콘텐츠 시리즈

AI 에이전트 구현 시리즈 — 사내 비정형 데이터를 답하는 에이전트 만들기

컨플루언스 같은 사내 위키에 쌓아둔 비정형 문서를, 질문하면 근거를 찾아 답하는 에이전트로 바꾸는 방법을 실제 구현 코드 레벨로 다루는 시리즈입니다. RAG 파이프라인의 핵심 구성요소부터, 이를 비주얼 툴로 조립하는 방법까지 순서대로 안내합니다.

이 시리즈가 왜 유용한가

“RAG를 쓴다”는 말은 흔하지만, 실제로 청킹 파라미터를 얼마로 잡는지, dense와 sparse 검색을 어떻게 같이 쓰는지, 100개 후보를 10개로 줄이는 재정렬을 어떤 모델로 하는지까지 구체적으로 다루는 자료는 드뭅니다. 이 시리즈는 개념 설명에서 멈추지 않고, 실제로 돌아가는 코드와 권장 파라미터까지 짚습니다.

1. 파이프라인 직접 구현하기

• 사내 매뉴얼 RAG 에이전트 실전 구현 — 청킹부터 리랭킹까지 — 청킹, dense+sparse 하이브리드 검색, 크로스 인코더 재정렬, 그리고 “LangChain 기반”이라 부를 수 있는 기준까지

2. 비주얼 툴로 조립하기

• 같은 RAG 파이프라인, Langflow로 다시 만들어보니 — 코드 없이 되는 것과 안 되는 것 — 1편의 파이프라인을 로우코드 컴포넌트로 재구성하면서, 어디까지 컴포넌트로 되고 어디서부터 커스텀 코드가 필요한지 정리