기본 경로: 인덱스 시간에 0 API 호출. 제로인프라 제로 락 인. LLM Agent의 지식 그래프 + MCP 도구 서버, 하이브리드 검색, CDC 기반 라이브 데이터베이스 동기화 및 한국 FTS 내장.

README 소개

---

5분 시작

그 명령은 작은 SQLite-backed 그래프를 구축하고 세 검색을 실행합니다. — 모두 ** 인덱스 시간에 LLM**을 호출하지 않고. Omit --db in-memory에 대한, Zero-dependency 연기 시험. 확장 된 예제의 전체 소스 : examples/quickstart.py.

---

왜 그냥 RAG?

일반 RAG는 일반적으로 독립적 인 펑크에서 답변합니다. Synaptic는 그래프를 먼저 구축합니다. 그래서 에이전트는 검색 할 수, 관계 따라, 구조 행을 검사, 기억 어떤 증거가 도움이되었습니다.

벡터 데이터베이스 교체가 아닙니다. 그것은 주변에 도표와 공구 층입니다

Synaptic Memory

Default path: zero API calls at index time. Zero infra. Zero lock-in. A knowledge graph + MCP tool server for LLM agents, with hybrid retrieval, CDC-based live database sync, and Korean FTS built in.

한국어 README

---

5-minute start

pip install "synaptic-memory[sqlite,korean,vector]"
synaptic-quickstart --db quickstart.db

That command builds a tiny SQLite-backed graph and runs three searches — all without calling any LLM at indexing time. Omit --db for an in-memory, zero-dependency smoke test. Full source for the expanded example: examples/quickstart.py.

---

Why not just RAG?

Plain RAG usually answers from independent chunks. Synaptic builds a graph first, so an agent can search, follow relations, inspect structured rows, and remember which evidence helped.

It is not a vector database replacement. It is the graph and tool layer around your existing documents, SQL data, embedding endpoint, and agent runtime.

---

Build and search

import asyncio
from synaptic import SynapticGraph

async def main():
    # Any data → knowledge graph (CSV, JSONL, directory)
    graph = await SynapticGraph.from_data("./my_data/", preset="rag")
    try:
        result = await graph.search("my question")
        print(result.nodes[0].node.title if result.nodes else "no result")
    finally:
        await graph.close()

asyncio.run(main())

That’s it. Auto-detects file format or DB schema, generates an ontology profile, ingests, indexes, builds FK edges.

Presets keep the common knobs compact:

# local: deterministic, no external services (default)
graph = await SynapticGraph.from_chunks(chunks, preset="local")

# rag: reads SYNAPTIC_EMBED_URL / SYNAPTIC_RERANK_URL if set
graph = await SynapticGraph.from_data("./docs/", preset="rag")

# agent: rag + deterministic component bridging for multi-turn exploration
graph = await SynapticGraph.from_data("./docs/", preset="agent")

Live database sync (CDC) — mode="cdc" enables incremental updates: tables with an updated_at-style column are read with a watermark filter, others fall back to per-row content hashing. Deletes are detected via a TEMP TABLE LEFT JOIN; FK rewires re-link the corresponding RELATED edges. Search results are