@su-record/hi-ai
Advanced tools
Model Context Protocol based AI development assistant with 35 specialized tools featuring Knowledge Graph memory, session context auto-injection, and code dependency analysis
Model Context Protocol 기반 AI 개발 어시스턴트
TypeScript + Python 지원 · 35개 전문 도구 · 지식 그래프 메모리 · 세션 컨텍스트 자동 주입
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.
메모리 간 관계를 그래프로 구성하여 연관 정보를 탐색하는 11개의 도구:
주요 도구:
get_session_context - 🚀 세션 시작 시 컨텍스트 자동 로드 (v2.1 신규)save_memory - 장기 메모리에 정보 저장recall_memory - 저장된 정보 검색link_memories - 메모리 간 관계 연결get_memory_graph - 지식 그래프 조회search_memories_advanced - 멀티 전략 검색create_memory_timeline - 타임라인 생성prioritize_memory - 메모리 우선순위 관리AST 기반 코드 분석 및 탐색 도구:
주요 도구:
find_symbol - 심볼 정의 검색find_references - 심볼 참조 찾기analyze_dependency_graph - 의존성 그래프 분석 (v2.0 신규)포괄적인 코드 메트릭 및 품질 평가:
주요 도구:
analyze_complexity - 복잡도 메트릭 분석validate_code_quality - 코드 품질 평가check_coupling_cohesion - 결합도/응집도 분석suggest_improvements - 개선 제안apply_quality_rules - 품질 규칙 적용get_coding_guide - 코딩 가이드 조회체계적인 요구사항 분석 및 로드맵 생성:
주요 도구:
generate_prd - 제품 요구사항 문서 생성create_user_stories - 사용자 스토리 작성analyze_requirements - 요구사항 분석feature_roadmap - 기능 로드맵 생성구조화된 문제 해결 및 의사결정 지원:
주요 도구:
create_thinking_chain - 사고 체인 생성analyze_problem - 문제 분석step_by_step_analysis - 단계별 분석format_as_plan - 계획 형식화프롬프트 품질 향상 및 최적화:
주요 도구:
enhance_prompt - 프롬프트 강화analyze_prompt - 프롬프트 품질 분석enhance_prompt_gemini - Gemini 프롬프팅 전략복잡한 문제의 체계적 분석:
주요 도구:
apply_reasoning_framework - 9단계 추론 프레임워크도구 사용 통계 및 분석:
주요 도구:
get_usage_analytics - 사용 분석 조회preview_ui_ascii - ASCII UI 프리뷰get_current_time - 현재 시간 조회Hi-AI는 hi-gcloud MCP와 함께 사용하면 강력한 GCP 운영 + 코드 수정 워크플로우를 제공합니다.
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.
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)
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"]
}
}
}
| 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 |
Hi-AI v2.1.0은 세션 컨텍스트 자동 주입 기능을 도입한 마이너 릴리스입니다.
| 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 |
| 항목 | v2.0.0 | v2.1.0 | 변화 |
|---|---|---|---|
| 도구 개수 | 34개 | 35개 | +1개 |
| 리소스 개수 | 3개 | 4개 | +1개 |
| 세션 컨텍스트 | 수동 | 자동 권장 | 개선 |
Hi-AI v2.0.0은 지식 그래프 기반 메모리 시스템과 고급 코드 분석 기능을 도입한 메이저 릴리스입니다.
| 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 |
# 글로벌 설치
npm install -g @su-record/hi-ai
# 로컬 설치
npm install @su-record/hi-ai
# 원클릭 설치
https://smithery.ai/server/@su-record/hi-ai
Claude Desktop 또는 다른 MCP 클라이언트의 설정 파일에 추가:
{
"mcpServers": {
"hi-ai": {
"command": "hi-ai",
"args": [],
"env": {}
}
}
}
| 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 |
| 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 |
| 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 |
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
-- 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)
);
# 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
# 전체 테스트 실행
npm test
# Watch 모드
npm run test:watch
# UI 모드
npm run test:ui
# 커버리지 리포트
npm run test:coverage
src/types/tool.ts 사용src/tools/category/ 디렉토리에 파일 생성ToolDefinition 인터페이스 구현src/index.ts의 toolHandlers에 등록tests/unit/ 디렉토리에 테스트 작성MIT License - 자유롭게 사용, 수정, 배포 가능
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}
}
FAQs
Model Context Protocol based AI development assistant with 35 specialized tools featuring Knowledge Graph memory, session context auto-injection, and code dependency analysis
We found that @su-record/hi-ai demonstrated a healthy version release cadence and project activity because the last version was released less than a year ago. It has 1 open source maintainer collaborating on the project.
Did you know?
Socket for GitHub automatically highlights issues in each pull request and monitors the health of all your open source dependencies. Discover the contents of your packages and block harmful activity before you install or update your dependencies.
Research
/Security News
A mini Shai-Hulud campaign compromised Red Hat Cloud Services npm packages to steal developer and CI/CD secrets during installation.
Research
/Security News
The North Korean malware loader hides in a Packagist-listed package and its GitHub branch to fetch and execute remote code in a likely Contagious Interview-style lure.
Security News
The Rust project is moving toward formal rules on LLM use in contributions after months of internal debate over maintainer burden, code quality, and contributor experience.