memento-mcp-server 1.6.0 → 1.7.1

package/scripts/fix-migration.js

@@ -1,93 +1,93 @@
-#!/usr/bin/env node
-
-import Database from 'better-sqlite3';
-import { join } from 'path';
-
-const dbPath = join(process.cwd(), 'data', 'memory.db');
-
-console.log('🔧 마이그레이션 수정 중...');
-
-try {
-  const db = new Database(dbPath);
-  
-  // 1. 현재 상태 확인
-  console.log('📊 현재 상태 확인...');
-  const currentSchema = db.prepare("PRAGMA table_info(memory_embedding)").all();
-  console.log('현재 테이블 구조:');
-  console.table(currentSchema);
-  
-  // 2. 컬럼이 있는지 확인
-  const hasProvider = currentSchema.some(col => col.name === 'embedding_provider');
-  const hasDimensions = currentSchema.some(col => col.name === 'dimensions');
-  const hasCreatedBy = currentSchema.some(col => col.name === 'created_by');
-  
-  console.log(`embedding_provider: ${hasProvider ? '✅' : '❌'}`);
-  console.log(`dimensions: ${hasDimensions ? '✅' : '❌'}`);
-  console.log(`created_by: ${hasCreatedBy ? '✅' : '❌'}`);
-  
-  // 3. 데이터 업데이트 (컬럼이 있는 경우에만)
-  if (hasProvider && hasDimensions && hasCreatedBy) {
-    console.log('🔄 데이터 업데이트 중...');
-    
-    const updateResult = db.prepare(`
-      UPDATE memory_embedding 
-      SET 
-        embedding_provider = CASE 
-          WHEN model = 'lightweight-hybrid' THEN 'tfidf'
-          WHEN model IS NULL OR model = '' THEN 'tfidf'
-          ELSE 'unknown'
-        END,
-        dimensions = dim,
-        created_by = 'legacy'
-      WHERE embedding_provider IS NULL
-    `).run();
-    
-    console.log(`✅ ${updateResult.changes}개 레코드 업데이트 완료`);
-    
-    // 4. 인덱스 추가
-    console.log('📝 인덱스 추가 중...');
-    db.exec('CREATE INDEX IF NOT EXISTS idx_memory_embedding_provider ON memory_embedding(embedding_provider)');
-    db.exec('CREATE INDEX IF NOT EXISTS idx_memory_embedding_dimensions ON memory_embedding(dimensions)');
-    db.exec('CREATE INDEX IF NOT EXISTS idx_memory_embedding_created_by ON memory_embedding(created_by)');
-    console.log('✅ 인덱스 추가 완료');
-    
-    // 5. 최종 검증
-    console.log('🔍 최종 검증...');
-    const validation = db.prepare(`
-      SELECT 
-        COUNT(*) as total,
-        COUNT(CASE WHEN embedding_provider IS NOT NULL THEN 1 END) as with_provider,
-        COUNT(CASE WHEN dimensions IS NOT NULL THEN 1 END) as with_dimensions,
-        COUNT(CASE WHEN created_by IS NOT NULL THEN 1 END) as with_created_by
-      FROM memory_embedding
-    `).get();
-    
-    console.log('📊 검증 결과:');
-    console.table(validation);
-    
-    // 6. 최종 데이터 분포
-    const finalAnalysis = db.prepare(`
-      SELECT 
-        embedding_provider,
-        dimensions,
-        COUNT(*) as count
-      FROM memory_embedding 
-      GROUP BY embedding_provider, dimensions
-      ORDER BY count DESC
-    `).all();
-    
-    console.log('\n📊 최종 데이터 분포:');
-    console.table(finalAnalysis);
-    
-    console.log('\n🎉 마이그레이션 완료!');
-    
-  } else {
-    console.log('❌ 필요한 컬럼이 없습니다. 스키마를 먼저 업데이트해주세요.');
-  }
-  
-  db.close();
-  
-} catch (error) {
-  console.error('❌ 오류 발생:', error.message);
-  process.exit(1);
-}
+#!/usr/bin/env node
+
+import Database from 'better-sqlite3';
+import { join } from 'path';
+
+const dbPath = join(process.cwd(), 'data', 'memory.db');
+
+console.log('🔧 마이그레이션 수정 중...');
+
+try {
+  const db = new Database(dbPath);
+  
+  // 1. 현재 상태 확인
+  console.log('📊 현재 상태 확인...');
+  const currentSchema = db.prepare("PRAGMA table_info(memory_embedding)").all();
+  console.log('현재 테이블 구조:');
+  console.table(currentSchema);
+  
+  // 2. 컬럼이 있는지 확인
+  const hasProvider = currentSchema.some(col => col.name === 'embedding_provider');
+  const hasDimensions = currentSchema.some(col => col.name === 'dimensions');
+  const hasCreatedBy = currentSchema.some(col => col.name === 'created_by');
+  
+  console.log(`embedding_provider: ${hasProvider ? '✅' : '❌'}`);
+  console.log(`dimensions: ${hasDimensions ? '✅' : '❌'}`);
+  console.log(`created_by: ${hasCreatedBy ? '✅' : '❌'}`);
+  
+  // 3. 데이터 업데이트 (컬럼이 있는 경우에만)
+  if (hasProvider && hasDimensions && hasCreatedBy) {
+    console.log('🔄 데이터 업데이트 중...');
+    
+    const updateResult = db.prepare(`
+      UPDATE memory_embedding 
+      SET 
+        embedding_provider = CASE 
+          WHEN model = 'lightweight-hybrid' THEN 'tfidf'
+          WHEN model IS NULL OR model = '' THEN 'tfidf'
+          ELSE 'unknown'
+        END,
+        dimensions = dim,
+        created_by = 'legacy'
+      WHERE embedding_provider IS NULL
+    `).run();
+    
+    console.log(`✅ ${updateResult.changes}개 레코드 업데이트 완료`);
+    
+    // 4. 인덱스 추가
+    console.log('📝 인덱스 추가 중...');
+    db.exec('CREATE INDEX IF NOT EXISTS idx_memory_embedding_provider ON memory_embedding(embedding_provider)');
+    db.exec('CREATE INDEX IF NOT EXISTS idx_memory_embedding_dimensions ON memory_embedding(dimensions)');
+    db.exec('CREATE INDEX IF NOT EXISTS idx_memory_embedding_created_by ON memory_embedding(created_by)');
+    console.log('✅ 인덱스 추가 완료');
+    
+    // 5. 최종 검증
+    console.log('🔍 최종 검증...');
+    const validation = db.prepare(`
+      SELECT 
+        COUNT(*) as total,
+        COUNT(CASE WHEN embedding_provider IS NOT NULL THEN 1 END) as with_provider,
+        COUNT(CASE WHEN dimensions IS NOT NULL THEN 1 END) as with_dimensions,
+        COUNT(CASE WHEN created_by IS NOT NULL THEN 1 END) as with_created_by
+      FROM memory_embedding
+    `).get();
+    
+    console.log('📊 검증 결과:');
+    console.table(validation);
+    
+    // 6. 최종 데이터 분포
+    const finalAnalysis = db.prepare(`
+      SELECT 
+        embedding_provider,
+        dimensions,
+        COUNT(*) as count
+      FROM memory_embedding 
+      GROUP BY embedding_provider, dimensions
+      ORDER BY count DESC
+    `).all();
+    
+    console.log('\n📊 최종 데이터 분포:');
+    console.table(finalAnalysis);
+    
+    console.log('\n🎉 마이그레이션 완료!');
+    
+  } else {
+    console.log('❌ 필요한 컬럼이 없습니다. 스키마를 먼저 업데이트해주세요.');
+  }
+  
+  db.close();
+  
+} catch (error) {
+  console.error('❌ 오류 발생:', error.message);
+  process.exit(1);
+}

package/scripts/fix-vector-dimensions.js

@@ -1,206 +1,206 @@
-#!/usr/bin/env node
-
-/**
- * 벡터 차원 통일 스크립트
- * 모든 임베딩을 삭제하고 현재 설정에 맞는 모델로 재생성
- */
-
-import Database from 'better-sqlite3';
-import path from 'path';
-import { fileURLToPath } from 'url';
-import { EmbeddingService } from '../dist/services/embedding-service.js';
-
-const __filename = fileURLToPath(import.meta.url);
-const __dirname = path.dirname(__filename);
-
-// 데이터베이스 경로 설정
-const dbPath = process.env.DB_PATH || path.join(__dirname, '..', 'data', 'memory.db');
-
-async function fixVectorDimensions() {
-  console.log('🔧 벡터 차원 통일 작업 시작...');
-  
-  // 데이터베이스 연결
-  const db = new Database(dbPath);
-  const embeddingService = new EmbeddingService();
-  
-  try {
-    // 1. 현재 상태 확인
-    console.log('\n📊 현재 상태:');
-    const currentStats = db.prepare(`
-      SELECT 
-        COUNT(*) as total,
-        COUNT(DISTINCT dim) as unique_dims,
-        GROUP_CONCAT(DISTINCT dim) as dimensions
-      FROM memory_embedding
-    `).get();
-
-    console.log(`- 총 임베딩: ${currentStats.total}개`);
-    console.log(`- 고유 차원 수: ${currentStats.unique_dims}개`);
-    console.log(`- 차원들: ${currentStats.dimensions}`);
-
-    // 2. 임베딩 서비스 설정 확인
-    console.log('\n🤖 임베딩 서비스 설정:');
-    const modelInfo = embeddingService.getModelInfo();
-    console.log(`- 모델: ${modelInfo.model}`);
-    console.log(`- 차원: ${modelInfo.dimensions}`);
-    console.log(`- 사용 가능: ${embeddingService.isAvailable()}`);
-
-    if (!embeddingService.isAvailable()) {
-      console.error('❌ 임베딩 서비스가 사용 불가능합니다.');
-      process.exit(1);
-    }
-
-    // 3. 기존 임베딩 백업
-    console.log('\n💾 기존 임베딩 백업 중...');
-    const backupData = db.prepare(`
-      SELECT 
-        me.memory_id,
-        me.embedding,
-        me.dim,
-        me.model,
-        me.created_at,
-        mi.content,
-        mi.type
-      FROM memory_embedding me
-      JOIN memory_item mi ON me.memory_id = mi.id
-    `).all();
-
-    const backupFile = path.join(__dirname, '..', 'backup', `embeddings-backup-${new Date().toISOString().replace(/[:.]/g, '-')}.json`);
-    const fs = await import('fs');
-    
-    if (!fs.existsSync(path.dirname(backupFile))) {
-      fs.mkdirSync(path.dirname(backupFile), { recursive: true });
-    }
-
-    fs.writeFileSync(backupFile, JSON.stringify({
-      timestamp: new Date().toISOString(),
-      totalEmbeddings: backupData.length,
-      embeddings: backupData.map(emb => ({
-        memory_id: emb.memory_id,
-        content: emb.content,
-        type: emb.type,
-        embedding: JSON.parse(emb.embedding),
-        dim: emb.dim,
-        model: emb.model,
-        created_at: emb.created_at
-      }))
-    }, null, 2));
-
-    console.log(`✅ 백업 완료: ${backupFile}`);
-
-    // 4. 기존 임베딩 삭제
-    console.log('\n🗑️ 기존 임베딩 삭제 중...');
-    const deleteResult = db.prepare('DELETE FROM memory_embedding').run();
-    console.log(`✅ 삭제 완료: ${deleteResult.changes}개 행 삭제`);
-
-    // 5. 모든 메모리에 대해 새로운 임베딩 생성
-    console.log('\n🔄 새로운 임베딩 생성 중...');
-    const memories = db.prepare(`
-      SELECT id, content, type, importance, created_at
-      FROM memory_item
-      ORDER BY created_at
-    `).all();
-
-    console.log(`📊 처리할 메모리 개수: ${memories.length}`);
-
-    let successCount = 0;
-    let errorCount = 0;
-
-    for (let i = 0; i < memories.length; i++) {
-      const memory = memories[i];
-      const progress = `[${i + 1}/${memories.length}]`;
-      
-      try {
-        console.log(`${progress} 처리 중: ${memory.id} (${memory.type})`);
-        
-        // 임베딩 생성
-        const embeddingResult = await embeddingService.generateEmbedding(memory.content);
-        
-        if (!embeddingResult) {
-          console.warn(`${progress} ⚠️ 임베딩 생성 실패: ${memory.id}`);
-          errorCount++;
-          continue;
-        }
-
-        // 데이터베이스에 저장
-        db.prepare(`
-          INSERT INTO memory_embedding (memory_id, embedding, dim, model, created_at)
-          VALUES (?, ?, ?, ?, CURRENT_TIMESTAMP)
-        `).run(
-          memory.id,
-          JSON.stringify(embeddingResult.embedding),
-          embeddingResult.embedding.length,
-          embeddingResult.model
-        );
-
-        console.log(`${progress} ✅ 완료: ${memory.id} (${embeddingResult.embedding.length}차원)`);
-        successCount++;
-
-        // API 제한을 위한 대기
-        if (i % 10 === 0 && i > 0) {
-          console.log('⏳ API 제한 대기 중...');
-          await new Promise(resolve => setTimeout(resolve, 1000));
-        }
-
-      } catch (error) {
-        console.error(`${progress} ❌ 오류: ${memory.id}`, error.message);
-        errorCount++;
-      }
-    }
-
-    // 6. 최종 검증
-    console.log('\n🔍 최종 검증:');
-    const finalStats = db.prepare(`
-      SELECT 
-        COUNT(*) as total,
-        AVG(dim) as avg_dim,
-        MIN(dim) as min_dim,
-        MAX(dim) as max_dim,
-        COUNT(DISTINCT dim) as unique_dims
-      FROM memory_embedding
-    `).get();
-
-    console.log(`- 총 임베딩: ${finalStats.total}개`);
-    console.log(`- 평균 차원: ${finalStats.avg_dim?.toFixed(1) || 'N/A'}`);
-    console.log(`- 최소 차원: ${finalStats.min_dim || 'N/A'}`);
-    console.log(`- 최대 차원: ${finalStats.max_dim || 'N/A'}`);
-    console.log(`- 고유 차원 수: ${finalStats.unique_dims}개`);
-
-    // 차원 일치성 확인
-    const expectedDim = modelInfo.dimensions;
-    const mismatchedDims = db.prepare(`
-      SELECT COUNT(*) as count FROM memory_embedding WHERE dim != ?
-    `).get(expectedDim);
-
-    if (mismatchedDims.count > 0) {
-      console.warn(`⚠️ 차원 불일치 발견: ${mismatchedDims.count}개`);
-    } else {
-      console.log('✅ 모든 임베딩의 차원이 일치합니다!');
-    }
-
-    // 7. 결과 요약
-    console.log('\n📊 작업 완료 요약:');
-    console.log(`✅ 성공: ${successCount}개`);
-    console.log(`❌ 실패: ${errorCount}개`);
-    console.log(`📈 성공률: ${((successCount / memories.length) * 100).toFixed(1)}%`);
-
-    if (finalStats.unique_dims === 1) {
-      console.log('🎉 벡터 차원 통일 완료! 이제 검색이 정상 작동할 것입니다.');
-    } else {
-      console.log('⚠️ 여전히 차원 불일치가 있습니다. 추가 확인이 필요합니다.');
-    }
-
-  } catch (error) {
-    console.error('❌ 벡터 차원 통일 실패:', error);
-    process.exit(1);
-  } finally {
-    db.close();
-  }
-}
-
-// 스크립트 실행
-if (import.meta.url === `file://${process.argv[1]}`) {
-  fixVectorDimensions().catch(console.error);
-}
-
-export { fixVectorDimensions };
+#!/usr/bin/env node
+
+/**
+ * 벡터 차원 통일 스크립트
+ * 모든 임베딩을 삭제하고 현재 설정에 맞는 모델로 재생성
+ */
+
+import Database from 'better-sqlite3';
+import path from 'path';
+import { fileURLToPath } from 'url';
+import { EmbeddingService } from '../dist/services/embedding-service.js';
+
+const __filename = fileURLToPath(import.meta.url);
+const __dirname = path.dirname(__filename);
+
+// 데이터베이스 경로 설정
+const dbPath = process.env.DB_PATH || path.join(__dirname, '..', 'data', 'memory.db');
+
+async function fixVectorDimensions() {
+  console.log('🔧 벡터 차원 통일 작업 시작...');
+  
+  // 데이터베이스 연결
+  const db = new Database(dbPath);
+  const embeddingService = new EmbeddingService();
+  
+  try {
+    // 1. 현재 상태 확인
+    console.log('\n📊 현재 상태:');
+    const currentStats = db.prepare(`
+      SELECT 
+        COUNT(*) as total,
+        COUNT(DISTINCT dim) as unique_dims,
+        GROUP_CONCAT(DISTINCT dim) as dimensions
+      FROM memory_embedding
+    `).get();
+
+    console.log(`- 총 임베딩: ${currentStats.total}개`);
+    console.log(`- 고유 차원 수: ${currentStats.unique_dims}개`);
+    console.log(`- 차원들: ${currentStats.dimensions}`);
+
+    // 2. 임베딩 서비스 설정 확인
+    console.log('\n🤖 임베딩 서비스 설정:');
+    const modelInfo = embeddingService.getModelInfo();
+    console.log(`- 모델: ${modelInfo.model}`);
+    console.log(`- 차원: ${modelInfo.dimensions}`);
+    console.log(`- 사용 가능: ${embeddingService.isAvailable()}`);
+
+    if (!embeddingService.isAvailable()) {
+      console.error('❌ 임베딩 서비스가 사용 불가능합니다.');
+      process.exit(1);
+    }
+
+    // 3. 기존 임베딩 백업
+    console.log('\n💾 기존 임베딩 백업 중...');
+    const backupData = db.prepare(`
+      SELECT 
+        me.memory_id,
+        me.embedding,
+        me.dim,
+        me.model,
+        me.created_at,
+        mi.content,
+        mi.type
+      FROM memory_embedding me
+      JOIN memory_item mi ON me.memory_id = mi.id
+    `).all();
+
+    const backupFile = path.join(__dirname, '..', 'backup', `embeddings-backup-${new Date().toISOString().replace(/[:.]/g, '-')}.json`);
+    const fs = await import('fs');
+    
+    if (!fs.existsSync(path.dirname(backupFile))) {
+      fs.mkdirSync(path.dirname(backupFile), { recursive: true });
+    }
+
+    fs.writeFileSync(backupFile, JSON.stringify({
+      timestamp: new Date().toISOString(),
+      totalEmbeddings: backupData.length,
+      embeddings: backupData.map(emb => ({
+        memory_id: emb.memory_id,
+        content: emb.content,
+        type: emb.type,
+        embedding: JSON.parse(emb.embedding),
+        dim: emb.dim,
+        model: emb.model,
+        created_at: emb.created_at
+      }))
+    }, null, 2));
+
+    console.log(`✅ 백업 완료: ${backupFile}`);
+
+    // 4. 기존 임베딩 삭제
+    console.log('\n🗑️ 기존 임베딩 삭제 중...');
+    const deleteResult = db.prepare('DELETE FROM memory_embedding').run();
+    console.log(`✅ 삭제 완료: ${deleteResult.changes}개 행 삭제`);
+
+    // 5. 모든 메모리에 대해 새로운 임베딩 생성
+    console.log('\n🔄 새로운 임베딩 생성 중...');
+    const memories = db.prepare(`
+      SELECT id, content, type, importance, created_at
+      FROM memory_item
+      ORDER BY created_at
+    `).all();
+
+    console.log(`📊 처리할 메모리 개수: ${memories.length}`);
+
+    let successCount = 0;
+    let errorCount = 0;
+
+    for (let i = 0; i < memories.length; i++) {
+      const memory = memories[i];
+      const progress = `[${i + 1}/${memories.length}]`;
+      
+      try {
+        console.log(`${progress} 처리 중: ${memory.id} (${memory.type})`);
+        
+        // 임베딩 생성
+        const embeddingResult = await embeddingService.generateEmbedding(memory.content);
+        
+        if (!embeddingResult) {
+          console.warn(`${progress} ⚠️ 임베딩 생성 실패: ${memory.id}`);
+          errorCount++;
+          continue;
+        }
+
+        // 데이터베이스에 저장
+        db.prepare(`
+          INSERT INTO memory_embedding (memory_id, embedding, dim, model, created_at)
+          VALUES (?, ?, ?, ?, CURRENT_TIMESTAMP)
+        `).run(
+          memory.id,
+          JSON.stringify(embeddingResult.embedding),
+          embeddingResult.embedding.length,
+          embeddingResult.model
+        );
+
+        console.log(`${progress} ✅ 완료: ${memory.id} (${embeddingResult.embedding.length}차원)`);
+        successCount++;
+
+        // API 제한을 위한 대기
+        if (i % 10 === 0 && i > 0) {
+          console.log('⏳ API 제한 대기 중...');
+          await new Promise(resolve => setTimeout(resolve, 1000));
+        }
+
+      } catch (error) {
+        console.error(`${progress} ❌ 오류: ${memory.id}`, error.message);
+        errorCount++;
+      }
+    }
+
+    // 6. 최종 검증
+    console.log('\n🔍 최종 검증:');
+    const finalStats = db.prepare(`
+      SELECT 
+        COUNT(*) as total,
+        AVG(dim) as avg_dim,
+        MIN(dim) as min_dim,
+        MAX(dim) as max_dim,
+        COUNT(DISTINCT dim) as unique_dims
+      FROM memory_embedding
+    `).get();
+
+    console.log(`- 총 임베딩: ${finalStats.total}개`);
+    console.log(`- 평균 차원: ${finalStats.avg_dim?.toFixed(1) || 'N/A'}`);
+    console.log(`- 최소 차원: ${finalStats.min_dim || 'N/A'}`);
+    console.log(`- 최대 차원: ${finalStats.max_dim || 'N/A'}`);
+    console.log(`- 고유 차원 수: ${finalStats.unique_dims}개`);
+
+    // 차원 일치성 확인
+    const expectedDim = modelInfo.dimensions;
+    const mismatchedDims = db.prepare(`
+      SELECT COUNT(*) as count FROM memory_embedding WHERE dim != ?
+    `).get(expectedDim);
+
+    if (mismatchedDims.count > 0) {
+      console.warn(`⚠️ 차원 불일치 발견: ${mismatchedDims.count}개`);
+    } else {
+      console.log('✅ 모든 임베딩의 차원이 일치합니다!');
+    }
+
+    // 7. 결과 요약
+    console.log('\n📊 작업 완료 요약:');
+    console.log(`✅ 성공: ${successCount}개`);
+    console.log(`❌ 실패: ${errorCount}개`);
+    console.log(`📈 성공률: ${((successCount / memories.length) * 100).toFixed(1)}%`);
+
+    if (finalStats.unique_dims === 1) {
+      console.log('🎉 벡터 차원 통일 완료! 이제 검색이 정상 작동할 것입니다.');
+    } else {
+      console.log('⚠️ 여전히 차원 불일치가 있습니다. 추가 확인이 필요합니다.');
+    }
+
+  } catch (error) {
+    console.error('❌ 벡터 차원 통일 실패:', error);
+    process.exit(1);
+  } finally {
+    db.close();
+  }
+}
+
+// 스크립트 실행
+if (import.meta.url === `file://${process.argv[1]}`) {
+  fixVectorDimensions().catch(console.error);
+}
+
+export { fixVectorDimensions };