사유존

소개
적용 사례
블로그 문의
Resources / Blog

Sayou AI 에이전트 아키텍처

수정

저자: 김영범 · 작성일: 2026-03-18 00:00:00 · 분야: AI, 에이전트, 아키텍처

'Sayou AI'는 기업 내 분산된 방대한 데이터를 'Sayou Fabric'이라는 정교한 파이프라인을 통해 '지식 그래프'로 체계화하고, 이를 바탕으로 AI 에이전트가 할루시네이션(거짓 답변) 없는 정확하고 신뢰할 수 있는 정보를 제공하는 아키텍처를 가지고 있습니다.

  • 원시 데이터를 Sayou Fabric이 포함한 각각 Connector, Document, Refinery, Chunking, Wrapper, Assembler, Loader에 전문화된 모듈로 가공.
  • 사유존 고유 Schema 및 Ontology에 기반하여 원시 데이터를 Knowledge Graph 형태로 구성.
  • KG를 기반으로 노이즈 없이 작업에 필요한 데이터를 정확하게 추출하고 활용할 수 있으며, LLM 환각 현상의 원인을 제거.
AI Agent

Sayou AI 에이전트 아키텍처

  • 핵심 가치: "제로 할루시네이션(Zero Hallucination), 100% 결정론적 온톨로지, 유니버설 지식 그래프"를 목표로 합니다.
  • 작동 원리: 코드 분석, 일일 뉴스, 출퇴근 도움 등 다양한 'AI 에이전트'들이 기업의 대규모 '지식 그래프(Knowledge Graph)'를 기반으로 정확한 답변을 제공합니다.
  • 구성: 원본 데이터(Raw Data)를 지식 그래프로 변환하는 시각화 도구(Visualizer), 외부 데이터 및 실시간 데이터를 연결하는 MCP, 그리고 대형 언어 모델(Gemini, Claude 등)이 유기적으로 결합되어 있습니다.
아키텍처1

Sayou Fabric: 마스터 파이프라인

  • 역할: 지식 그래프의 근간이 되는 데이터를 수집, 정제, 가공하여 로드하는 전체적인 데이터 처리 공정(ETL 파이프라인)입니다.
  • 단계별 공정:
    • 커넥터(Connector): Google Drive, Gmail, GitHub 등 다양한 소스에서 데이터를 가져옵니다.
    • 문서(Document): PDF, Docx, HTML 등 다양한 형식의 문서를 파싱합니다.
    • 정제(Refinery): 파싱한 문서를 표준화된 텍스트로 변환하고 정제합니다.
    • 청킹(Chunking): 데이터를 의미 있는 단위로 나눕니다(Chunking).
    • 래퍼(Wrapper): 코드나 비디오 등 콘텐츠 유형에 맞게 어댑터를 씌웁니다(Wrapper).
    • 어셈블러(Assembler): 가공된 데이터를 타임라인이나 지식 그래프 형태로 조립합니다.
    • 로더(Loader): PostgreSQL, Neo4j 등 최종 저장소에 로드합니다.
아키텍처2

Sayou Fabric: 코드 지식 그래프 구축 예시 (Code Knowledge Graph Build)

  • 구체적 사례: 마스터 파이프라인 중 '코드 데이터'를 지식 그래프로 변환하는 실제 흐름을 시각적으로 보여줍니다.
  • 흐름:
    1. 커넥터: GitHub 및 로컬 파일에서 소스 코드를 가져옵니다.
    2. 청킹: 'Code Splitter'를 통해 코드를 의미 있는 조각으로 나눕니다.
    3. 래퍼: 'Code Chunk Adapter'를 적용합니다.
    4. 어셈블러: 최종적으로 'Code Graph Builder'를 통해 코드 간의 관계를 정의하는 지식 그래프로 조립됩니다.

Comments

Related Posts