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.

$3

- 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

$3

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

$3

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

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

$3

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

$3

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

$3

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

$3

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

$3

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

$3

- 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.

$3

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.
`

$3

`
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)
`

$3

두 MCP를 함께 설치하면 자동으로 연동됩니다:

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

$3

| 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

$3

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

$3

| 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 |

$3

| 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

$3

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

$3

| 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 |

$3

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

---

설치

$3

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

$3

#### NPM 패키지

`bash


글로벌 설치

npm install -g @su-record/hi-ai

로컬 설치

npm install @su-record/hi-ai
`

#### Smithery 플랫폼

`bash


원클릭 설치


https://smithery.ai/server/@su-record/hi-ai
`

$3

Claude Desktop 또는 다른 MCP 클라이언트의 설정 파일에 추가:

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

---

도구 카탈로그

$3

| 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 |

$3

#### 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

$3

`mermaid
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
`

$3

#### 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

$3

`sql
-- 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

$3

#### 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

$3

`bash


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
`

$3

`bash


전체 테스트 실행

npm test

Watch 모드

npm run test:watch

UI 모드

npm run test:ui

커버리지 리포트

npm run test:coverage
`

$3

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

$3

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





$3

- 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:

`bibtex
@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}
}
``

---