AI 에이전트를 위한 지식 베이스란?
에이전트가 근거로 답할 수 있는 문서들. agent4.io는 두 종류 — 당신 회사의 검증된 자료와, 각 고객 자신의 파일 — 를 함께 검색하지만 결코 서로 혼동하지 않고 보관합니다.
지식 베이스는 에이전트를 일반적인 것이 아니라 당신의 것으로 만드는 요소입니다. 그것은 "그건 어디서 왔지"에 대한 답입니다 — 그리고 답이 거기 없다면, 에이전트는 그렇게 말해야 합니다.
하나가 아니라 두 개의 지식 베이스
대부분의 플랫폼은 문서 한 더미를 줍니다. 그것은 FAQ에 답하는 지원 봇에게는 충분하지만 실제 사업에는 턱없이 부족합니다. 고객이 실제로 묻는 두 질문이 종류가 다르기 때문입니다:
"조건이 어떻게 되고, 제가 자격이 될까요?" — 그것은 당신의 자료입니다. 수수료 표, 자격 규칙, 현재 규정, 상품 시트. 묻는 모든 사람에게 같고, 당신이 검증했으며, 권위 있습니다.
"여기 제 학위증과 재직증명서입니다 — 저는 어떤 상황인가요?" — 그것은 그들의 자료입니다. 한 고객에게 속하고, 흔히 민감하며, 다른 누구에게도 무의미합니다.
agent4.io는 이것들을 두 개의 별도 시스템으로 보관하며, 의도적으로 구현을 공유하지 않습니다:
| 테넌트 지식 베이스 | 고객 지식 베이스 | |
|---|---|---|
| 소유자 | 당신, 사업체 | 한 최종 고객 |
| 담는 것 | 규정, 가격, 정책, 상품 조건 | 그들의 문서, 증명서, 서신 |
| 격리 | API에서 테넌트로 필터링 | 데이터베이스로, 고객과 스페이스별로 강제 |
| 저장 시 | 암호화 안 됨 — 당신이 게시한 자료 | 그 고객 자신의 키로 암호화됨 |
| 관리 주체 | 당신의 관리자, 게시 전 검토 | 고객이 진행하며 업로드 |
왜 실제 답에는 둘 다 동시에 필요한가
이민 문의를 예로 들어 봅시다. "이 경로의 급여 기준을 제가 충족하나요?"
기준은 당신의 테넌트 지식 베이스에 있습니다 — 당신 회사가 검증한 현재 규칙. 그들의 급여는 그들 자신의 것에 있습니다 — 지난주에 업로드한 재직증명서. 어느 절반도 질문에 답하지 않습니다. 당신의 문서만 가진 에이전트는 규칙을 암송하고 고객에게 비교를 해 달라고 요청할 수 있고, 그들의 문서만 가진 에이전트는 그들의 급여를 알지만 그것이 무엇을 넘어야 하는지는 전혀 모릅니다.
둘 다 같은 질문에서 검색되고, 답은 그 비교입니다.
그것들이 혼동되지 않게 막는 부분
검색된 구절은 하나의 통에 부어지지 않습니다. 각 출처는 자신만의 틀과 함께 자신만의 블록으로 도착합니다:
- 당신의 자료는 권위 있음 — 따라야 함으로 소개되며, 각 지식 베이스는 당신이 쓴 모델을 위한 자체 지침을 지닙니다. 규정 베이스는 이렇게 말할 수 있습니다: 이것이 검증된 현재 규칙이다; 이것을 근거로 답하고, 사전 지식에 기대지 말며, 여기에 다뤄지지 않았다면 그렇게 말하라.
- 고객의 자료는 참고용으로 소개됩니다 — 그들의 것이고, 유용하며, 정책의 출처는 아닙니다.
그 구별이 "당신 회사의 수수료는 X이다"와 "고객이 업로드한 문서에 그렇게 적혀 있어서 고객이 수수료가 X라고 믿는다"의 차이입니다. 그 둘을 구별하지 못하는 에이전트는 결국 고객 자신의 실수를 당신의 정책인 것처럼 그들에게 되돌려 인용할 것입니다.
관련 구절이 없는 지식 베이스는 아무것도 기여하지 않습니다 — 헤더조차도. 관련성은 모델이 무엇이든 보기 전에 벡터 거리로 결정되므로, 무관한 베이스가 그 주의를 소모하며 앉아 있지 않습니다.
지식 베이스별 엄격도 조정
각 지식 베이스는 자신만의 관련성 하한선을 가집니다. 알맞은 신중함의 수준이 어디서나 같지 않기 때문입니다. 규정 베이스는 엄격해야 합니다 — 하한선 아래에서는, 아무것도 반환하지 않고 "그건 제가 가지고 있지 않습니다"라고 답하는 것이 옳으며, 다른 경로에 관한 근접한 오답 문단보다 훨씬 낫습니다. 일반 FAQ는 더 느슨할 수 있으며, 거기서는 대략 관련된 답도 여전히 도움이 됩니다.
지식 베이스는 학습 세트가 아닙니다. 당신이 업로드하는 어떤 것도 모델을 바꾸지 않습니다; 그것은 모델이 답하는 순간에 무엇을 읽도록 허용되는지를 바꿉니다. 그래서 문서를 고치면 미래의 모든 답이 즉시 고쳐집니다 — 재학습도, 재배포도 없이.
자주 묻는 질문
- 에이전트가 쓸모 있어지려면 자료가 얼마나 필요한가요?
- 대부분이 예상하는 것보다 적습니다. 고객이 실제로 묻는 것에 답하는 몇 페이지 — 가격 산정 논리, 서비스 범위, 절차, 흔한 반론 — 가 문서 아카이브 전체보다 낫습니다. 검색은 가장 큰 파일이 아니라 질문에 답하는 구절을 찾기 때문입니다.
- 문서끼리 서로 모순되거나 오래되면 어떻게 되나요?
- 에이전트는 검색해 온 것을 근거로 답하므로, 오래된 문서는 오래된 답을 만듭니다. 지식 베이스를 정확하게 유지하는 것은 당신이 맡는 관리 작업입니다: 대체된 문서는 옆에 새 문서를 더하지 말고 교체하고, 답이 이상해 보이면 에이전트가 무엇을 인용했는지 확인하세요.
- 문서를 다시 편집해서 올려야 하나요?
- 아니요. 파일은 자동으로 수집되어 검색용으로 분할되며, PDF와 텍스트 레이어가 없는 스캔 페이지는 시각적으로 읽힙니다. 더 짧고 질문 형태에 가까운 절로 쓰면 검색에 도움이 되지만, 그것은 개선 사항이지 전제 조건이 아닙니다.
- 고객마다 다른 지식을 보게 할 수 있나요?
- 네 — 지식은 에이전트에 연결되며, 각 최종 고객 자신의 업로드와 기록은 그들 자신의 스페이스에 남습니다. 한 고객의 문서는 결코 다른 고객에게 보이지 않습니다.
에이전트가 누구인지에 대한 상시적 서술 — 그 성격, 어조, 타협 불가능한 원칙 — 으로, 그것이 마침 하고 있는 일과는 별도로 보관됩니다.
이름이 붙은 능력 묶음 — 언제 사용하는지에 대한 짧은 설명, 더 상세한 지침, 그리고 그것이 열어 주는 도구들 — 으로, 에이전트는 관련이 있을 때만 이를 불러옵니다.
Model Context Protocol — 에이전트를 외부 도구 및 데이터에 연결하기 위한 개방형 표준으로, 시스템이 AI 제품마다 한 번씩이 아니라 자신의 능력을 한 번만 노출하게 합니다.
하나로 혼동되곤 하는 세 가지 서로 다른 일 — 지식 베이스는 사실을 담고, MCP 도구는 모델이 즉흥적으로 처리하게 둘 수 없는 계산을 수행하며, Skill은 그중 무엇을 꺼낼지 결정하는 절차입니다.
원하는 행동의 예시로 모델의 학습을 이어 가서, 그 행동이 매 요청마다 요구하는 것이 아니라 기본값이 되게 하는 것. 모델이 무엇을 아는지가 아니라 어떻게 작동하는지를 바꿉니다.