랫폼

# 원클릭 설치
https://smithery.ai/server/@su-record/hi-ai

MCP 클라이언트 설정

Claude Desktop 또는 다른 MCP 클라이언트의 설정 파일에 추가:

{
  "mcpServers": {
    "hi-ai": {
      "command": "hi-ai",
      "args": [],
      "env": {}
    }
  }
}

---

도구 카탈로그

전체 도구 목록 (35개)

카테고리	도구 수	도구 목록
메모리 - 기본	6	save_memory, recall_memory, list_memories, delete_memory, update_memory, prioritize_memory
메모리 - 그래프	4	link_memories, get_memory_graph, search_memories_advanced, create_memory_timeline
메모리 - 세션	1	get_session_context 🚀
코드 분석	3	find_symbol, find_references, analyze_dependency_graph
사고	4	create_thinking_chain, analyze_problem, step_by_step_analysis, format_as_plan
코드 품질	6	analyze_complexity, validate_code_quality, check_coupling_cohesion, suggest_improvements, apply_quality_rules, get_coding_guide
계획	4	generate_prd, create_user_stories, analyze_requirements, feature_roadmap
프롬프트	3	enhance_prompt, analyze_prompt, enhance_prompt_gemini
추론	1	apply_reasoning_framework
분석	1	get_usage_analytics
UI	1	preview_ui_ascii
시간	1	get_current_time

키워드 매핑 예시

메모리 도구

도구	한국어	영어
save_memory	기억해, 저장해	remember, save this
recall_memory	떠올려, 기억나	recall, remind me
get_session_context	세션 시작, 컨텍스트	session start, context
link_memories	연결해, 관계	link, connect
get_memory_graph	그래프, 관계도	graph, relations
search_memories_advanced	고급 검색, 찾아	advanced search, find

코드 분석 도구

도구	한국어	영어
find_symbol	함수 찾아, 클래스 어디	find function, where is
analyze_dependency_graph	의존성, 관계	dependency, relations
analyze_complexity	복잡도, 복잡한지	complexity, how complex
validate_code_quality	품질, 리뷰	quality, review

---

아키텍처

시스템 구조

graph TB
    subgraph "Client Layer"
        A[Claude Desktop / Cursor / Windsurf]
    end

    subgraph "MCP Server"
        B[Hi-AI v2.1.0]
    end

    subgraph "Core Libraries"
        C1[MemoryManager + Graph]
        C2[ContextCompressor]
        C3[ProjectCache]
        C4[PythonParser]
    end

    subgraph "Tool Categories"
        D1[Memory Basic x6]
        D2[Memory Graph x4]
        D2b[Memory Session x1]
        D3[Code Analysis x3]
        D4[Thinking Tools x4]
        D5[Quality Tools x6]
        D6[Planning Tools x4]
        D7[Prompt Tools x3]
        D8[Reasoning x1]
        D9[Analytics x1]
        D10[UI/Time x2]
    end

    subgraph "Data Layer"
        E1[(SQLite Database)]
        E2[Project Files]
    end

    A <--> B
    B --> C1 & C2 & C3 & C4
    B --> D1 & D2 & D2b & D3 & D4 & D5 & D6 & D7 & D8 & D9 & D10
    C1 --> E1
    C3 --> E2
    C4 --> E2
    D1 --> C1 & C2
    D2 --> C1
    D3 --> C3 & C4
    D5 --> C4
    D9 --> C1

핵심 컴포넌트

MemoryManager (v2.0 확장)

• 역할: 영구 메모리 저장소 및 지식 그래프 관리
• 기술: SQLite, better-sqlite3
• 기능: CRUD, 검색, 우선순위, 그래프 관계, BFS/DFS 탐색
• 최적화: WAL 모드, 인덱싱, Prepared Statements

ContextCompressor

• 역할: 컨텍스트 압축 관리
• 알고리즘: 우선순위 기반 압축
• 기능: 중요도에 따른 선택적 보존

ProjectCache

• 역할: ts-morph 프로젝트 캐싱
• 전략: LRU 알고리즘
• 기능: 반복 분석 성능 향상
• 제한: 100MB/프로젝트, 200MB 전체

PythonParser

• 역할: Python 코드 AST 분석
• 방법: subprocess 실행
• 기능: 심볼 추출, 복잡도 계산
• 안전: 타임아웃, 자동 정리

데이터베이스 스키마 (v2.0)

-- memories 테이블
CREATE TABLE memories (
  key TEXT PRIMARY KEY,
  value TEXT NOT NULL,
  category TEXT NOT NULL DEFAULT 'general',
  timestamp TEXT NOT NULL,
  lastAccessed TEXT NOT NULL,
  priority INTEGER DEFAULT 0
);

-- memory_relations 테이블 (v2.0 신규)
CREATE TABLE memory_relations (
  id INTEGER PRIMARY KEY AUTOINCREMENT,
  sourceKey TEXT NOT NULL,
  targetKey TEXT NOT NULL,
  relationType TEXT NOT NULL,
  strength REAL DEFAULT 1.0,
  metadata TEXT,
  timestamp TEXT NOT NULL,
  UNIQUE(sourceKey, targetKey, relationType)
);

---

성능

주요 최적화

프로젝트 캐싱

• LRU 캐시를 통한 반복 분석 성능 향상
• 5분 TTL로 최신 상태 유지
• 메모리 제한을 통한 리소스 관리

메모리 작업

• SQLite 트랜잭션으로 배치 작업 최적화
• 시간 복잡도 개선: O(n²) → O(n)
• 인덱싱을 통한 빠른 조회

그래프 탐색 (v2.0)

• BFS/DFS 알고리즘으로 효율적 탐색
• Union-Find로 클러스터 감지
• 경로 찾기 최적화

---

개발 가이드

환경 설정

# 리포지토리 클론
git clone https://github.com/su-record/hi-ai.git
cd hi-ai

# 의존성 설치
npm install

# 빌드
npm run build

# 개발 모드
npm run dev

테스트

# 전체 테스트 실행
npm test

# Watch 모드
npm run test:watch

# UI 모드
npm run test:ui

# 커버리지 리포트
npm run test:coverage

코드 스타일

• TypeScript: strict 모드
• 타입: src/types/tool.ts 사용
• 테스트: 100% 커버리지 유지
• 커밋: Conventional Commits 형식

새 도구 추가

1. src/tools/category/ 디렉토리에 파일 생성
2. ToolDefinition 인터페이스 구현
3. src/index.ts의 toolHandlers에 등록
4. tests/unit/ 디렉토리에 테스트 작성
5. README 업데이트

---

기여자

특별 감사

• Smithery - MCP 서버 배포 및 원클릭 설치 플랫폼 제공

---

라이선스

MIT License - 자유롭게 사용, 수정, 배포 가능

---

인용

이 프로젝트를 연구나 상업적 용도로 사용하실 경우:

@software{hi-ai2025,
  author = {Su},
  title = {Hi-AI: Knowledge Graph-Based MCP Server for AI-Assisted Development},
  year = {2025},
  version = {2.1.0},
  url = {https://github.com/su-record/hi-ai}
}

---