<div id="readability-page-1" class="page"><article><div><p>안녕하세요! 모바일 개발자 경험 팀의 @giginet입니다. 평소에는 LINE iOS 앱을 중심으로 빌드 시스템과 개발 환경을 정비하고, 개발자 경험을 향상하기 위한 업무를 하고 있습니다.</p>
<p>최근 LY Corporation에서 사내 임직원을 대상으로 진행하고 있는 <a href="https://techblog.lycorp.co.jp/ko/start-orchestration-development-workshop" target="_blank">Orchestration Development Workshop</a>의 다섯 번째 워크숍에서 대량의 마크다운 문서를 검색하는 간단한 RAG(retrieval-augmented generation) 시스템을 구축하고 <a href="https://agentskills.io/home" target="_blank">에이전트 스킬</a>을 활용해 검색 경험을 향상하는 워크숍을 맡아 진행했습니다. 이번 글에서는 이 워크숍 내용을 소개하겠습니다.</p>

<p>RAG는 AI 에이전트가 참조할 수 있는 별도 지식을 제공해 보다 정확하고 신뢰할 수 있는 응답을 생성하도록 만드는 기법입니다.</p>
<p>대규모 애플리케이션을 개발할 때에는 다양한 문제가 늘 발생합니다. 예를 들어 새로운 의존성을 도입하고 싶거나 빌드 에러가 발생했을 때 혹은 아키텍처를 어떻게 준수해야 할지 모르는 등의 문제가 발생합니다. 이런 문제를 해결하기 위해 현재 LINE 앱 개발 팀에는 개발자를 위한 문서와 가이드라인을 다수 보유하고 있지만 문서를 읽고 규칙을 파악하거나 정보를 검색하는 데 많은 시간이 소요됩니다. 관련 전문 지식을 가진 팀원에게 질문해 해결할 수도 있겠지만 이런 경우 질문하는 쪽과 답변하는 쪽 모두 시간과 노력이 소모됩니다. 따라서 대량의 데이터를 자연어로 검색하거나 AI 에이전트가 효율적으로 활용할 수 있는 구조가 필요했습니다.</p>
<p>이번 워크숍에서는 이러한 상황을 가정하고 자연어로 작성한 대량의 문서를 AI 에이전트가 효율적으로 참조하는 방법을 모색했습니다.</p>
<h2 id="chromadbrag">ChromaDB를 활용해 간단한 RAG 시스템 구축하기</h2>
<p>이번 워크숍에서는 RAG 시스템을 구축하기 위해 <a href="https://www.trychroma.com/" target="_blank">ChromaDB</a>라는 오픈소스 벡터 DB를 사용했습니다. ChromaDB는 로컬 환경에서 작동하며 Python과 JavaScript용 클라이언트 라이브러리를 제공해 데이터를 간단히 적재할 수 있는 벡터 DB입니다.</p>
<p>또한 <a href="https://github.com/swiftlang/swift-evolution" target="_blank">Swift Evolution</a>이라는 Swift 언어의 사양 제안 문서를 정형화된 대량의 마크다운 문서를 다루는 예제로 사용했습니다. Swift Evolution은 오픈소스 Swift 개발 과정에서 도출된 언어 사양과 논의 과정 등을 담고 있는 약 500건 정도의 기술 문서입니다. 형식이 일정 부분 통일돼 있고, 각 문서에는 ‘SE-0400’과 같은 ID가 부여돼 있으며, 구현 상태나 작성자 정보 등의 메타데이터를 포함하고 있어 예제로 사용하기에 적합했습니다.</p>
<p>워크숍 전반부에서는 ChromaDB를 사용해 로컬 환경에 Swift Evolution을 적재한 DB를 구축하고, MCP 도구를 통해 코딩 에이전트(Claude Code)에서 이 DB를 참조하는 과정으로 실습을 진행했습니다.</p>
<p>그 결과 아래와 같이 코딩 에이전트에서 Swift Evolution 내용을 참고할 수 있게 되었습니다.</p>
<figure><img src="https://vos.line-scdn.net/landpress-content-v2-vcfc68aynwenkh3bno0ixfx8/88c02aa9781f4ce3a39faf75d1d3baf0.jpeg?updatedAt=1777300922000" width="711" height="1024" alt="코딩 에이전트에서 Swift Evolution 내용을 참고하는 장면">
<figcaption>AI 번역 이미지</figcaption>
</figure>
<h2 id="agentskillsrag">에이전트 스킬로 RAG 시스템을 더욱 편리하게 활용하기</h2>
<p>다음으로 에이전트 스킬을&nbsp;활용해 앞서 구축한 시스템을 더욱 편리하게 사용할 수 있도록 개선하는 방법을 소개했습니다.</p>
<p>MCP 구조에서는 <a href="https://github.com/chroma-core/chroma-mcp" target="_blank">chroma-mcp</a>가 제공하는 도구 사용법, 즉 ‘벡터 DB를 검색하려면 이 도구를 사용한다’는 정보만 AI 에이전트의 컨텍스트에 공유됩니다. 따라서 DB에서 Swift Evolution 내용을 검색하려면 해당 정보가 DB에 포함돼 있다는 것과 어떤 컬렉션 및 메타데이터를 활용해야 하는지 에이전트에게 알려줄 필요가 있습니다.</p>
<p>이를 위해 이번에는 ‘Swift Evolution 지식을 검색하려면 ChromaDB를 MCP를 통해 참조한다’는 지식을 가진 스킬을 만들어 MCP 도구 이용을 간소화하는 방법을 소개했습니다.</p>
<pre><code>---
name: searching-swift-evolution
description: Search Swift Evolution proposals (SE-XXX/ST-XXX) using the vector database to answer Swift language specification questions.
---

# Searching Swift Evolution

Search Swift Evolution proposals via Chroma MCP.

## Database

- **Collection**: `swift-evolution`
- **Document IDs**: Proposal numbers (e.g., `SE-0255`, `ST-0001`)
- **Metadata**: `Status` (implementation status), `Authors`, etc.

## Usage

- Query in English for best results
- Use `Status` metadata to check implementation status
- If output truncated, reduce `n_results`
</code></pre>
<pre></pre>
<p>이를 통해 다음과 같이 ‘SE-0500을 조사해줘’와 같은 최소한의 지시만으로 Swift Evolution 내용을 검색할 수 있게 되었습니다.</p>
<figure><img src="https://vos.line-scdn.net/landpress-content-v2-vcfc68aynwenkh3bno0ixfx8/7f480b2dbf3242559e65bbaa9e907b13.png?updatedAt=1777300439000" width="1000" height="auto" alt="스킬에 DB 사용법을 학습시켜 MCP 도구 호출 간소화">
<figcaption>AI 번역 이미지</figcaption>
</figure>
<p>또한 본 워크숍에서는 다음과 같이 에이전트 스킬의 일반적인 작동 메커니즘과 스킬 작성 모범 사례(<a href="https://platform.claude.com/docs/ko/agents-and-tools/agent-skills/best-practices" target="_blank">참고</a>), 실용적인 스킬 작성하는 방법도 설명했습니다.</p>
<figure><img src="https://vos.line-scdn.net/landpress-content-v2-vcfc68aynwenkh3bno0ixfx8/d9d4e0cb372647e7b2e8fe5e3a2c0c62.png?updatedAt=1777428950000" width="1420" height="822" alt="Agent Skills의 작동 원리 심층 분석">
<figcaption>AI 번역 이미지</figcaption>
</figure>
<p>워크숍 후반부에서는 이 구조를 활용해 참가자가 각자 준비한 마크다운 문서를 DB에 적재한 뒤 필요한 정보를 적절히 검색하는 스킬을 작성하는 실습을 진행했습니다. 이후 이 DB를 사내 클라우드인 Flava(<a href="https://techblog.lycorp.co.jp/ko/ly-corporation-next-generation-cloud-platform-flava-introduction" target="_blank">참고</a>)에 배포해 다른 구성원과 공유하는 방법도 소개했습니다.</p>
<h2 id="rag-1">워크숍에서 구축한 RAG 시스템 활용 예시</h2>
<p>이 RAG 시스템은 어떻게 활용할 수 있을까요? 가장 먼저 떠오르는 활용 사례는 자연어 검색을 통한 문서 검색 정확도 향상입니다. 앞서 언급한 것처럼 개발자가 자연어로 개발 관련 질문을 할 수 있게 되는 것만으로도 문서 접근성이 크게 개선됩니다.</p>
<p>또한 에이전트 스킬이나 Claude Code의 서브 에이전트 구조와 연계하면 코드 생성이나 리뷰 프로세스에서도 효과를 기대할 수 있습니다. 코딩 에이전트가 스스로 문서를 검색할 수 있게 되면 관련 지식을 RAG에서 가져와 이를 기반으로 코드를 생성하거나 리뷰를 수행할 수 있습니다.</p>
<h2 id="">전사 워크숍 진행 후기</h2>
<p>이번 워크숍은 강사를 포함한 몇 명의 발표자(mock participants)가 실제로 내용을 시연하는 형태로 온라인으로 진행했고, 1,000명 이상이 참여해 매우 성황을 이뤘습니다(덕분에 정말 많이 긴장했습니다).</p>
<p>워크숍이 성과를 거두려면 강의 파트와 실습 파트의 균형이 중요합니다. 실습 위주일 경우 본질을 이해하지 못한 채 절차만 따라가기 쉽고, 강의 위주일 경우 집중력이 떨어질 수 있습니다. 이 균형을 고려해 신중하게 워크숍을 구성한 결과 강의 파트에서는 에이전트 스킬의 핵심 개념을 간결하게 전달할 수 있었고, 실습 파트에서는 모의 참가자 역할을 담당한 발표자가 실제 업무에서 사용하는 문서를 활용해 구체적인 응용 사례를 보여줄 수 있었습니다.</p>
<h2 id="-1">마치며</h2>
<p>이번 글에서는 대량의 마크다운 문서를 검색하는 간단한 RAG(retrieval-augmented generation) 시스템을 구축하고 에이전트 스킬을 활용해 검색 경험을 향상하는 워크숍 내용을 소개했습니다. Orchestration Development Workshop에서 또 다른 워크숍이 궁금하시다면 아래 기사 목록을 참고해 주시기 바랍니다.</p>
<ul><li><a href="https://techblog.lycorp.co.jp/ko/orchestration-development-workshop-article-list" target="_blank">Orchestration Development Workshop 시리즈 기사 목록</a></li></ul></div></article></div>

LINE ENGINEERING

안녕하세요! 모바일 개발자 경험 팀의 @giginet입니다. 평소에는 LINE iOS 앱을 중심으로 빌드 시스템과 개발 환경을 정비하고, 개발자 경험을 향상하기 위한 업무를 하고 ...

ODW #5: 벡터 DB와 에이전트 스킬로 RAG 시스템 만들기

댓글