IT 기업 기술 블로그 모음
사내 지식으로 Agentic RAG 만들기 (3/3) : 관측 가능한 RAG, 운영되는 도구로
여기어때MCP, RAG, Langfuse, Embeddings, LLM Observability
여기어때는 Confluence/Jira 문서를 검색 가능한 형태로 모으고 LightRAG와 Navigator를 활용한 Agentic RAG 아키텍처를 주요하게 구축했다. LLM 관측성 확보와 평가 파이프라인을 Langfuse로 구현하고, LLM-as-a-judge로 정답 여부를 자동 채점하며, FastMCP로 도구를 서빙합니다. 향후 임베딩 모델 업그레이드와 평가셋 확장을 통해 내부 맥락 인식과 근거 제시를 더욱 신뢰할 수 있게 확장될 것입니다.
2026년 10월 10일·0
사내 지식으로 Agentic RAG 만들기 (2/3) : 검색을 얹기, LightRAG와 Navigator
여기어때Vector Search, Knowledge Graph, GraphRAG, Neo4j, LightRAG
여기어때의 2편 글은 LightRAG와 Navigator를 활용해 사내 지식을 기반으로 Agentic RAG를 구현하는 방법을 설명합니다. LightRAG는 문서에서 개념(Entity)과 관계(Relation)를 추출해 지식 그래프를 만들고, 그래프 탐색과 벡터 검색을 결합해 의미 연결을 빠르게 찾습니다. Navigator는 문서의 위치 정보를 따라가며 검색 후보를 좁혀 엔드투엔드 파이프라인의 정확도와 효율을 높입니다.
2026년 10월 10일·0
쉐도잉 검증 개선기
여기어때Kafka, MongoDB, REST API, Docker, Shadowing
여기어때는 레거시와 신규 API의 응답을 실제 트래픽으로 비교하는 쉐도잉 검증 프레임워크를 내부 라이브러리로 구축해 실시간 차이를 메트릭과 로그로 수집합니다. Phase 1에서 애플리케이션 내 공통 라이브러리가 쉐도잉 실행과 결과 수집을 담당하고, Grafana-Loki 대시보드로 가시성을 제공합니다. 결과적으로 일치율 99.98% 수준의 신뢰를 확보하고, 새로운 API로 전환 시 위험을 선제적으로 파악하고 운영 리스크를 낮춥니다.
2026년 10월 10일·1
시킬 때마다 다른 결과를 내는 AI에게 도구를 쥐여 주었습니다 — AI가 쓰는 ERD 도구 제작기
여기어때SQL, MCP, ERD, Mermaid
여기어때가 MCP 기반 도구를 통해 ERD를 그리는 AI 시스템을 구축했고, 매번 같은 결과를 얻는 목표를 달성했습니다. AI는 대화로 요구를 모으고, 도구가 실제 그림을 그리게 하며 Mermaid, HTML, 직접 만든 ERD 도구를 포함한 13개 도구로 역할을 분담합니다. 도구 설계는 자동 배치와 경로 제어, 되돌리기 등 핵심 기능을 갖춰 다이어그램 작성 시간을 대폭 단축하고 팀에 확산되었습니다.
2026년 10월 10일·0
새로운 팀에 기여하기, 그리고 기여의 확장 (feat. 전시개발팀 옵저버빌리티 향상 시키기)
여기어때Grafana, Loki, OpenTelemetry, Tempo, Mimir
여기어때는 전시개발팀의 트래픽 특성에 초점을 맞춘 옵저버빌리티 플랫폼을 OpenTelemetry, Grafana를 기반으로 설계하고 구축하여 가용성과 진단 효율을 높였습니다. 기준은 APM 사용성 유사성, 추가 비용 최소화, 장애 전파 원인 1초 식별, 로그/트레이스 원클릭 Drill-down, 현업 도구 친화성 등을 포함하며, 기존 파이프라인 재활용을 최우선으로 삼았습니다. 향후에는 MTTR/MTTD 측정 체계 및 RCA 자동화로 AI가 초기 원인 제안을 제공하는 방향을 엄밀히 검토합니다.
2026년 10월 10일·0
AI 시대 당신의 팀 조직은 안녕하신가요
여기어때Testing, Hexagonal Architecture, Domain Language
여기어때의 AI 워크스페이스 운영은 가이드, 스킬, 서브에이전트, 히스토리를 한 저장소에 모아 팀 의사결정과 맥락을 기록합니다. 팀은 가이드의 핵심만 강하게 두고, 규칙은 게이트로 검증하며 도메인 언어로 의도를 드러내고 스펙-테스트로 품질을 확보합니다. 이 방식은 리뷰 효율과 추적 가능성을 높이고, AI가 작성한 코드의 맥락과 의도를 팀 차원에서 이해하는 데 도움이 됩니다.
2026년 10월 10일·0
Play Store 서비스 장애 정상화 안내
Announcement, Update
구글코리아의 Play Store 서비스 장애 정상화에 대한 경험을 공유합니다. Play Store 서비스 장애 정상화를 통해 구글코리아의 대응 체계와 향후 개선 방향을 다룹니다.
2026년 10월 09일·0
Play Store 서비스 장애 공지
Announcement
구글코리아가 Play Store의 서비스 장애 이슈를 다룹니다. 본 요약은 Play Store 장애의 일반적 맥락과 영향, 그리고 다양한 대응 방향을 다룹니다.
2026년 10월 09일·0
ML Drift: Next-Gen GPU AI/ML Inference at the Edge
Metal, WebGPU, ML Drift, OpenGL ES, OpenCL
구글이 온-디바이스 AI 및 머신러닝 추론을 가속하는 차세대 GPU 기반 컴퓨트 프레임워크 ML Drift를 공식 발표했습니다. 하드웨어와 저수준 API(OpenGL ES, OpenCL, Metal, WebGPU)의 복잡성을 추상화해 개발자가 모바일과 데스크톱에서 실시간 인터랙티브 ML 경험을 구현할 수 있게 합니다. 구글이 제시하는 이 프레임워크로 개발자들은 현장 AI 애플리케이션의 응답성과 사용자 경험을 향상시킬 수 있습니다.
2026년 10월 08일·0
The Outer Loop, Insights First: An Ambient Quality Agent That Diagnoses Your Production Agent
Google Cloud, AQuA
구글이 프로덕션 트래픽에서의 품질 저하를 탐지하고 진단하는 Ambient Quality Agent AQuA를 오픈 소스로 공개하는 reference 구현으로 제공합니다. 구글 클라우드에서 프로덕션 에이전트 옆에서 작동하며 대화 기록을 바탕으로 실패 군집을 순회·검증하고, 배포된 소스 스냅샷에 고정된 원인들을 진단합니다. 이 도구를 통해 80% 이후의 품질 개선과 무작정 배포 대신 근거 기반의 문제 해결을 지원합니다.
2026년 10월 08일·0