nao

nao는 에이전트의 맥락을 파일 시스템처럼 다룬다. 데이터, 메타데이터, 문서, 도구, MCP 서버를 폴더에 넣는다. 고정된 한도는 없다. 맥락이 내 repo에 있으므로 버전 관리하고 변경을 검토하며 문제가 생기면 되돌릴 수 있다. 이것이 당신의 정의를 잊는 채팅 래퍼와 nao를 가르는 지점이다.

에이전트는 어떤 데이터 웨어하우스, 스택, LLM과도 작동하므로 한 업체의 클라우드에 묶이지 않는다. Postgres, Snowflake, BigQuery, dbt 프로젝트 어디를 가리켜도 같은 방식으로 읽는다. OpenAI, Anthropic, 로컬 모델의 키는 직접 가져온다. 비용과 데이터 위치를 직접 쥔다. 애초에 자체 호스팅을 택한 이유가 바로 그것이다.

누군가 쓰기 전에 샘플 질문과 기대 SQL로 테스트를 작성하고 nao test 로 점수를 매긴다. 결과는 테스트 패널에 나타나 시간에 따라 비교할 수 있다. 맥락 변경이 조용히 열몇 개 답변을 망가뜨렸을 때 이를 잡아내는 방법이 바로 이것이다. 에이전트가 맞기를 바라는 것과 얼마나 자주 틀리는지 아는 것의 차이다. 그 차이는 중요하다.

모든 것이 자체 인프라에서, 자신의 LLM 키로 돌아간다. 민감한 스키마와 비즈니스 로직은 환경을 벗어나지 않는다. 규제 준수 아래 일하거나 제3자에게 데이터를 보여 주고 싶지 않을 때 중요하다. 대가는 업그레이드와 모니터링을 포함한 운영을 직접 맡는다는 점이다.

비즈니스 사용자는 일상어로 질문을 입력하고 답변, 채팅 안에서 바로 만들어지는 차트, 에이전트가 어떻게 도달했는지에 대한 명확한 표시를 받는다. 그쪽에는 SQL이 필요 없다. 채팅은 Slack, Teams, WhatsApp, Telegram, 그리고 Claude, Codex, Cursor 같은 MCP 지원 도구로도 연결되므로 사람들은 이미 일하는 곳에서 질문한다. 마지막 부분이 도입을 정착시키는 열쇠다.

답이 맞거나 틀리면 사용자는 데이터 팀에 바로 알릴 수 있다. nao는 자신의 사용 기록을 점검하고 맥락 수정을 제안하므로, 쓸수록 정확해진다. 사용자가 묻는 것과 맥락이 실제로 포괄하는 범위 사이의 간극을 좁힌다. 무료이며, 시간이 갈수록 나아진다.