코덱스와 함께 Oracle Agent 메모리 사용

코딩 에이전트는 의사 결정, 저장소 규칙, 구조 참고 사항 및 이전 세션에서 발견된 문제 해결 단원 없이 작업을 시작하는 경우가 많습니다. 소스 파일 및 채팅 기록에서 해당 컨텍스트를 재구성하면 시간, 비용 및 일관성 없는 변경이 발생할 수 있습니다.

Codex용 Oracle AI Agent Memory 플러그인(현재 ChatGPT 작업)은 Codex 영구 프로젝트 메모리를 제공합니다. 코덱스는 실질적인 작업 전에 사전 지식을 검색하고, 이후 세션에 대한 간결한 내구성 팩트를 추가하고, 명시적으로 활성화되면 현재 메모리 스레드에서 사용자 프롬프트 및 최종 도우미 응답을 캡처할 수 있습니다.

이 가이드에서는 기존 Codex 플러그인을 다운로드 가능한 로컬 마켓플레이스로 패키지화하고 이 플러그인을 사용하는 데 필요한 두 가지 역할을 검토합니다.

경고: 포함된 MCP 서버는 학습 및 참조 배포입니다. 공유 암호 JWT를 사용하며 기본 구성은 로컬 컴퓨터에서 일반 HTTP를 제공합니다. 신뢰할 수 있는 환경에서 사용하기 전에 인증, 전송 보안, 인증서 스토리지, 토큰 수명 주기, 권한 부여 및 관찰 가능성을 검토하고 적용하십시오.

플러그인 다운로드

Codex 플러그인 프로젝트 codex_plugin.zip을 다운로드합니다. 아카이브는 저장소의 examples/codex_plugin 디렉토리에서 만들어지며 플러그인 매니페스트, 메모리 기술, MCP 구성, 후크 및 참조 서버를 포함합니다.

Codex를 실행할 컴퓨터에서 추출합니다. 설치하기 전에 플러그인 매니페스트 .mcp.json 및 hooks/hooks.json를 읽으십시오. 일반적인 플러그인 개념 및 설치 동작은 ChatGPT 플러그인 설명서를 참조하십시오.

unzip codex_plugin.zip
cd codex_plugin

구성 요소 이해

다운로드한 프로젝트에는 3개의 플러그인 구성 요소와 1개의 관리자 실행 서비스가 있습니다.

플러그인은 기본적으로 http://127.0.0.1:8000/mcp로 설정됩니다. 이는 관리자와 코덱스가 동일한 컴퓨터에서 실행되는 경우에 작동합니다. 관리자 관리 서비스의 경우 플러그인을 배포하거나 설치하기 전에 .mcp.json의 url을 승인된 MCP 끝점으로 변경합니다.

Python 요구 사항 설치

후크와 MCP 서버는 서로 다른 Python 환경에서 실행됩니다. 실행 위치에 요구 사항을 설치합니다.

환경 필요한 라이브러리
Codex를 실행하는 데 사용되는 Python requests. 플러그인 후크는 해당 환경의 python 실행 파일을 호출합니다.
참조 MCP 서버를 실행하는 데 사용되는 Python oracleagentmemory, fastmcp, PyJWT, python-dotenv 및 Oracle AI Database 연결, 구성된 임베딩 및 LLM 제공업체를 함께 사용할 수 있습니다.

예를 들어, Codex를 시작하는 환경에 후크 종속성을 설치합니다.

python -m pip install requests

서버를 시작할 환경에 참조 서버 종속성을 설치합니다.

python -m pip install oracleagentmemory fastmcp PyJWT python-dotenv

SDK 및 데이터베이스 설정의 경우 설정 가이드 및 로컬에서 Oracle AI Database 실행을 참조하십시오.

관리자: 메모리 MCP 서버 구성

서버는 misc/.env에서 연결, 모델 및 서명 구성을 읽습니다. 제공된 템플리트를 복사하여 해당 환경에 대한 값으로 채웁니다.

cp misc/.env.sample misc/.env
DB_USER="<database-user>"
DB_PASSWORD="<database-password>"
DB_CONNECT_STRING="<database-connect-string>"
EMBEDDER_MODEL_ID="<embedding-model-id>"
EMBEDDER_API_BASE="<embedding-api-base>"
EMBEDDER_API_KEY="<embedding-api-key>"
LLM_MODEL_ID="<llm-model-id>"
LLM_API_BASE="<llm-api-base>"
LLM_API_KEY="<llm-api-key>"
JWT_SECRET="<signing-secret>"

서명 암호를 한 번 생성하고 안전하게 저장한 다음 값을 misc/.env에 배치합니다. 사용자 토큰을 발행할 때 동일한 암호가 필요합니다.

export JWT_SECRET="$(openssl rand -hex 32)"

추출된 플러그인 디렉토리에서 서버를 시작합니다.

python misc/remote_mcp_server.py \
  --host 127.0.0.1 --port 8000

주: 서버가 원격인 경우 해당 배치에 적합한 호스트 및 포트를 사용한 다음 해당 끝점을 플러그인의 .mcp.json 구성과 일치시킵니다.

관리자: 사용자 토큰 발행

참조 서버는 Codex에서 해당 값을 받아들이는 대신 Bearer 토큰에서 user_id 및 agent_id 범위를 파생시킵니다. 메모리를 공유해야 하는 사용자 및 에이전트 컨텍스트에 대한 토큰을 만듭니다. 서버에서 사용하는 것과 동일한 서명 암호를 내보낸 후 다음을 실행합니다.

export JWT_SECRET="<same-signing-secret>"
python misc/create_token.py \
  --user-id "<user-id>" \
  --agent-id "<agent-id>"

승인된 암호 전달 메커니즘을 통해 인쇄된 토큰을 의도한 Codex 사용자에게 제공합니다. 이 인증서를 인코딩된 메모리 범위에 대한 인증서로 처리합니다. 참조 토큰 수명 및 서명 접근 방식은 프로덕션 토큰 관리 정책이 아닌 예제 동작입니다.

사용자: Codex에 플러그인 설치

추출된 플러그인 디렉토리에서 로컬 마켓플레이스를 추가하고 플러그인을 설치합니다.

codex plugin marketplace add .
codex plugin add oracle-ai-agent-memory@codex-oam

관리자가 제공한 토큰으로 코덱스를 시작합니다.

OAM_MCP_TOKEN="<user-token>" codex

/mcp를 실행하고 memory 서버를 search 및 add 도구와 함께 사용할 수 있는지 확인합니다. 이러한 도구는 자동 캡처 없이 작동합니다.

유저: 선택적으로 자동 세션 캡처 활성화

플러그인의 후크는 제출된 각 사용자 프롬프트와 최종 도우미 응답을 메모리 MCP 서버로 보냅니다. Codex를 설치 및 다시 시작한 후 /hooks를 실행하고 Oracle AI Agent Memory UserPromptSubmit 및 Stop 후크를 검사한 다음 해당 동작을 원하는 경우에만 명시적으로 신뢰합니다. 후크 동작 및 구성 세부정보는 ChatGPT 후크 설명서를 참조하십시오.

후크를 신뢰할 수 없는 상태로 두면 자동 캡처가 사용 안함으로 설정되지만 코덱스가 MCP 도구를 통해 메모리를 검색하거나 추가하는 것을 방지하지는 않습니다.

결론

이 설명서에서는 Oracle AI Agent Memory Codex 플러그인을 다운로드 및 설치하고, 참조 MCP 서버를 구성하고, 범위가 지정된 사용자 토큰을 실행하고, 선택적으로 세션 메시지를 캡처하는 방법을 배웠습니다. Codex는 이제 영구 프로젝트 컨텍스트를 검색하고 나중에 코딩 세션을 위해 재사용 가능한 지식을 저장할 수 있습니다.

→ Codex에서 Oracle Agent Memory를 사용하는 방법을 배웠으면 Use Agent Memory with an MCP Server에 관심이 있을 수도 있습니다.