GBrain 업데이트를 볼 때 핵심은 “또 하나의 노트 앱”이 아니라는 점이다. GBrain은 일반 텍스트 Markdown 노트를 AI 에이전트가 읽고, 쓰고, 추론할 수 있는 지식 그래프로 바꾸는 오픈소스 에이전트 메모리 시스템이다.1 Garry Tan이 언급한 약 30만 개 Markdown 파일 규모는 이 프로젝트가 개인 메모 정리를 넘어 장기 기억 인프라를 겨냥하고 있음을 보여준다.
이번 업데이트에서 특히 주목할 부분은 그래프 생성 자동화다. 노트를 사람이 일일이 연결하는 방식에서 벗어나, 에이전트가 활용할 수 있는 관계형 기억으로 바꾸려는 방향이 더 분명해졌다.
GBrain은 Markdown을 버리지 않는다
GBrain의 출발점은 데이터베이스가 아니라 Git 저장소 안의 Markdown 파일이다.1 즉, 진실 원천(source of truth)은 여전히 사람이 읽고 수정할 수 있는 텍스트 파일이다. 데이터베이스는 그 위에 검색과 추론을 돕기 위해 붙는 계층에 가깝다.
이 구조의 장점은 명확하다. 사용자는 기존 Markdown 워크플로를 유지할 수 있고, 에이전트는 같은 파일을 기반으로 검색하고 갱신하고 맥락을 쌓을 수 있다. 지식을 특정 앱의 내부 포맷에 가두지 않으면서도, AI가 다룰 수 있는 형태로 확장하는 방식이다.
GBrain이 권장하는 페이지 구조도 이 방향과 맞닿아 있다. people, companies, concepts, originals, meetings, voice-notes 같은 주제별 디렉터리로 지식을 나누고, 각 페이지에는 현재 요약인 compiled truth와 날짜별 기록인 timeline을 둔다.1 특히 timeline은 append-only 방식으로 남기기 때문에 과거 맥락을 보존하면서 현재 요약을 갱신할 수 있다.1
업데이트의 초점은 ‘연결을 자동화하는 기억’이다
기존 노트 시스템에서 가장 큰 부담은 연결 관리다. 태그를 달고, 링크를 만들고, 백링크를 정리하는 일은 처음에는 유용하지만 규모가 커질수록 유지 비용이 커진다. 파일이 수백 개일 때는 관리가 가능해도, 수천·수만 개로 늘어나면 사람이 직접 관계를 정리하는 방식은 쉽게 무너진다.
GBrain 업데이트의 그래프 생성 자동화는 이 지점에서 의미가 있다. 핵심은 노트를 단순히 “검색 가능한 문서 묶음”으로 두지 않고, 사람·회사·개념·회의 같은 정보가 서로 연결된 지식 그래프로 다루는 것이다. 이렇게 되면 질문의 방식도 달라진다. “관련 문서를 찾아줘”에서 “이 사람과 이 회사는 어떤 맥락으로 연결되어 있나?”처럼 관계를 묻는 방향으로 이동한다.
이는 에이전트 메모리에서 중요한 차이다. 에이전트가 긴 시간 동안 유용하게 작동하려면 단순 저장소보다 맥락을 유지하는 구조가 필요하다. GBrain은 Markdown의 투명성과 Git의 변경 이력을 유지하면서, 그 위에 그래프와 검색 계층을 얹는 접근을 택한다.
검색 계층은 Postgres와 pgvector가 맡는다
GBrain은 Markdown 저장소를 Postgres와 pgvector로 인덱싱해 하이브리드 검색에 활용한다.1 키워드 기반 검색과 벡터 검색을 함께 쓰는 구조다. 따라서 사용자는 파일을 Markdown으로 관리하되, 에이전트는 더 넓은 방식으로 관련 정보를 찾을 수 있다.
로컬 설치에서는 PGLite도 사용할 수 있다. PGLite는 서버 없이 프로세스 안에서 실행되는 WASM 기반 Postgres이며, GBrain의 PGLite 초기화는 약 2초가 걸리고 별도 서버가 필요 없다.3 이는 개인 개발자나 소규모 실험 환경에서 진입 장벽을 낮추는 요소다.
Garry Tan은 GBrain 평가용 실행 가능한 코드도 별도 GitHub 저장소로 공개했다. 평가 저장소가 있다는 점은 GBrain을 단순 데모가 아니라, 에이전트 기억 시스템으로 검증하고 개선하려는 흐름으로 볼 수 있다. 호스팅 옵션은 gbrain.io에서 제공된다.
개인 지식관리의 기준이 바뀐다
GBrain 업데이트가 던지는 메시지는 분명하다. 앞으로의 노트는 잘 정리된 문서함에 머물지 않고, 에이전트가 읽고 갱신하며 추론하는 기억 저장소에 가까워질 수 있다.
실제로 적용할 때 중요한 판단 기준은 세 가지다.
Markdown과 Git을 지식의 원본으로 유지하고 싶은가
노트 간 연결을 사람이 아니라 시스템이 더 많이 맡아야 하는가
검색을 넘어 관계와 맥락을 활용하는 에이전트 메모리가 필요한가
이 질문에 “그렇다”라고 답한다면 GBrain은 관찰할 만한 프로젝트다. 결론적으로 이번 업데이트는 개인 지식관리의 기준을 “정리된 노트”에서 “에이전트가 운용하는 기억”으로 옮기는 흐름을 보여준다. Markdown을 계속 쓰되, 그 위에 검색·그래프·자동 갱신을 얹고 싶다면 GBrain의 변화는 실용적인 참고점이 될 수 있다.
1What Is GBrain? Garry Tan's AI Agent Memory System Explained
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.