→ Y Combinator 대표 Garry Tan이 개인 지식 관리 도구 GBrain을 오픈소스로 공개했습니다.
→ 마크다운 파일, Obsidian, Notion 등에 흩어진 지식을 Postgres + pgvector 기반으로 통합하고 hybrid search로 검색합니다.
→ 키워드 검색과 벡터 검색을 RRF(Reciprocal Rank Fusion)로 결합해, 정확한 단어가 아닌 "의미"로 문서를 찾아줍니다.
→ MCP 서버를 내장하고 있어 Claude Code, Cursor 등 AI 에이전트가 직접 지식을 조회·갱신할 수 있습니다.
→ MIT 라이선스로 공개되었으며, Supabase Pro($25/월) 위에서 동작합니다.
"검색"이 문제였다
개인 지식 관리 도구는 많지만, 정작 필요한 순간에 원하는 정보를 찾는 건 여전히 어렵습니다. 키워드 검색은 같은 의미의 다른 표현을 놓치고, 벡터 검색만으로는 정확한 이름이나 고유명사가 묻힙니다. GBrain은 이 두 가지를 동시에 사용하는 hybrid search를 핵심으로 내세웁니다.
작동 방식
GBrain의 검색은 세 단계로 이루어집니다. 먼저 Claude Haiku가 사용자의 질문을 여러 표현으로 확장합니다(multi-query expansion). 이후 tsvector 기반 키워드 검색과 HNSW 기반 벡터 검색이 병렬로 실행되고, 두 결과를 RRF 알고리즘으로 합산해 최종 순위를 매깁니다. 중복 문서 제거를 위한 4단계 dedup까지 거치면 결과가 나옵니다.
예를 들어 "가장 큰 리스크가 뭐지?"라고 질문하면, "competitive moats"나 "board prep"처럼 해당 단어가 직접 등장하지 않는 문서도 의미 기반으로 찾아냅니다.
지식 모델: compiled truth + timeline
GBrain의 각 페이지는 두 영역으로 나뉩니다. 상단의 compiled truth는 현재 시점의 최선의 이해를 서술형으로 정리한 것이고, 새로운 정보가 들어오면 덮어씁니다. 하단의 timeline은 append-only 방식의 근거 기록으로, 절대 수정하지 않고 추가만 합니다. 인텔리전스 보고서와 유사한 구조입니다.
AI 에이전트 연동
MCP 서버(gbrain serve)를 통해 21개 도구를 AI 에이전트에 노출합니다. 페이지 조회, 검색, 링크 생성, 타임라인 추가 등을 에이전트가 직접 수행할 수 있습니다. 별도의 skill 파일(마크다운)에 에이전트 행동 지침을 정의하는 방식이라, 로직이 바이너리가 아닌 프롬프트에 담겨 있습니다.
🔗 https://github.com/garrytan/gbrain