Agentset

Agentset은 파싱, 청킹, 임베딩, 검색, 재순위를 하나의 시스템으로 돌리므로 각 부품을 조립하고 조정하는 일을 건너뛴다. 목표는 기본 설정이 데모용이 아니라 실무에 충분하도록 하는 것이다. 개발자에게 이는 RAG를 오후에 붙이느냐, 한 달에 걸쳐 붙이느냐의 차이다.

자동 인용은 부가 기능이 아니라 기본 동작이다. 모든 답변이 출처 청크를 가리키므로 사용자는 모델을 맹신하지 않고 출처를 확인할 수 있다. 지원과 사내 도구에서 이 점이 가장 중요하다. 자신 있게 틀린 답변은 답변이 없는 것보다 비용이 크기 때문이다. 인용 데이터는 자신이 관리하는 문서 메타데이터에서 온다.

일반 텍스트를 넘어 Agentset은 이미지, 동영상, 표를 파싱한다. 스프레드시트와 문서에 삽입된 표까지 포함한다. 지식이 절반은 PDF, 절반은 슬라이드에 있어도 그 다양성을 버리지 않고 처리한다. 수집 API는 URL로 파일을 받으므로 손으로 올리지 않고 일괄 작업을 걸 수 있다.

커넥터는 Google Drive, SharePoint, Notion 같은 외부 소스를 동기화해, 지식 기반이 처음 설정한 날 올린 내용에 멈춰 있지 않고 최신으로 유지된다. 일회성 가져오기가 지속적인 공급으로 바뀐다. 문서를 끊임없이 갱신하는 팀일수록 효과가 크다.

검색 쪽을 스스로 유지하지 않고 도입할 수 있는 오픈소스 RAG다. Agentset은 두 언어용 오픈소스 클라이언트 라이브러리를 제공하며, 검색과 수집과 namespace 호출을 몇 줄로 감싼다. namespace를 호출하고 쿼리를 실행한 뒤 결과를 객체로 읽어낸다. 원하지 않으면 REST를 엮을 필요가 없다.

Agentset Cloud에서 돌리거나, 자체 인프라를 가져오거나, 온프레미스에 배포할 수 있다. 같은 API가 세 경우 모두에서 통하므로 이동이 재작성이 되지 않는다. 온프레미스 방식은 데이터 위치 규정 때문에 공유 클라우드를 배제하는 팀을 위한 선택지다.