공공기관 규정 MCP 생성기

AI 코딩으로 만들었지만 런타임에는 AI를 부르지 않고 규칙과 원문 발췌만으로 같은 입력에 같은 결과를 내는 취합·변환·검색·시각화 도구다.

PAX 사례 413건이 이 부품을 쓴다

맥락

AI 코딩 도구(A7)로 기관 인력이 직접 만든 자생 도구가 대부분이다(PAX 557건 가운데 주 부품이 B0인 사례 390건, 70%). 로컬 PC 완결이나 폐쇄망 이식이 필요한 업무, 판정 재현성이 감사에서 중요한 업무에도 맞는다. model_dependency가 '없음(비LLM)'으로 확인될 때만 해당한다.

맞서는 힘(긴장)

• 재현성·설명 가능성 vs 비정형 입력을 다루는 유연성
• 로컬 완결의 보안 이점 vs 기관 전이 시 처리 로그(C4)와 인수인계가 사라지는 문제
• 규칙을 코드에 넣는 단순함 vs 규정이 바뀔 때마다 사람이 규칙을 고쳐야 하는 유지 부담

해법

업무 절차를 입력 형식(A10 어댑터)과 처리 규칙으로 나누고, AI 코딩 도구(A7)는 개발 시점에만 써서 규칙 코드와 화면을 만든다. 런타임에는 모델을 호출하지 않으므로 같은 입력에 같은 결과가 나오고 인터넷 없이 로컬에서 돈다. 판정이 필요한 경우에도 결정적 규칙 엔진이 낸다. 비정형 입력을 다뤄야 하는 단계가 생기면 그 단계만 B1·B3로 승격하고 결정적 부분은 전처리로 남긴다. 부서 밖으로 옮길 때는 라이선스·저장소·처리 로그를 함께 갖춘다.

이럴 때 쓴다

• 입력이 정형(엑셀·서식)이고 처리 결과를 규칙으로 정의할 수 있을 때
• 파일이 PC 밖으로 나가면 안 되거나 폐쇄망·로컬 완결이 필요할 때
• 판정 재현성이 필요해 같은 입력에 늘 같은 결과가 나와야 할 때(규칙 점검기, 결정론 점수 엔진)
• LLM 도입 전에 데이터·기준선을 정비하는 단계일 때

이럴 때는 쓰지 않는다

• 비정형 문서의 요약·초안처럼 규칙으로 산출물을 정의할 수 없을 때(B1)
• 질문이 다양해 규정·선례 접지가 필요한 상담일 때(B3)
• 학습 모델의 수치·등급 예측이 핵심 산출물일 때(B2)

얻는 것

• 재현성과 감사 가능성
• 폐쇄망·로컬 이식이 가장 쉬움
• 모델 호출 비용과 모델 장애 위험이 없음
• B1·B3의 전처리 부품으로 승격할 자산

점검표

• 런타임에 LLM·ML 호출이 전혀 없는가
• 규칙 표가 코드와 별도로 문서화되어 있는가
• 같은 입력에 같은 결과가 나오는지 확인했는가
• 라이선스와 저장소 위치가 명시되어 인수인계가 가능한가

구조 — 참여 부품

• A7 자체 제작 환경 — 개발 시점에 AI 코딩으로 규칙 코드와 화면을 만드는 곳
• A10 문서 형식 어댑터 — HWP·HWPX·엑셀 입출력
• 규칙 엔진 — 조건→결과 표에 따라 결정적으로 취합·판정·정렬
• 담당자 — 결과를 받아 쓰고 규칙 변경을 요청

변형

• 문서·엑셀 자동화: 부서별 제출 파일 취합·병합·서식 변환(카드 기본 변형)
• 데이터 탐색·시각화: 공공데이터·내부 데이터를 지도·차트·대시보드로 보여 준다(카드 기본 변형)
• 전문 검색: 키워드·색인 기반 원문 검색(카드 기본 변형)
• MCP 도구 제공: MCP 서버만 있는 사례다. 서버 자체는 결정적 도구이고 AI는 호스트 쪽에 있다(§10.3, A8 동시 태깅)
• 도구 허브·링크 큐레이션: 흩어진 업무 도구·링크를 한 화면에 모은다(R15)
• 데스크톱 유틸리티·RPA·매크로: PC 반복 조작 자동화(R15)
• 규칙 편성·최적화: TSP·스케줄링 등 비학습 알고리즘으로 배정·동선을 편성한다(R15)
• 알림·컨텍스트 복귀 도구: 마감·할 일 알림, 작업 맥락 복귀(R15)
• 실시간 현황판: 다중 역할별 화면 분리 현황판(R15)
• 업무 절차·법적 근거 흐름도 정리: 절차와 근거 조문을 흐름도로 정리(R15)
• 결정적 재식별·엔티티 매칭: 규칙 기반 동일 개체 판별·병합(R15)
• 결정론 점수 엔진: 규칙 점수화로 순위·등급을 낸다. 유형 5a·11에서 A2.5의 대안으로 인정된다(R10, §7.3 ⑪)
• AI 무관 행정정보시스템(취급 기준): AI 런타임이 전혀 없는 순수 행정시스템도 B0으로 태깅하고 X1을 명시하며, 통계에서는 각주로 처리한다(R24)

참조 구현 예

• PAX 내편이음 — 인수인계 정리본(카드 참조 구현)
• PAX VHLookup — 엑셀 마스킹·병합(카드 참조 구현)
• PAX 북적북적 제주 인파 지도 — 데이터 탐색·시각화(카드 참조 구현)
• PAX GatherFlow — 엑셀·한셀 취합, 폐쇄망(§7.3 유형 ⑧)

관련 부품

A7 선행 — 개발 시점의 제작 환경 · A10 짝 — 공공 문서 형식 입출력 · B1 승급 경로 — 비정형 초안 단계가 생기면 · B3 승급 경로 — 유형 ⑨ 'B0 문서 정리 → B3 접지' · B′9 규칙 엔진 공유 — LLM 추출 뒤 판정을 맡는 결정적 부분 · A8 MCP 도구 제공 변형이 A8 공통 서비스의 공급원

참고 자료

GoF Command · Microservice Client-side UI Composition · PAX 원칙 '바이브 코딩 사실만으로 Enabled 아님'

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

기관 규정·매뉴얼·사례 문서에 접지(RAG)해 질문에 답하고, 답마다 출처를 붙이며, 근거가 없으면 답하지 않고 담당자에게 넘긴다.

PAX 사례 48건이 이 부품을 쓴다

맥락

규정·매뉴얼·FAQ·사례가 문서로 쌓인 기관에서 내부 검색·검수, 대민 자동응답, 폐쇄망 로컬 검색에 쓴다. PAX 557건에서 주 부품이 B3인 사례는 31건으로 B0·B1 다음이다. 유형 ① 대민 상담·안내의 기본 조립이기도 하다.

맞서는 힘(긴장)

• 답변 범위 vs 환각 위험(근거 밖 답변 금지)
• 대민 자동응답의 효율 vs 예외 건 이관 필요
• 검색 품질 개선 vs 평가 세트 없이는 개선을 잴 수 없음
• 폐쇄망 요구 vs 로컬 임베딩·모델 품질

해법

기관 문서를 A1 자산으로 정리해 임베딩·색인하고, 질문이 오면 검색한 근거 범위 안에서만 모델이 답하게 한다. 답에는 출처(F1)를 상시 붙이고, 근거가 없으면 '확인 불가'로 답하거나 담당자·소관기관으로 이관한다(B′2). 검색 품질은 Hybrid Retriever·Query Rewriting·Reranker로 높이되, 변경마다 C9 평가 세트로 잰다. 대민형은 한계 안내(F7)와 폴백(C7)을 두고, 문서 갱신 주기를 C6으로 정한다.

이럴 때 쓴다

• 같은 질문이 반복되고 답의 근거가 기관 문서에 있을 때
• 답변에 조문·문서 출처를 반드시 붙여야 할 때
• 유형 ① 대민 상담·안내, 유형 ⑦ 법령 접지 점검

이럴 때는 쓰지 않는다

• 평가 세트가 없어 검색 품질을 잴 수 없을 때(먼저 C9, X10)
• 질문 유형이 몇 개로 정해져 행동 선택기(S4)나 규칙 조회로 충분할 때
• 문서를 요약해 초안을 쓰는 것이 핵심이면(B1)

얻는 것

• 답변에 근거를 댈 수 있음
• 반복 질의 처리 시간 단축
• 범정부 엔진 + 기관별 코퍼스로 공유 가능

점검표

• 답마다 출처가 표시되는가
• 근거가 없을 때 답하지 않고 이관하는가
• 평가 세트로 검색·답변 품질을 재고 있는가
• 코퍼스 갱신 주기와 책임자가 정해져 있는가

구조 — 참여 부품

• A1 데이터 자산 서비스 — 코퍼스 정제·등급 메타
• A2 모델 서빙 계층 — 임베딩·생성 모델(폐쇄망이면 로컬)
• 검색기 — 벡터·키워드 검색, 재작성·재순위
• C5 가드레일 필터 — 출처 검증·근거 밖 답변 차단
• F1 출처 표시 — 근거 문서·조문을 답에 표시
• 담당자 — 내부형 검수, 대민형 예외 건 처리

변형

• 내부 검수형: 직원이 쓰고 답을 검수(Enabled)
• 대민 자동응답형: 국민에게 직접 답하고 예외만 이관(이관 분기가 있으면 First)
• 폐쇄망 로컬 RAG: 내부망 LLM + 로컬 임베딩·벡터DB
• 검색 품질 하위 항목: Hybrid Retriever(벡터+키워드)·Query Rewriting·Reranker. 태깅 시 variant에 기재(Fowler)
• 그래프 RAG: A6 지식그래프를 검색에 결합(rag_type = Graph)

참조 구현 예

• PAX 전북AI — 자체 구축, 이용 10만 건(카드 참조 구현)
• PAX 소방기술민원 답변생성기 — 관리자 승인·적재, '유권해석 아님' 고지(카드 참조 구현)
• PAX bfcd190155ae69f7 — 코레일유통 그래프RAG 사내검색, 개인 시범 구축 → 기관 공식 플랫폼(§13)

관련 부품

C9 선행 — 평가 세트 없이 검색 품질을 개선할 수 없음 · F1 이용자 쪽 대응 — 출처 표시 · B′2 배선 — 근거 없거나 예외인 질문을 담당자로 이관 · A6 선택 부품 — 그래프 RAG · S2 보안 짝 — 등급 문서가 섞인 코퍼스의 권한 인식 검색 · C7 대민 상시 서비스의 폴백

참고 자료

Fowler RAG·Hybrid Retriever·Query Rewriting·Reranker · Gulli ch.14 RAG · computer.org RAG · GoF Proxy·Facade, Microservice Aggregator

이 부품과 이어지는 가이드라인

• 공공부문 AI 도입·활용 가이드 행정안전부·NIA, 2026.6. 현행 핵심.
• 공공데이터의 인공지능 친화적 관리 가이드라인 행정안전부·NIA, 2026. v1.1 개정 공지(2026.8.4).
• 2026 인공지능 윤리기준 실천 자율점검표 과학기술정보통신부·KISDI, 2026.2.
• 생성형 인공지능의 저작물 학습에 대한 저작권법상 공정이용 안내서 문화체육관광부·한국저작권위원회, 2026.2.26 발간. 4종 모음 게시물에 수록.

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

한 단계의 출력을 다음 단계의 입력으로 넘기는 고정 순서 배선이다. 한 프롬프트에 많은 일을 몰아 시켜 품질이 떨어지는 문제를 막는다.

PAX 사례 109건이 이 부품을 쓴다

맥락

B4 인식 파이프라인의 기본 배선이며, B1·B0·B5 안에서도 흔하다. 단계 순서가 업무 절차로 미리 정해져 있고 AI가 순서를 고를 필요가 없을 때 쓴다.

맞서는 힘(긴장)

• 디버깅·출처 추적의 쉬움 vs 병렬화 불가로 인한 지연
• 단계 분리의 품질 이점 vs 단계가 늘수록 오류 누적
• 고정 순서의 예측 가능성 vs 예외 경로 처리의 경직성

해법

업무 절차를 단계로 나누고 각 단계의 입력·출력 형식을 정해 앞 단계 출력을 다음 단계에 넘긴다. 단계 사이에 형식 검증(스키마)을 두어 오류가 번지기 전에 멈추고, 멈춘 건은 C1 검토 큐나 C3 재처리로 보낸다. 판정·산수 단계는 가능한 한 규칙(B′9)으로 두고 모델은 추출·서술 단계만 맡긴다. 단계 순서를 AI가 바꿔야 한다면 B′8이나 B′7로 옮긴다.

이럴 때 쓴다

• 업무 절차가 고정 순서로 정해져 있을 때
• 각 단계를 따로 검증·추적해야 할 때(유형 ② 접수·심사, ⑧ 취합·변환)
• 단일 에이전트에서 시작하는 첫 배선일 때

이럴 때는 쓰지 않는다

• 하위 작업이 서로 독립이라 동시에 돌려야 지연이 줄 때(B′3)
• 입력에 따라 AI가 다음 도구를 골라야 할 때(B′7)
• 긴 업무를 계획부터 세워야 할 때(B′8)

얻는 것

• 디버깅과 출처 추적이 쉬움
• 단계별 품질 검증 가능
• 구현이 가장 단순

점검표

• 단계마다 입력·출력 형식이 정의되어 있는가
• 단계 사이 검증에서 실패하면 멈추는가
• 단계별 중간 결과를 추적할 수 있는가

구조 — 참여 부품

• 단계 처리기 — 각 단계에서 추출·변환·작성 수행
• 단계 간 형식 검증 — 다음 단계로 넘기기 전 스키마 확인
• C3 상태 머신·롤백 — 실패 단계 재처리

관련 부품

B4 기본 배선 — 인식 파이프라인 · B′8 대안 — 순서를 계획으로 정할 때 · B′9 짝 — 판정 단계를 규칙으로 · C3 기록처·되돌림 — 실패 단계 재처리

참고 자료

Google ADK #1 Sequential · Gulli ch.1 Prompt Chaining · Heiland Multi-layer · adaptive.live 프롬프트 체이닝

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

HWP·HWPX·엑셀·한셀·PDF 같은 한국 공공 문서 형식을 AI 부품이 읽고(구조화) 쓰게(서식 생성) 하는 변환 계층이다.

PAX 사례 136건이 이 부품을 쓴다

맥락

문서를 입력으로 받거나 기안·보고서·취합본을 산출하는 과제라면 거의 다 쓴다. 유형 2·4·8에서는 필수 기반이고 유형 6·7에서도 쓰인다. E1 로컬 PC 조건에서 도는 경우가 많다.

맞서는 힘(긴장)

• 형식 충실도(표·각주·조항 구조 보존) vs 파서 구현 비용
• 로컬 처리(무반출) vs 클라우드 변환 도구의 편의
• 기관별 서식 다양성 vs 공통 어댑터 재사용

해법

입력 쪽에서는 HWPX 압축 구조·PDF에서 조·항·호·별표 계층과 표를 보존해 구조화 텍스트·표로 바꾸고, 머리말·각주 같은 잡음을 걷어 조항 단위로 정규화한다. 출력 쪽에서는 스킬(A9)의 출력 서식을 받아 HWPX·XLSX 기안 서식을 역방향으로 생성한다. 민감 문서는 PC 밖으로 보내지 않도록 로컬에서 변환하고, 파서를 라이브러리·CLI·MCP로 함께 제공하면 다른 부품과 기관이 그대로 쓴다. 형식 변환 정확도는 C9 판정 체계로 잰다.

이럴 때 쓴다

• 입력이 HWP·HWPX·엑셀·PDF 공공 문서일 때
• 산출물을 기안·보고 서식으로 내보내야 할 때
• 유형 2·4·8 조립

이럴 때는 쓰지 않는다

• 스캔 이미지·음성처럼 인식이 필요한 입력은 B4 인식 파이프라인(OCR·STT)
• 입출력이 이미 정형 데이터·API인 경우

얻는 것

• 공공 문서를 AI 입력·출력으로 연결
• 기관 간 재사용 가능한 공통 부품
• 로컬 처리로 무반출

점검표

• 표·조항 계층이 변환 후에도 보존되는가
• 출력이 기관 기안 서식 그대로 열리는가
• 민감 문서가 변환 과정에서 PC 밖으로 나가지 않는가
• 변환 정확도 판정 기록이 있는가

구조 — 참여 부품

• 입력 파서 — 조·항·호·표 구조를 보존해 구조화
• 서식 생성기 — 구조화 결과를 HWPX·엑셀 서식으로 출력
• A9 업무 규범 스킬 — 출력 서식 규범 제공
• B3 지식 접지 상담 — 구조화된 규정을 색인해 검색

변형

• 규정 구조 파서: HWP/HWPX·PDF 규정을 조항 단위로 정규화한다.
• 엑셀·한셀 취합: 폐쇄망에서 엑셀·한셀 파일을 취합한다(GatherFlow).
• 서식 출력: HWPX 직무기술서·보도자료 등 공공 서식으로 역방향 생성한다(NCS JD, ReleasePick 입력).
• 완결형 문서 엔진: HWP/HWPX 파싱·조판·렌더링·편집·PDF 출력을 자체 구현하고 MCP·CLI로 제공한다(PAX e18d5e018e0cd10d).
• AI 친화 병행 등록: 기관이 발간자료를 마크다운으로 함께 등록하도록 표준화한다(PAX 17329009668eb397).

참조 구현 예

• PAX GatherFlow — 엑셀·한셀 취합(폐쇄망)(§6 A10 카드)
• PAX 7ad16f34cfb6cca7 — HWP·HWPX·PDF에서 신구대비표 초안을 로컬 생성(§13 A10)
• PAX e18d5e018e0cd10d — HWP/HWPX 파싱·조판·렌더링·편집·PDF 출력 + MCP·CLI(§13 A10)

관련 부품

A9 짝 — 스킬 출력 서식 · B4 경계 — 인식이 필요한 입력 · A12 대칭 — 사람 쪽 모달리티 어댑터 · A7 짝 — 유형 8 필수 · B0 소비처 — 문서·엑셀 자동화

참고 자료

GoF Adapter

이 부품과 이어지는 가이드라인

• 공공데이터의 인공지능 친화적 관리 가이드라인 행정안전부·NIA, 2026. v1.1 개정 공지(2026.8.4).

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

오픈웨이트 모델을 기관 서버·폐쇄망·로컬 PC 안에서 Ollama·vLLM 등으로 구동해 데이터를 기관 밖으로 내보내지 않고 추론한다.

PAX 사례 54건이 이 부품을 쓴다

맥락

E1은 폐쇄망·행정망·로컬 PC, E2는 해외 오픈웨이트(로컬) 또는 국산 오픈웨이트, E5는 S 이상이다. 폐쇄망 B3·B6·B8, 유형 3(현장 폐쇄망 서버 추론), 유형 12 개발 코파일럿은 이 변형을 기본으로 쓴다.

맞서는 힘(긴장)

• 데이터 주권 vs 상용 최신 모델 대비 성능
• GPU·서버 고정비 vs 종량 과금
• 모델 운영·갱신 역량 vs 외부 의존 제거
• 저사양 장비 구동 vs 모델 크기

해법

오픈웨이트 모델을 기관 안에 설치하고 서빙 계층(Ollama·vLLM·LM Studio 등)으로 업무 부품에 노출한다. 임베딩 모델도 로컬로 두어 B3 검색까지 망 안에서 끝낸다(§5 E1 폐쇄망 행 '로컬 임베딩'). 모델 선정은 C9 평가 세트로 상용·온프레미스 후보를 같은 조건에서 비교해 정한다. 폐쇄망에서 C7 경로는 수동 전환·다른 로컬 모델로 제한되므로 둘 이상의 로컬 모델이나 수동 절차를 미리 둔다. 모델·패키지 반입은 S11 인제스천 검증을 거친다.

이럴 때 쓴다

• E1이 폐쇄망·행정망이거나 문서가 PC 밖으로 나가면 안 될 때
• E5가 S 이상인데 내부망 프록시(A2.4)를 쓸 수 없을 때
• 현장 폐쇄망 서버에서 추론해야 하는 유형 3
• C7의 대체 경로로 로컬 모델을 둘 때

이럴 때는 쓰지 않는다

• 추론 인프라·운영 인력을 확보할 수 없을 때
• 현장 기기 자체에서 돌아야 하면 A5(엣지 런타임)
• 모델을 재학습했으면 A2.3

얻는 것

• 데이터가 기관 밖으로 나가지 않음
• 호출 비용이 고정비로 바뀜
• 폐쇄망에서도 LLM 사용 가능
• C7의 대체 경로 후보

점검표

• 추론·임베딩 어디에서도 데이터가 망 밖으로 나가지 않는가
• 모델 선정 근거(평가 세트 비교)가 남아 있는가
• 반입한 모델·패키지의 무결성 검사 기록이 있는가
• 대체 로컬 모델 또는 수동 전환 절차가 있는가

구조 — 참여 부품

• A2 서빙 계층 — 로컬 모델을 업무 부품에 노출
• 오픈웨이트 모델·로컬 임베딩 — 기관 안에서 추론·색인
• GPU 서버 또는 워크스테이션 — 추론 인프라
• S11 인제스천·공급망 검증 — 폐쇄망 반입 모델·패키지 검사

변형

• 기관 서버형: vLLM 등으로 기관 GPU 서버에서 다수 이용자에게 서빙한다.
• 로컬 PC·워크스테이션형: Ollama·LM Studio로 개인 PC나 단일 워크스테이션에서 돌린다(온나라 sAIde).
• 범정부 공통기반 내부망 설치형: 국산 독자모델·오픈웨이트를 공통기반 내부망에 직접 설치해 여러 부처에 제공한다(PAX 행정안전부 사례).

참조 구현 예

• PAX 58420e002644542c — 행정안전부, 엑사원·Gemma4를 범정부 공통기반 내부망에 설치해 약 8천 명에 롤아웃(§13 A2.2)
• PAX 01963ce2b093182c — 양산시, 저사양 온프레미스 로컬 LLM으로 보고서 작성 전 과정을 폐쇄망 안에서 처리(§13 A2.2)
• PAX 온나라 sAIde — 온나라 사이드패널 + 로컬 Ollama 요약(§9)

관련 부품

C7 대체 경로 — 상용 API 장애 시 전환 대상 · A8 짝 — 폐쇄망 로컬 MCP 호스트 · S11 선행 — 폐쇄망 반입 검증 · A5 대안 — 현장 기기 추론 · C9 선행 — 모델 선정 근거

참고 자료

Heiland '업무 로직과 ML 모델 분리' · GoF Strategy

이 부품과 이어지는 가이드라인

• 공공부문 초거대 AI 도입·활용 가이드라인 1.0 2024.4. 최초판. 배포처 미확인.
• 생성형 AI 개발·활용을 위한 개인정보 처리 안내서 개인정보보호위원회, 2025.8(게시 2025.8.6).

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

GPT·Gemini·Claude·HyperCLOVA X·Upstage 등 상용 모델 API를 서빙 계층을 거쳐 호출해 자체 인프라 없이 최신 모델 성능을 쓴다.

PAX 사례 88건이 이 부품을 쓴다

맥락

E2는 해외 상용 API(또는 국산 상용 모델 API), E1은 인터넷망·클라우드다. E5 등급이 O이거나 비식별 후 전송해도 되는 업무에 맞는다. 대민 상담(B3)·코파일럿(B1)·콘텐츠 생성(B7)에서 흔하다.

맞서는 힘(긴장)

• 모델 성능·도입 속도 vs 데이터 반출·주권
• 종량 과금의 초기 저비용 vs 호출량 증가 시 비용 예측 어려움
• 벤더의 모델 개선 vs 예고 없는 품질 회귀
• 단일 API의 단순함 vs 장애 시 서비스 중단

해법

업무 코드는 서빙 계층만 부르고, 서빙 계층이 상용 API를 호출한다. 행정망 본문이 나가는 경로 앞에는 C5 비식별 전처리를 두고, 대체 모델을 등록해 C7 폴백을 건다(§5 매트릭스 E2 해외 상용 API 행). 모델 버전을 고정하고 모델·프롬프트·설정 조합을 릴리스처럼 관리해 업데이트 전후를 C9로 비교한다. 비용이 문제면 라우팅·캐싱으로 큰 모델 호출을 줄인다. E5가 S 이상이면 이 변형 단독으로는 안 되고 A2.4 내부망 프록시를 거친다.

이럴 때 쓴다

• 인터넷망·클라우드 환경이고 데이터 등급이 O이거나 비식별 후 전송 가능할 때
• PoC 초기에 모델 성능을 빠르게 확인해야 할 때
• 자체 GPU·운영 인력이 없을 때

이럴 때는 쓰지 않는다

• E1이 폐쇄망이면 조립 오류(A2.2·A2.4로)
• E5가 S 이상인데 내부망 프록시가 없을 때(A2.4 필수)
• 상시 서비스인데 대체 경로를 둘 수 없을 때

얻는 것

• 인프라 없이 최신 모델 성능
• 빠른 PoC
• 벤더의 지속적 개선

점검표

• 업무 코드가 상용 API를 직접 부르지 않는가
• 외부로 나가는 프롬프트에서 무엇이 걸러지는지 답할 수 있는가
• API 장애 시 대체 경로가 있는가
• 모델 버전과 호출당 비용·지연이 기록되는가

구조 — 참여 부품

• A2 서빙 계층 — 업무 코드 대신 상용 API를 호출하고 버전·사용량을 기록
• C5 가드레일(비식별 전처리) — 외부 전송 전 민감정보 제거
• 상용 모델 API — 기관 밖에서 추론을 수행
• C7 폴백 스위치 — API 장애·품질 저하 시 대체 모델·수동 처리로 전환

변형

• 해외 상용 API: GPT·Gemini·Claude 등이다. E2 값은 해외 상용 API.
• 국산 상용 API: HyperCLOVA X·Upstage 등 국내 사업자 API. 망·등급 조건은 해외와 같이 따진다.
• 구조화 호출: function calling·JSON Schema로 출력 형식을 고정해 부른다. 판정은 규칙 엔진에 남긴다.

관련 부품

C7 필수 짝 — 상용 API 의존이면 폴백 필수 · C5 선행 — 외부 전송 전 비식별 · A2.4 대안 — 행정망·민감 등급일 때 중계 경유 · C9 짝 — 모델 업데이트 회귀시험

참고 자료

Fowler Direct Prompting · InfoQ 모델 라우팅·캐싱 · Microservice 패턴 Circuit Breaker

이 부품과 이어지는 가이드라인

• 국가 망 보안체계(N²SF) 보안가이드라인 1.0 국가정보원/국가사이버안보센터, 2025.9.
• 내부업무망 SaaS 망분리 예외 적용 보안 해설서 금융보안원, 2026.4(게시 2026.4.20).
• 생성형 AI 개발·활용을 위한 개인정보 처리 안내서 개인정보보호위원회, 2025.8(게시 2025.8.6).

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

공공 API·업무 시스템·로컬 파일을 에이전트가 부를 수 있는 도구로 감싸고, 도구 목록·권한·호출 로그를 한 층에서 관리한다.

PAX 사례 94건이 이 부품을 쓴다

맥락

에이전트(B6)·코파일럿(B1)이 도구를 호출하는 과제나, 공공데이터를 AI 도구로 공개하려는 기관에 쓴다. E3 값은 MCP·CLI 설정이다. 유형 5b에서는 필수이고(R10 'A8 또는 자체 도구 인터페이스'), 서버만 있는 사례는 5b-server로 분류한다(A8·S11 필수, R18).

맞서는 힘(긴장)

• 도구 재사용·생태계 확산 vs 권한 표면 확대
• 도구 설명의 편의 vs 실제 권한과의 불일치(X7)
• 서버 개수 성과 vs 실제 업무 호출(X8)
• 도구 출력 활용 vs 도구 출력을 타고 오는 간접 인젝션(X13)

해법

공공 API·업무 시스템·로컬 파일을 도구 설명·인증·정책과 함께 MCP 서버로 감싸 에이전트에 노출하고, 호출 결과에 출처·갱신 시각을 붙이며 호출 로그를 남긴다. 읽기(P0) 서버와 쓰기(P2) 서버를 분리하고 C8로 도구별 실행 승인을 건다. 배포·등재 전에 PAX MCP 6축 검증(권한 표면·비밀·공급망·위생·인젝션·데이터 흐름)을 통과시키고 S11로 반입을 검사하며, 통과하지 못한 축이 있으면 전이 범위를 부서 공유 이하로 둔다. 도구 목록·버전·갱신 공지는 레지스트리(Service Discovery)로 관리한다. 폐쇄망에서는 로컬 모델(A2.2)로 여러 MCP를 구동하는 로컬 호스트 변형을 쓴다.

이럴 때 쓴다

• 에이전트가 공공 API·업무 시스템을 도구로 호출해야 할 때
• 기관 데이터를 외부 AI 클라이언트와 타 기관이 직접 호출하게 공개할 때
• 표준 시스템에 API를 열어 레거시 오버레이(B8)를 대체할 때

이럴 때는 쓰지 않는다

• 호출할 도구가 로컬 파일뿐인 단순 작업(§5 E1 로컬 PC 행: 드묾)
• 실제 업무 호출 없이 서버 개수를 성과로 삼으려 할 때(X8)
• 6축 검증·권한 분리를 할 수 없는데 쓰기 도구를 노출하려 할 때

얻는 것

• 도구 재사용과 생태계 확산
• 권한·호출을 한 층에서 관리
• 공공데이터를 AI가 직접 쓰는 경로

점검표

• 도구 설명이 '조회'인데 쓰기·실행 권한을 가진 도구가 없는가
• 6축 검증 결과가 기록되어 있는가
• 호출 로그와 실제 업무 호출 지표가 있는가
• 호스트가 도구 출력을 명령으로 받지 않도록 S5·S6 등이 있는가(P2 이상)

구조 — 참여 부품

• MCP 서버 — 공공 API·업무 시스템·로컬 파일을 도구로 감쌈
• MCP 호스트(에이전트) — 도구를 선택·호출하고 결과를 업무 흐름에 사용
• C8 권한 경계·킬스위치 — 읽기/쓰기 분리와 도구별 실행 승인
• S11 인제스천·공급망 검증 — 서버 반입·등재 전 6축 검증
• C4 감사 로그·지표 — 호출 추적과 실제 업무 호출 지표

변형

• 공공데이터 MCP 서버(읽기, P0): 국회 API 276개 MCP, KOSIS 통계 MCP, 나라장터 MCP, 법령 MCP 등.
• 업무 시스템 MCP(쓰기, P2): 업무 시스템에 쓰기 동작을 노출한다. C2·C3·C4·C8이 필수다.
• 로컬 MCP 호스트: 폐쇄망에서 여러 MCP를 로컬 모델로 돌린다(망분리 로컬 AI 에이전트 + KOSIS 공식 MCP).

참조 구현 예

• PAX 망분리 로컬 AI 에이전트 + KOSIS 공식 MCP — 로컬 MCP 호스트, 도구별 위험도·실행 승인·감사 대시보드(§9)
• PAX 43dc7f4ab2500260 — 64개 도구·인용 조문 검증, 공공 깃랩 공개로 기관 내부망 AI에 공식 등록(§13 A8)
• PAX 7f8dfb1eb051abe9 — 지자체별 규정을 설정파일로 분리한 이식형 MCP(§13 A8)

관련 부품

C8 필수 짝 — 읽기/쓰기 분리·도구별 승인 · S11 등재 관문 — 6축 검증·공급망 · B6 소비처 — 도구를 부르는 에이전트 · B8 대체 — A8이 열리면 오버레이 퇴출 · S6 호스트 쪽 대응 — 도구 출력 격리

참고 자료

Gulli ch.10 MCP·ch.15 A2A · Microservice 패턴 API Gateway·Service Discovery·Access Token · PAX MCP 6축 검증 매트릭스

이 부품과 이어지는 가이드라인

• 공공데이터의 인공지능 친화적 관리 가이드라인 행정안전부·NIA, 2026. v1.1 개정 공지(2026.8.4).
• 챗GPT 등 생성형 AI 활용 보안 가이드라인 국가정보원, 2023.6. 공식 게시물 미확인.

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

팩트체크·법무·윤리 심의처럼 제3자 전문가가 수행하는 승인 게이트를 AI 산출물의 공개·반영 전에 두어, 업무 담당자 확인만으로 걸러지지 않는 법적·사실적 위험을 막는다.

PAX 사례 3건이 이 부품을 쓴다

맥락

B7 콘텐츠 생성기, 외부 공개 지식베이스·MCP 응답, 법정대리인 동의·개인정보 처리처럼 법무 기준이 필요한 서비스. C1.2는 v0.6에서 C1의 변형으로 신설되었고, v0.7(R16)에서 범위가 제3자 전문가 심의로 좁혀졌다.

맞서는 힘(긴장)

• 공개 전 법적 안전 vs 발행 속도
• 전문 심의 인력의 희소성 vs 심의 대상 물량
• 심의 기준의 문서화 vs 심의자 재량

해법

AI 산출물이 외부로 공개되거나 색인·응답에 반영되기 전에, 작성 담당자와 분리된 심의 주체(법무·심의·윤리팀, 원문 대조 검증자)의 승인 단계를 둔다. 심의 기준(저작권·초상권·표시광고·법령 원문 일치 등)을 문서로 명시하고, 승인된 것만 다음 단계로 흐르게 한다. 심의 결과와 사유는 C4에 남긴다. 시스템이 할 수 있는 자동 검사는 C5로 앞단에 두고, C1.2는 사람의 판단이 필요한 부분만 맡는다.

이럴 때 쓴다

• 산출물이 기관 밖으로 공개되는 D8.10 발간·홍보, 대민 안내
• 저작권·초상권·표시광고·개인정보 등 법적 판단이 필요한 콘텐츠
• 외부에 제공하는 지식베이스·MCP 응답의 정확성을 보증해야 할 때

이럴 때는 쓰지 않는다

• 내부 참고용 초안으로 외부 공개가 없을 때(C1으로 충분)
• 업무 담당자나 이용자 본인이 확정하는 절차(C1)
• 시스템이 자동으로 수행하는 필터·스키마 검증(C5)

얻는 것

• 외부 공개 산출물의 법적·사실적 위험 차단
• 기관 책임 범위가 문서화됨
• 공개 지식의 신뢰성 표시 근거

점검표

• 심의 주체가 작성 담당자와 분리되어 있는가
• 심의 기준이 문서로 명시되어 있는가
• 승인 전 산출물이 공개·색인되지 않게 막혀 있는가
• 심의 결과와 반려 사유가 기록되는가

구조 — 참여 부품

• 작성 담당자 — AI 산출물을 1차 검수(C1)하고 심의에 올림
• 제3자 심의자 — 법무·심의·윤리·팩트체크 기준으로 승인 여부 결정
• C5 가드레일 필터 — 심의 전 시스템이 자동으로 거를 수 있는 항목 처리
• C4 감사 로그·지표 — 심의 결정과 사유 기록

변형

• 제작 사슬 내 승인 단계: 제작→법무·심의·윤리 승인→배포의 다단계 사람 통제 사슬 중 승인 단계
• 색인 반영 전 승인: 사람이 승인한 내용만 검색 색인·MCP 응답에 포함
• 원문 대조 검증 표시: 공식 원문과 대조해 검증 완료를 표시한 항목만 공개

참조 구현 예

• PAX ea2bce110972762e — 사람이 승인한 내용만 검색 색인과 MCP 응답에 포함하는 심의 게이트를 빌더 단계에 내장
• PAX 65f9634aacca2170 — 법정대리인 동의·개인정보 처리 설계에 법무 심의 기준을 문서로 명시
• PAX aa58f3a62af622b6 — 공식 법령 원문과 대조해 141개 제도를 검증 완료 표시

관련 부품

C1 부모 — 사람 검토의 제3자 심의 변형 · C5 앞단 — 시스템 필터로 자동 처리할 수 있는 항목을 먼저 거름 · B7 끼울 자리 — 콘텐츠 생성기의 공개 전 단계 · D8.10 전형 블록 — 발간·홍보 · C4 기록처 — 심의 결정과 사유

참고 자료

카탈로그 v0.6 개정 C5 경계 · 분류기준 R16

이 부품과 이어지는 가이드라인

• 자동화된 결정에 대한 정보주체 권리 안내서 개인정보보호위원회, 2024.9. 공식 게시물 미확인(2024.9 보도로 확인).

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

개인정보·환각·편향·형식 오류가 프롬프트나 산출물에 들어가지 못하게 시스템이 경계에서 걸러낸다. 비식별 전처리, 출처 검증, 구조적 출력 제약이 대표 변형이다.

PAX 사례 44건이 이 부품을 쓴다

맥락

외부 모델을 부르거나 대민에 답하는 모든 B 부품. 특히 E2 해외 상용 API, E5 S 이상 데이터, B3 지식 접지 상담, 유형 ① 대민 상담, ④ 기안, ⑥ 콘텐츠, ⑦ 대조·점검, ⑨ 인수인계, ⑬ 비식별·정제 도구.

맞서는 힘(긴장)

• 차단의 엄격함 vs 과잉 차단으로 인한 유용성 저하
• 비식별 강도 vs 문맥 보존
• 결정적 검증의 신뢰성 vs 구현 범위

해법

프롬프트가 기관 밖으로 나가기 전 PII를 마스킹하고 원복 키를 보관하는 비식별 전처리기를 둔다. 응답에는 인용을 원본(법령정보센터·통계표 등)과 대조하는 출처 검증기와, JSON 스키마·허용 목록 같은 구조적 출력 제약을 건다. 근거가 없으면 답하지 않거나 '확인 필요'로 표시한다. 차단 사유는 C4에 남기고, 이용자에게는 F1 출처와 F7 한계 안내로 보인다. 사람이 하는 팩트체크·법무 심의는 C5가 아니라 C1.2에 둔다.

이럴 때 쓴다

• E2 해외 상용 API로 행정망 본문이 외부로 나갈 때(필수)
• E5 S 이상 개인정보·민감정보를 다룰 때
• B3 대민 응답처럼 인용·수치의 정확성이 신뢰의 핵심일 때
• C5가 필수인 유형 ①④⑥⑦⑨⑪⑬

이럴 때는 쓰지 않는다

• E1 로컬 PC 완결로 데이터가 밖으로 나가지 않을 때 비식별은 불필요해질 수 있다(§5 매트릭스, 단 출처 검증은 별개)
• 사람이 수행하는 심의만 있을 때(C1.2로 태그)
• 적대적 입력 탐지가 목적일 때(S8)

얻는 것

• 개인정보 외부 유출 차단
• 환각 인용 감소
• 상용 API 사용 조건 충족

점검표

• 외부 전송 전 무엇이 걸러지는지 답할 수 있는가
• 인용이 원본과 대조되는가
• 근거 없을 때의 동작이 정해져 있는가
• 차단 사유가 기록되는가

구조 — 참여 부품

• 비식별 전처리기 — 외부 전송 전 PII 마스킹과 원복
• 출처 검증기 — 인용을 원본과 대조해 환각을 걸러냄
• 출력 제약 — 스키마·허용 목록·금칙어로 출력 형식 제한
• F1 출처 표시 — 검증된 출처를 이용자에게 보임

변형

• 로컬 비식별 전처리기: 외부 전송 전 PII 마스킹·원복(PAX에서 독립 부품으로 확인)
• 출처 검증기: 인용을 법령정보센터·KCI·CrossRef 원본과 대조
• 구조적 출력 제약·스키마 검증: JSON 스키마·허용 목록으로 출력 범위를 고정(v0.6 식별 신호 추가)
• 근거 재대조형 환각 검증: 추출값의 근거 문장을 원문에서 재대조해 '문서확인/AI추정/문서에없음'으로 재분류

참조 구현 예

• PAX Korean Stats MCP — KOSIS 통계 출처 자동 인용

관련 부품

F1 이용자 쪽 대응 — 검증된 출처 표시 · F7 이용자 쪽 대응 — 근거 없을 때 한계 안내 · A2.4 짝 — 민감정보 외부 유출 대응 · C1.2 구분 — 사람이 하는 심의 · S8 구분 — 적대적 입력 탐지 · S13 변형 후보 — 로컬 비식별 게이트

참고 자료

Fowler Guardrails · InfoQ Output Guardrails·Model Critic · Gulli ch.18 Guardrails · Heiland 규칙 기반 안전장치 · Proxy · Decorator

이 부품과 이어지는 가이드라인

• 금융분야 인공지능 보안 안내서 금융보안원, 2026.6(게시 2026.6.19).
• 공공 AX 프라이버시 보호 안내서 개인정보보호위원회, 2026.7(2026.7.23 제11회 과학기술관계장관회의에서 공개).

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

답변에 근거 문서·조문·통계표 ID를 붙여 이용자가 원문을 직접 확인할 수 있게 한다. C5 출처 검증의 이용자 면이다.

PAX 사례 87건이 이 부품을 쓴다

맥락

B3 지식 접지 상담, A8 공공데이터 MCP, 법령·통계·규정을 인용하는 모든 응답. 유형 ① 대민 상담, ⑤b 데이터 에이전트, ⑦ 대조·점검, ⑨ 인수인계(원문 위치).

맞서는 힘(긴장)

• 출처 상세도 vs 화면 복잡도
• 출처 표시 vs 실제 검증(표시만 하고 검증하지 않으면 잘못된 신뢰)
• 원문 링크의 신선도 vs 유지 비용

해법

답변의 각 주장에 근거 문서·조문 번호·통계표 ID·원문 위치를 붙이고, 원문으로 바로 이동하는 링크를 제공한다. 출처의 갱신 시각과 이용 조건을 함께 보여 오래된 자료를 현재로 오인하지 않게 한다. 표시되는 출처는 C5 출처 검증을 통과한 것이어야 한다.

이럴 때 쓴다

• B3 지식 접지 응답 전반
• 대민 서비스 D1~D7(F1·F2·F7이 최소 요건)
• 유형 ①⑤b⑦⑨처럼 F1이 필수인 유형

이럴 때는 쓰지 않는다

• 모델의 판정 근거(요인·BBox·사유 코드)를 보여 주려는 경우(F9)
• B0 결정적 도구로 원천 데이터를 그대로 보여 주는 경우(출처가 곧 화면)

얻는 것

• 이용자 신뢰 확보
• 원문 대조로 오류 발견
• 공식 판단 여부를 이용자가 스스로 확인

점검표

• 모든 답변에 출처가 붙는가
• 출처가 원본과 대조되는가
• 갱신 시각이 보이는가
• 이용자가 원문을 바로 열 수 있는가

구조 — 참여 부품

• C5 가드레일 필터 — 출처 검증
• 이용자 — 원문을 열어 대조

변형

• 문서·조문 인용: 근거 문서명과 조문 번호를 답변에 붙임
• 통계표 ID 인용: 통계 답변에 통계표 ID를 자동 인용(KOSIS MCP 방식)
• 출처·신선도 표시: 출처에 갱신 시각과 이용 조건을 함께 표시

참조 구현 예

• PAX Korean Stats MCP — KOSIS 통계를 자연어로, 출처 자동 인용
• PAX 224e2d82d9369735 — 모든 출처에 갱신 시각과 이용 조건을 함께 저장한 출처·신선도 표시
• PAX 9998aba2d1f55c24 — 항목별 법령·처분사례 원문 연계(F1)

관련 부품

C5 시스템 쪽 대응 — 출처 검증 · F7 짝 — 한계 안내와 함께 신뢰의 실체 · F9 구분 — 판정 근거 표시 · B3 끼울 자리 — 지식 접지 응답 · A3 출처 제공 — 공공 API 원문

참고 자료

aiuxpatterns Results · Show Citations

이 부품과 이어지는 가이드라인

• 인공지능 투명성 확보 가이드라인 과학기술정보통신부, 2026.1.
• 생성형 인공지능 결과물에 의한 저작권 분쟁 예방 안내서 문화체육관광부·한국저작권위원회. 4종 모음 게시물에 수록.

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

HWP·HWPX·PDF·DOCX·엑셀 사이를 오가고 양식을 만드는 내부 운영 블록이다. A10 문서 어댑터가 서비스로 독립한 형태다.

PAX 사례 80건이 이 부품을 쓴다

맥락

문서 형식 변환과 양식 생성 업무. §7.3 유형 ⑧ 취합·변환 자동화(D8.5 · D8.9, P1). PAX 80건(주 부품 B0 80%, B1 12%).

맞서는 힘(긴장)

• 변환 충실도 vs 형식별 특이 구조(표·수식·첨자)
• 설치형·오프라인 편의 vs 배포·갱신 관리
• 개인 도구의 민첩성 vs 인사이동 시 소멸(X9)
• 파일 자동 변환 vs 파일 속 매크로·지시 위협

해법

A10 어댑터를 결정적 변환기(B0)로 만들어 HWP·HWPX·PDF·DOCX·엑셀 사이를 오가게 한다. 스캔 문서는 B4 OCR로 텍스트를 얻는다. 변환은 원본을 보존하고 새 파일을 만들며(C3 원복·F8 되돌리기), 파일은 S11 검사와 S9 격리 실행을 거친다. 규정·양식을 MCP로 노출하면 다른 AI 도구가 기관 서식을 쓸 수 있는 공통 부품이 된다(A8). 개인 제작 도구는 라이선스·저장소를 명시한다(A7).

이럴 때 쓴다

• 공공 문서 형식 간 변환이 반복될 때
• AI 도구가 HWP·HWPX를 읽고 쓰지 못해 막힐 때
• 양식을 반복해 새로 만들 때

이럴 때는 쓰지 않는다

• 여러 부서 파일을 모아 합치면 D8.5(우선순위 높음)
• 변환 뒤 첫 판 작성이 목적이면 D8.3
• 변환한 문서를 찾는 것이 핵심이면 D8.1 검토

얻는 것

• AI 도구와 공공 문서 형식의 연결
• 형식 변환 시간 절감
• 재사용 부품의 최대 공급원

점검표

• 변환 결과의 표·서식이 원본과 같은지 확인했는가
• 원본이 보존되는가
• 입력 파일 속 매크로가 실행되지 않는가
• 라이선스·저장소가 명시되어 있는가

구조 — 참여 부품

• 담당자 — 변환·양식 결과를 확인
• A10 문서 형식 어댑터 — 형식 간 읽기·쓰기
• B0 결정적 도구 — 변환·양식 생성 처리
• B4 인식 파이프라인 — 스캔 문서 OCR
• A8 MCP 서버·호스트 — 규정·양식을 도구로 노출(선택)

변형

• 형식 변환기: HWP·HWPX·PDF·DOCX·엑셀 간 변환(Kordoc, 쉽다한글).
• 오프라인 문서 검색기: 본문 텍스트 추출로 문서를 찾게 함(Anything(Docufinder)).
• 규정·양식 MCP 생성기: 기관 규정을 MCP 서버로 변환(공공기관 규정 MCP 생성기).

참조 구현 예

• 공공기관 규정 MCP 생성기 — 카탈로그 D8.9 카드 예
• Anything(Docufinder) — 카탈로그 D8.9 카드 예: 본문으로 찾는 오프라인 문서 검색기
• Kordoc — §7.3 유형 ⑧ 참조 구현
• 쉽다한글 — 카탈로그 §2 A10 추가 근거에 든 사례

관련 부품

A10 부품 버전 — 문서 형식 어댑터 · D8.5 짝 — 같은 유형 ⑧ · D8.3 후속 블록 — 서식에 맞춘 초안 · X9 이 블록에서 흔한 함정

참고 자료

카탈로그 §6 A10 카드 · 카탈로그 §7.3 유형 ⑧

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

데이터·법령·공고·선례·타 지역 사례를 찾아 담당자 화면에 놓는 내부 운영 블록이다. B0 탐색·시각화, MCP 도구 제공, B3가 전형 부품이다.

PAX 사례 176건이 이 부품을 쓴다

맥락

기관 내부 담당자가 자료를 찾아 보는 업무. §7.3 유형 ⑤b 데이터 에이전트(D8.1, P0)와 ⑤a 분석 대시보드·브리핑(D8.1, P0~P1)의 무대. PAX 176건(주 부품 B0 80%, B3 10%).

맞서는 힘(긴장)

• 검색 편의 vs 출처·기준 시점 확인
• 자연어 질의 vs 질의 조작·도구 출력 인젝션
• 대시보드 고정 화면 vs 에이전트의 유연한 질의
• MCP 서버 수 vs 실제 업무 호출(X8)

해법

답이 원천 데이터에서 나오게 한다. 공공데이터·통계는 A8 MCP 서버나 A3 공공 API로 도구화하고, 호스트 쪽 에이전트는 B′7 ReAct 도구 루프로 조회하되 C8로 읽기 전용에 묶는다. 결과에는 F1 출처(통계표 ID)와 조회 시점을 붙이고, 도구 호출은 C4로 추적한다. 도구 출력이 새 지시가 되지 않도록 S5 계획 후 실행과 S1 비용 상한을 둔다. 에이전트가 필요 없으면 B0 대시보드·검색기로 끝내고(5a-agg), LLM이 해설을 붙이면 5a-brief로 C9·F9를 더한다(R19). MCP 서버만 만드는 사례는 5b-server로 A8·S11만 필수다(R18).

이럴 때 쓴다

• 담당자가 흩어진 데이터·법령·공고·선례를 찾느라 시간을 쓸 때
• 공공데이터·통계를 자연어로 조회해야 할 때
• 다른 지역·기관 사례를 모아 봐야 할 때

이럴 때는 쓰지 않는다

• 찾은 문서에서 할 일·핵심을 뽑으면 D8.2
• 규정·기준과 대조해 확인 대상을 고르면 D8.4
• 국민이 서비스를 찾으면 D1

얻는 것

• 자료 찾는 시간 절감
• 출처·시점이 붙은 근거 확보
• 공공데이터 MCP의 재사용

점검표

• 결과마다 원천 출처와 기준 시점이 보이는가
• 도구 권한이 읽기 전용으로 묶여 있는가
• 도구 호출 순서를 나중에 볼 수 있는가
• MCP 서버가 실제 업무에서 호출되는지 재는가

구조 — 참여 부품

• 담당자 — 자료를 찾고 결과를 업무에 씀
• A8 MCP 서버·호스트 — 공공데이터·통계를 도구로 노출
• B0 결정적 도구(탐색·시각화) — 검색기·대시보드
• B6 도구 호출 에이전트 — 로컬 MCP 호스트로 조회·차트 생성
• C8 권한 경계 — 읽기 전용 제한
• F1 출처 표시 — 통계표 ID·출처·시점 표시

변형

• 검색·대시보드형(비LLM): B0 탐색·시각화. 유형 5a-agg(필수 A1·F2·C4, R19).
• 브리핑형: LLM이 조회 결과를 요약·해설. 유형 5a-brief(필수 A2.1|A2.2|A2.6·F9·C9, R19).
• MCP 서버 제공형: 공공데이터·법령을 MCP로 노출하는 서버 자체. 5b-server(필수 A8·S11, R18).
• 데이터 에이전트형: 로컬 MCP 호스트가 도구를 불러 조회·차트 생성. 5b-host(필수 C4·F1·S5|S6, R18).

참조 구현 예

• 망분리 환경용 로컬 AI 에이전트 + KOSIS 공식 MCP — 카탈로그 D8.1 카드·§9 조립 예시, 유형 ⑤b 참조 구현
• Korean Stats MCP — 카탈로그 D8.1 카드 예: KOSIS 통계를 자연어로, 출처 자동 인용

관련 부품

A8 끼울 자리 — 공공데이터 MCP · C8 필수 통제 — 읽기 전용 · D8.2 이웃 블록 — 찾은 문서의 요약·추출 · S5 5b-host 필수 보안 · X8 이 블록에서 흔한 함정

참고 자료

카탈로그 §7.3 유형 ⑤a·⑤b · 카탈로그 §7.4 유형 ⑤ 위협 모델 · MCP 6축 검증(§8)

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

AI 부품이 할 수 있는 일의 상한을 P0~P4로 못 박고, 도구별 실행 승인·읽기/쓰기 분리·속도 제한·즉시 중단 스위치를 제공한다.

PAX 사례 22건이 이 부품을 쓴다

맥락

도구를 호출하거나 시스템에 쓰는 B6 오케스트레이터, A8 MCP 서버·호스트, B8 레거시 오버레이, 처분 보조(P3) 서비스. 유형 ⑤b 데이터 에이전트, ⑨ 인수인계(접근 범위).

맞서는 힘(긴장)

• 자동화 범위 vs 통제
• 승인 절차의 안전 vs 이용 마찰
• 도구 설명의 편의 vs 실제 권한과의 일치 검증 비용

해법

부품별 허용 권한 범위(P0 읽기 전용 ~ P4 자율 처분)를 정하고, 도구 목록마다 읽기/쓰기를 분리한다. 위험도가 높은 도구는 실행 전 사람 승인(C2·F6)을 받게 하고, 호출 상한(속도 제한)을 둔다. 전역 킬스위치로 즉시 중단할 수 있게 하고, 승인·실패·중단 이력을 C4에 남긴다. MCP 도구는 설명과 실제 권한이 일치하는지 A8 6축 검증으로 확인한다.

이럴 때 쓴다

• E4 P2 이상(필수, First 관문)
• E3 MCP·CLI 환경에서 에이전트가 도구를 호출할 때
• B6 오케스트레이터에 상용 API를 쓰는 경우(A2 + C7 + C8 도구별 승인)
• 유형 ⑤b-host, ⑨ 인수인계(접근 범위)

이럴 때는 쓰지 않는다

• 도구 호출·시스템 쓰기가 없는 서술 전용 코파일럿(P1)
• B0 결정적 도구로 AI가 행동을 고르지 않을 때

얻는 것

• 되돌릴 수 없는 조치 방지
• 도구 설명과 실제 권한의 불일치(X7) 예방
• 감사 가능한 행동 기록

점검표

• AI가 쓸 수 있는 시스템 목록을 답할 수 있는가
• 도구별 읽기/쓰기 구분과 위험도가 있는가
• 고위험 도구에 실행 승인이 걸려 있는가
• 킬스위치가 있고 누가 누를 수 있는지 정해져 있는가
• 도구 설명과 실제 권한이 일치하는가

구조 — 참여 부품

• 권한 정책 — 부품·도구별 허용 범위(P0~P4)와 읽기/쓰기 구분
• A8 MCP 서버·호스트 — 도구 설명과 실제 권한의 일치 검증 대상
• F6 에이전트 행동 검토·확인 — 실행 전 이용자 승인 화면
• 킬스위치 — 전역 즉시 중단
• C4 감사 로그·지표 — 승인·실패·롤백·중단 이력

변형

• 읽기 전용·쓰기 배제: 도구 세트를 읽기 전용으로 한정하거나 쓰기 기능을 설계에서 배제
• 도구별 위험도·실행 승인: 도구마다 위험도를 평가하고 고위험 도구는 실행 전 승인
• 판정 필드 비도달 설계: AI가 판정·업무 필드에 쓸 수 없게 코드 수준으로 분리
• 속도 제한: 도구 호출 상한(Rate Limiter)
• 킬스위치: 전역 즉시 중단과 기존 절차 전환

참조 구현 예

• PAX 망분리 환경용 로컬 AI 에이전트 — 도구별 위험도 평가·실행 승인·감사 대시보드(§9, PAX 557건 태깅에서 C8이 운영 중(present)으로 확인된 2건 가운데 하나. 구현 단계까지 합치면 22건)
• PAX 갈피 법령 MCP — 쓰기 배제 설계

관련 부품

C7 짝 — 막는 통제와 이어 가는 통제 · F6 이용자 쪽 대응 — 에이전트 행동 검토·확인 · A8 의존 — 도구 설명과 실제 권한의 일치 · C2 의존 — 고위험 도구는 사람 승인 · C4 기록처 — 승인·실패·롤백 로그 · S1 짝 — 단일 진입점에서 요청 상한·인증

참고 자료

aiux Agent Action Review · Towards AI 체크포인트 휴리스틱 · Gulli ch.18 Guardrails · Access Token · Rate Limiter · Bulkhead · PAX 원칙 2.5

이 부품과 이어지는 가이드라인

• 국가·공공기관 AI보안 가이드북 국가정보원, 2025.12(게시 2025.12.10). 현행 핵심.
• 프런티어 AI 보안 위협 금융분야 대응 요령 금융보안원, 2026.7(게시 2026.7.1).
• 개인정보의 안전성 확보조치 기준 안내서 개인정보보호위원회, 2025.11(게시 2025.11.28).
• 고영향 인공지능 사업자 책무 가이드라인 과학기술정보통신부, 2026.1.

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

처리 건마다 흔적을 적재하고 수정률·처리시간·자동처리율·가용성을 집계해, '지난달 수정률'을 숫자로 말할 수 있게 한다.

PAX 사례 16건이 이 부품을 쓴다

맥락

AI 산출물이 업무 결과에 영향을 주는 모든 B 부품. 특히 C2·C6·C7을 붙이려는 서비스, E4 P2 이상, 기관 공식으로 전이하려는 자생 도구.

맞서는 힘(긴장)

• 기록의 완전성 vs 저장·개인정보 부담
• 지표의 단순성 vs 업무 실상 반영
• 로그 적재 vs 실제로 지표를 보고 조치하는 조직 습관

해법

모든 부품의 이벤트(요청·응답·검토 결정·수정·전환·오류)를 건 단위로 적재한다. 로그 집계, 성능 지표(수정률·처리시간·자동처리율), 분산 추적(에이전트 호출 연쇄), 헬스체크(도구·모델 가용성)의 네 하위 항목으로 나눠 구현한다. 지표는 대시보드나 정기 보고로 실제로 보고, C2·C6·C7이 이 지표를 읽어 판단하게 한다. 개인정보가 들어가는 로그는 E5 등급에 맞춰 보관 범위를 정한다.

이럴 때 쓴다

• C2·C6·C7 중 하나라도 붙이려 할 때(이들이 C4를 읽는다)
• E4 P2 이상
• 유형 ② 접수·심사, ③ 현장 감시, ⑤b 데이터 에이전트(호출 추적), ⑧ 취합·변환의 기관 전이
• 자생 도구가 부서 공유·기관 공식으로 전이하려 할 때

이럴 때는 쓰지 않는다

• E1 로컬 PC 완결 개인 도구로 개인 사용에 머물 때(단, 기관 전이 시 재장착 — §5 매트릭스)

얻는 것

• 성과를 숫자로 말할 수 있음
• C2·C6·C7의 판단 근거
• 사고 시 원인 추적

점검표

• 건별 로그가 적재되는가
• 수정률·처리시간 등 지표가 정의되어 있는가
• 실증 기간 지표가 실제로 집계되었는가
• C2·C6·C7이 읽는 지표가 C4에서 나오는가

구조 — 참여 부품

• 로그 집계 — 건별 이벤트 적재
• 성능 지표 — 수정률·처리시간·자동처리율 산출
• 분산 추적 — 에이전트·도구 호출 연쇄 추적
• 헬스체크 — 도구·모델 가용성 감시(C7의 입력)
• 감사 대시보드 — 지표를 사람이 보고 조치하는 화면

변형

• 로그 집계: 건별 처리 이력 적재
• 성능 지표: 수정률·처리시간·자동처리율·이용량 집계
• 분산 추적: 에이전트 호출 연쇄를 추적해 '왜 그렇게 답했는지' 복원
• 헬스체크: 도구·모델 가용성 감시

참조 구현 예

• PAX 55f606c2835337ba — 전북특별자치도 — 운영 3개월 누적 이용 10만 건·이용자 3천 명 지표 공개
• PAX 망분리 환경용 로컬 AI 에이전트 — 감사 대시보드(§9 조립 예시)

관련 부품

C2 이용처 — 자동처리율·임계값 조정 · C6 이용처 — 수정·이의·오탐 기록이 환류 입력 · C7 이용처 — 헬스체크가 전환 신호 · S10 구분 — 재현 가능한 순서 기록 · C9 짝 — 배포 전 평가와 운영 지표 대조

참고 자료

Gulli ch.19 Evaluation & Monitoring · Microservice 관측 4종(Log Aggregation · Metrics · Tracing · Health Check)

이 부품과 이어지는 가이드라인

• 공공부문 초거대 AI 도입·활용 가이드라인 2.0 2025.4. 배포처 미확인.
• 개인정보 영향평가 수행안내서 개인정보보호위원회, 2025.10 개정, 2025.12 수정(게시 2025.12.12).
• 개인정보의 안전성 확보조치 기준 안내서 개인정보보호위원회, 2025.11(게시 2025.11.28).
• 고영향 인공지능 사업자 책무 가이드라인 과학기술정보통신부, 2026.1.
• 인공지능 영향평가 가이드라인 과학기술정보통신부, 2026.1.
• 생성형 인공지능 활용 저작물의 저작권 등록 안내서 문화체육관광부·한국저작권위원회. 4종 모음 게시물에 수록.
• 생성형 인공지능 결과물에 의한 저작권 분쟁 예방 안내서 문화체육관광부·한국저작권위원회. 4종 모음 게시물에 수록.
• 제6차 국가표준기본계획(2026~2030) 18개 부·처·청 합동(국가기술표준원 표준정책과 주관), 2026.3(2026.3.31 발표). 현행.
• KS X ISO/IEC 42001 인공지능 경영시스템 국가기술표준원 고시 제2025-0413호, 발행 2025.10.30(한국표준협회). ISO/IEC 42001:2023과 일치(IDT).

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

신뢰 불가 데이터를 읽기 전에 도구 호출 계획이나 프로그램을 고정하고 정책으로 검증해, 도구 출력이 새 행동을 끼워 넣지 못하게 한다.

PAX 사례 1건이 이 부품을 쓴다

맥락

도구 호출 또는 시스템 쓰기가 있는 구조(R6)에서 계획을 미리 정할 수 있는 정형 업무. 데이터 조회·분석 에이전트(유형 ⑤, 5b-host), 그리고 '오늘 접수 건을 조회해 담당자에게 통지'하는 식의 접수·통지 자동화(유형 ②). 카탈로그 등재 상태는 후보(PAX 557건 중 1건).

맞서는 힘(긴장)

• 행동 집합의 증명 가능한 고정 vs 중간에 계획을 바꿔야 하는 탐색 과제
• 정책 검증의 엄격함 vs 계획 작성 실패율
• 행동 고정 vs 인자 조작(도구 출력이 인자를 바꾸는 것)은 남음

해법

이용자 지시를 받아 신뢰 불가 데이터를 읽기 전에 도구 호출 목록 [tool1(…), tool2(…)] 또는 실행 코드를 먼저 확정한다. 고정된 계획은 제어면(C8 도구별 권한)이 허용 도구·권한·파괴적 행동·사람 승인 필요 여부를 규칙으로 검증한 뒤에만 실행한다. 도구 출력은 인자 값을 채울 수는 있지만 계획에 없는 행동을 추가할 수 없다. 코드 후 실행이면 코드는 S9 샌드박스에서 돌린다. 인자 조작까지 막으려면 S6을 함께 둔다.

이럴 때 쓴다

• 데이터 조회·분석 에이전트(유형 ⑤)의 필수 부품(S1과 함께)
• 5b-host(에이전트 호출자) 필수 S5 또는 S6(R18)
• 접수·통지 자동화처럼 계획을 미리 정할 수 있는 정형 업무
• 내부 문서 코파일럿(유형 ④)이 행정망에 쓰기를 할 때(권장)

이럴 때는 쓰지 않는다

• 중간에 계획을 바꿔야 하는 탐색 과제
• 도구 호출·시스템 쓰기가 없는 서술 전용 LLM(R6)
• 도구 출력 속 인자 조작이 핵심 위협일 때 S5만으로는 부족 — S6 필요

얻는 것

• 간접 인젝션에 의한 행동 변경에 증명 가능한 저항
• 권한 상승 차단
• 계획이 사전에 보이므로 감사·승인이 쉬움

점검표

• 외부 데이터를 읽기 전에 계획이 확정되는가
• 계획이 실행 전에 정책으로 검증되는가
• 도구 출력이 계획에 없는 도구 호출을 유발할 수 없는가
• 파괴적 행동에 사람 승인이 걸려 있는가

구조 — 참여 부품

• 계획 LLM — 신뢰 불가 데이터를 읽기 전에 계획·코드를 작성
• C8 권한 경계(제어면) — 허용 도구·권한·파괴적 행동·사람 승인 여부를 규칙으로 검증
• C3 상태 머신 — 계획 단계 진행과 종료 상태 관리
• S9 임시 샌드박스 — 코드 후 실행 시 코드 격리 실행
• 실행기 — 검증된 계획만 실행하고 도구 출력은 인자 값으로만 사용

변형

• 계획 후 실행: 도구 호출 목록을 고정하고 순서대로 실행
• 코드 후 실행: LLM이 프로그램을 먼저 쓰고 샌드박스에서 실행
• 에이전틱 제어면: LLM이 쓴 JSON 실행계획을 서버가 비신뢰 입력으로 보고 권한·도구·인자를 규칙으로 재검증한 뒤 허용목록 도구만 실행

관련 부품

S1 짝 — 유형 ⑤ 필수 조합 S5 + S1 · S6 보완 — 인자 조작은 S6이 막음 · B′8 원형 — 계획-실행의 제약형 · C8 제어면 — 계획을 정책으로 검증 · F6 이용자 쪽 대응 — 파괴적 행동의 사람 확인 · S10 기록처 — 계획·검증·실행 흔적

참고 자료

Beurer-Kellner 외(2025) #2 Plan-Then-Execute · #5 Code-Then-Execute · Vinodhkumar M AI 보안 패턴: Agentic Control Plane · Saga · Command

이 부품과 이어지는 가이드라인

• 국가·공공기관 AI보안 가이드북 국가정보원, 2025.12(게시 2025.12.10). 현행 핵심.

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

도구를 가진 권한 LLM은 신뢰 불가 데이터를 읽지 않고, 데이터를 읽는 격리 LLM은 도구가 없게 나눈 뒤 결과를 형식 제약이나 기호 참조로만 넘긴다.

맥락

제출 서류(PDF·HWPX·이미지)를 읽어 판정하는 접수·심사 자동화(유형 ②), 대상 문서가 점검기를 속일 수 있는 대조·점검(유형 ⑦), 부서별 제출 파일을 취합하는 자동화(유형 ⑧). 모두 도구 호출 또는 시스템 쓰기가 있는 구조(R6)를 전제로 한다. 카탈로그 등재 상태는 후보(PAX 557건 중 0건).

맞서는 힘(긴장)

• 증명 가능한 격리 vs 호출 수 증가
• 형식 제약(불리언·숫자·정규식)의 안전성 vs 풍부한 판정 사유 전달
• 기호 참조 설계 난이도 vs 권한 LLM의 유연성

해법

권한 LLM(도구 보유)과 격리 LLM(도구 없음)을 분리한다. 문서마다 격리 LLM 인스턴스를 띄워(맵) 요건 충족 여부처럼 형식이 제약된 값만 내게 하고, 비-LLM 규칙으로 합친다(리듀스). 권한 LLM은 격리 LLM의 결과를 $VAR 같은 기호 참조로만 다루고, 실제 값은 비-LLM 오케스트레이터가 실행 시 치환한다. 형식 제약 검증은 C9·스키마 검증으로 강제하고, OCR·파싱 같은 실행은 S9에 둔다. 악성 문서는 자기 판정만 속일 수 있을 뿐 다른 문서나 도구 호출에 영향을 줄 수 없다.

이럴 때 쓴다

• 접수·심사 자동화(유형 ②)의 정석 — 필수 부품
• 대조·점검 도우미(유형 ⑦)에서 대상별 격리(S4의 대안)
• 취합·변환 자동화(유형 ⑧)에서 파일별 격리(권장)
• 5b-host 필수 S5 또는 S6(R18)
• S5로 막지 못하는 인자 조작이 위협일 때

이럴 때는 쓰지 않는다

• 도구 호출·시스템 쓰기가 없는 서술 전용 LLM(R6)
• 문서 간 교차 참조가 판정의 핵심이라 문서별 격리가 불가능할 때 — S5나 C1 사람 검토로 보완
• 보안 목적 없이 판정-확정 분리만 있는 구조는 B′9(R11), 다만 신뢰 불가 입력 격리가 함께 있으면 둘 다 태그(R27)

얻는 것

• 간접 인젝션 전파에 증명 가능한 저항
• 문서 간 교차 오염 차단
• 권한 상승 차단
• 판정이 규칙 집계라 설명·재현이 쉬움

점검표

• 도구를 가진 LLM이 신뢰 불가 데이터를 직접 읽지 않는가
• 격리 LLM 출력이 형식 제약 값으로만 전달되는가
• 문서별로 격리되어 한 문서가 다른 문서 판정에 영향을 줄 수 없는가
• 집계가 LLM이 아닌 규칙으로 이루어지는가

구조 — 참여 부품

• 격리 LLM(문서별) — 도구 없이 한 문서만 읽고 불리언·숫자·정규식 형식의 값만 출력
• 비-LLM 집계기 — 문서별 판정을 규칙으로 합침(리듀스)
• 권한 LLM — 도구를 가지되 신뢰 불가 데이터를 읽지 않고 기호 참조만 조작
• 비-LLM 오케스트레이터 — 실행 시 기호 참조를 실제 값으로 치환
• C9 평가 세트·형식 검증 — 격리 LLM 출력의 형식 제약 검증

변형

• 이중 LLM(Dual LLM): 권한 LLM과 격리 LLM 두 역할로 나누고 기호 참조로 연결(Willison)
• LLM 맵리듀스: 문서마다 격리 인스턴스를 띄우고 규칙으로 집계
• 다중 에이전트 분할: 에이전트별로 읽는 데이터와 가진 도구를 분리
• 수치·문장 분리형: 수치는 예측 모듈만 산출하고 LLM은 도구 결과를 설명만 하는 구조

관련 부품

B′9 동시 태깅 허용 — 판정-확정 구조(R27) · S5 보완 — S5가 못 막는 인자 조작을 S6이 막음 · S11 짝 — 유형 ② 권장, 제출 파일 검사 · S2 짝 — 신뢰 불가 입력 + P2 이상 B3 조합 · S4 대안 — 유형 ⑦에서 S6 또는 S4 · C1 후단 — 집계 결과의 사람 확정

참고 자료

Beurer-Kellner 외(2025) #3 LLM Map-Reduce · #4 Dual LLM(Willison) · Vinodhkumar M AI 보안 패턴: Multi-Agent Segmentation · Privilege Separation · Map-Reduce · Bulkhead

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

같은 기관의 과제들이 각자 모델·벡터DB·프롬프트를 따로 만들어, 공유할 수 있는 기반 부품을 부서 수만큼 중복 구축하는 함정이다.

맥락

한 기관 안에서 여러 부서가 동시에 대민·내부 챗봇, 문서 검색, 요약 도구를 추진하는 경우. 특히 각 과제가 상용 API를 직접 호출하는 경우.

맞서는 힘(긴장)

• 부서의 빠른 자율 구축 vs 기관 전체의 중복 비용
• 부서별 맞춤(코퍼스·문체) vs 공통 모델·게이트웨이
• 과제 단위 예산·성과 vs 공통 기반 등재·유지 책임

해법

§7.1의 두 번째 단계대로 기반 부품은 새로 만들지 말고 Provider에서 먼저 가져온다. 모델 호출은 A2 모델 서빙 계층(범정부 AI 공통기반 또는 기관 게이트웨이) 뒤로 모으고, S1 단일 진입점에서 인증·요청 상한·비용 상한·감사 기록을 일괄 적용한다. 공공 API·공공 클라우드·공공 깃랩은 A3 공공 API 제공자로 쓴다. 부서별 차이는 모델을 따로 두지 말고 A9 업무 규범 스킬과 부서 코퍼스(A1)로 표현하며, 부서·등급별 코퍼스 분리가 필요하면 S2 권한 인식 검색으로 푼다. 없어서 새로 만든 부품은 §13 참조 구현 레지스트리에 올린다.

이럴 때 쓴다

• 같은 기관의 두 과제 이상이 각자 모델 계약·API 키·벡터DB를 갖는다
• 범정부 AI 공통기반·공공 API를 쓰지 않은 이유가 서술되지 않는다
• 공통 규정·매뉴얼 코퍼스를 과제마다 따로 임베딩한다
• 모델 호출 비용을 기관 단위로 집계할 수 없다

이럴 때는 쓰지 않는다

• 데이터 등급(E5)이나 망 조건(E1) 때문에 공통 기반을 쓸 수 없고 그 사유가 서술된 경우
• A2 게이트웨이를 공유하면서 부서별 코퍼스·스킬만 따로 둔 경우(정상 조립)
• 개인이 만든 단일 도구로 기관 내 중복 과제가 없는 경우

얻는 것

• 부서가 협의 없이 빠르게 만든다
• 부서 요구에 딱 맞는 맞춤 구성을 갖는다

점검표

• 기관의 모든 모델 호출이 하나의 게이트웨이를 지나는가
• 부서별 API 키 직접 호출이 남아 있지 않은가
• 공통 기반을 쓰지 않은 과제는 그 사유(E1·E5)가 적혀 있는가
• 부서별 차이가 모델이 아니라 스킬·코퍼스로 표현되어 있는가

구조 — 참여 부품

• A2 모델 서빙 계층 — 교정 후 모든 부서 호출이 모이는 공통 자리
• A3 공공 API 제공자 — 범정부 AI 공통기반·공공 깃랩 등 Provider
• S1 AI 게이트웨이·단일 진입점 — 부서별 API 키 직접 호출을 대체하는 인증·상한·기록 지점
• A9 업무 규범 스킬 — 부서별 차이를 모델이 아니라 스킬로 표현

변형

• 부서별 API 키 직접 호출: 각 과제가 상용 API 키를 따로 받아 직접 호출. S1 부재의 전형
• 벡터DB 중복: 같은 규정·매뉴얼을 부서마다 따로 임베딩해 따로 검색
• 프롬프트 사일로: 같은 공문 규범을 부서마다 다른 프롬프트로 재작성

관련 부품

A2 대체 — 모델 호출을 모을 공통 서빙 계층 · A3 대체 — 범정부 AI 공통기반 등 Provider · S1 끼울 자리 — 부서별 API 키 직접 호출을 대체하는 단일 진입점 · A9 짝 — 부서별 차이를 스킬로 표현 · X4 이웃 안티패턴 — 중복 구축과 단일 모델 종속이 함께 나타남

참고 자료

Microservice API Gateway · 카탈로그 §13 참조 구현 레지스트리

이 부품과 이어지는 가이드라인

• 공공부문 AI 도입·활용 가이드 행정안전부·NIA, 2026.6. 현행 핵심.

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗

평가 세트 없이 검색을 붙여 '좋아진 것 같다'로 배포하고, 검색으로 풀릴 문제를 파인튜닝으로 푸는, 진행 경로를 건너뛰는 함정이다.

맥락

B3 지식 접지·B1 코파일럿에 RAG를 붙이거나 A2.3 튜닝형 모델을 만드는 과제, 특히 규정·매뉴얼 기반 질의응답.

맞서는 힘(긴장)

• 눈에 보이는 기술 성과 vs 지루한 평가 세트 구축
• 빠른 배포 vs 변경마다 재는 자
• 자체 모델 보유 인상 vs 검색으로 충분한 문제

해법

§7.2 진행 경로를 순서대로 밟는다. B1 직접 프롬프트에서 시작해 두 번째 단계에서 C9 평가 세트(업무 질문·정답·채점 기준)를 먼저 만들고, 이후 A9 규범 스킬·F4, B3 지식 접지(A1 데이터 자산), B3 검색 품질(Hybrid·Rewriting·Reranker), C5 가드레일·F1 순으로 붙이며 매 단계를 C9로 잰다. A2.3 튜닝은 진행 경로의 마지막 단계로, 검색·규범 스킬로 풀리지 않는다는 것이 C9 점수로 확인됐을 때만 한다. 모델·프롬프트·설정 조합은 릴리스처럼 버전 관리한다.

이럴 때 쓴다

• RAG·튜닝을 도입했는데 업무 질문·정답·채점 기준 세트가 없다
• '답변 품질 향상'을 수치 없이 서술하거나 단발 정확도만 보고한다
• 자주 바뀌는 규정·매뉴얼 질의를 파인튜닝으로 풀었다
• 검색 품질(재현율·리랭킹)을 재지 않고 튜닝으로 넘어갔다

이럴 때는 쓰지 않는다

• C9 세트로 RAG 전후를 비교한 뒤 배포한 경우
• 검색·스킬로 풀리지 않음을 C9 점수로 확인한 뒤 튜닝한 경우
• B2·B4처럼 비LLM 학습 모델로 원래 학습이 해법인 경우(RAG가 대안이 아님)

얻는 것

• RAG·튜닝이라는 눈에 보이는 기술 성과를 빨리 낸다
• 평가 세트 구축에 현업 시간을 쓰지 않는다

점검표

• 업무 질문·정답·채점 기준 세트가 있는가
• RAG 전후 점수 비교가 있는가
• 튜닝을 선택한 근거가 C9 점수로 설명되는가
• 모델·프롬프트·설정 조합이 버전 관리되는가

구조 — 참여 부품

• C9 평가 세트·회귀시험 — 빠진 부품. 모든 변경을 같은 자로 잼
• B3 지식 접지 — 튜닝 전에 먼저 시도할 검색 기반 접지
• A2.3 튜닝형 모델 — 진행 경로의 마지막 단계
• A1 데이터 자산 서비스 — 정답 출처와 검색 코퍼스

변형

• 평가 없는 RAG: 검색을 붙이고 몇 개 질문을 눈으로 보고 배포
• RAG 없는 튜닝: 문서 검색으로 풀릴 최신 규정 질의를 파인튜닝으로 해결하려 함
• 평가 없는 튜닝: 튜닝 전후를 같은 세트로 비교하지 않음

관련 부품

C9 대체 — RAG·튜닝보다 먼저 만들 평가 세트 · B3 선행 — 튜닝 전에 시도할 지식 접지 · A2.3 순서 — 진행 경로의 마지막 단계 · A9 대안 — 튜닝 대신 규범 스킬로 푸는 경로 · X11 이웃 안티패턴 — 같은 진행 경로 위반

참고 자료

Fowler GenAI 진행 경로(Direct Prompting → Evals → RAG → Hybrid Retriever·Query Rewriting·Reranker → Guardrails → Fine Tuning) · InfoQ Prompt-Model-Config Versioning

이 부품과 이어지는 가이드라인

• 공공부문 AI 도입·활용 가이드 행정안전부·NIA, 2026.6. 현행 핵심.

웹북에서 전체 프로필 보기 ↗ · 패턴 성좌 디렉터리에서 보기 ↗