질문을 읽고 검색할 출처·기간·검색어를 직접 고른 뒤 돌아온 결과의 순위를 매겨 주는 검색 서비스로, 답을 생성하지 않고 근거 문서만 고른다. 같은 파이프라인을 다른 에이전트가 쓰도록 API로도 제공한다.
사례 대상 바로가기 · 공유 링크 · 아카이브에서 보기
상세 정보
- 사례 성격
- 참고
- 출처 채널
- 오픈채팅
- 수집일
- 2026-10-13
- 태그
- #검색 #에이전트 #근거검색 #API
- 실행 환경
- 브라우저만
- AI 모델
- 해외 상용 API — Jev
- 링크 점검
- 정상 (2026-11-02)
4축 평가
| AX 단계 | AI-Enabled |
|---|---|
| 업무 범위 | S2 Workflow |
| 업무 완결성 | C1 결과 제공 |
| 권한(P축) | P0 읽기 전용(잠정) |
| 위험도 | R1 낮음 |
| 인간 통제 | 해당 없음 |
| 증거 등급 | E2 화면·서비스 확인 |
| 신뢰도 | 중간 |
모델이 검색처·기간·검색어를 정하고 결과 순위를 매기되 답을 생성하지 않는 근거 검색 구조라 공공 검색 설계에 참고된다. 사용자 요청으로 참고 사례로 등재했으며, 공공 현장의 실제 사용 근거는 미확인이다.
디자인 패턴 분석
『모두의 공공AX 디자인 패턴』 카탈로그 v0.7.1 기준 — 사례를 기관이 함께 쓰는 AI 부품과 그 조립으로 읽은 결과입니다. · 패턴 성좌에서 전체 보기 ↗
업무 패턴 B3 지식 접지 상담 변형: 검색 계획·재순위(답 생성 없이 근거 문서 선별, API 제공)
환경 축 배포:인터넷망 네트워크:인터넷 필수 모델:해외 상용 API 런타임:브라우저만 권한:P0 읽기 전용
- 제어 흐름(B′)
- B′8 계획-실행 B′2 라우터·디스패처 B′1 순차 파이프라인
- 공통 서비스(A)
- A2.1 모델 서빙 · 상용 API 호출
- 신뢰할 수 없는 입력
- 외부 검색처에서 돌아온 웹 문서·검색 결과
- 상호작용(F)
- F1 출처 표시
- 서비스 블록(D)
- D1 안내·탐색
- 부품 배선
- A2.1 → B3 · B3 → B′8 · B′8 → B′2 · B′2 → B′1 · B′1 → F1 · F1 → D1
판정 근거
질문을 읽고 검색할 출처·기간·검색어를 모델이 직접 고른 뒤(B′8 계획-실행, B′2 출처 라우팅) 돌아온 결과의 순위를 매겨 근거 문서만 고르는(B′1) 해외 검색 서비스. 답을 생성하지 않고 근거 문서를 내놓으므로 산출물 기준(R1) 주 부품은 B3 지식 접지 검색, 근거 문서 제시가 곧 F1. 복수 LLM 역할·도구 루프가 공개 요약으로 확인되지 않아 R2에 따라 B6 아님. 같은 파이프라인을 다른 에이전트가 쓰도록 API로 제공해 유형 5b로 두었다(MCP 명시는 없어 A8 미태그). 외부 웹 문서가 신뢰 불가 입력이나 시스템 쓰기·처분이 없는 P0이라 규칙 미적용. 해외 상용 API 의존인데 폴백 근거가 없어 C7 경고는 측정 신호로 둔다. 민간·해외 참고 사례. URL 없음(요약만으로 판정).
구현 가이드
주 패턴 B3 지식 접지 상담을 구현할 때
구현 단계
- 대표 질문·정답·채점 기준으로 C9 평가 세트를 먼저 만든다.
- A1로 코퍼스를 정리하고 데이터 등급(E5)과 공개 범위를 메타로 붙인다. 등급 문서가 섞이면 S2 권한 인식 검색을 둔다.
- E1에 맞게 임베딩·벡터DB·모델 위치를 정한다(폐쇄망이면 전부 로컬, A2.2·A2.4).
- 근거 밖 답변 금지·출처 상시 표시·근거 없으면 이관하는 규칙을 C5·F1·B′2로 구현한다.
- 검색 품질 3패턴을 하나씩 붙이며 C9로 재고, 문서 갱신 주기를 C6으로 운영한다.
점검표
- 답마다 출처가 표시되는가
- 근거가 없을 때 답하지 않고 이관하는가
- 평가 세트로 검색·답변 품질을 재고 있는가
- 코퍼스 갱신 주기와 책임자가 정해져 있는가
환경 조건
E1 폐쇄망·행정망이면 임베딩·벡터DB·모델 전부 로컬(A2.2 주권형 또는 A2.4 내부망 프록시 + 로컬 임베딩). E2 해외 상용 API면 C5 비식별 전처리와 C7 폴백이 필수다. E4는 P0~P1이 기본이다. 신뢰 불가 입력(민원 입력·공개 웹)을 읽고 P2 이상이면 S6 문서별 격리와 S2가 필요하다. 대민형은 S4·S7이 권장된다(§7.4).
주의할 점
- 평가 없이 붙이면 품질을 알 수 없음(X10)
- 코퍼스 갱신이 멈추면 오답이 됨
- 부서마다 따로 만들면 중복(X3)
- 대민형은 인젝션·유출 위협에 노출
기본 배선 예
A1 → A2.2 → B3 (B′7 · B′2) → F1 · B3 → C2 → 담당자 이관
보완이 필요한 필수 부품
이 조합에서 카탈로그가 함께 갖추라고 권하는 부품 가운데 아직 확인되지 않은 것이다.
- A8 MCP 서버·호스트 공공 API·업무 시스템·로컬 파일을 에이전트가 부를 수 있는 도구로 감싸고, 도구 목록·권한·호출 로그를 한 층에서 관리한다.
- C8 권한 경계·킬스위치 AI 부품이 할 수 있는 일의 상한을 P0~P4로 못 박고, 도구별 실행 승인·읽기/쓰기 분리·속도 제한·즉시 중단 스위치를 제공한다.
- C4 감사 로그·지표 처리 건마다 흔적을 적재하고 수정률·처리시간·자동처리율·가용성을 집계해, '지난달 수정률'을 숫자로 말할 수 있게 한다.
- S5 계획 후 실행·코드 후 실행 신뢰 불가 데이터를 읽기 전에 도구 호출 계획이나 프로그램을 고정하고 정책으로 검증해, 도구 출력이 새 행동을 끼워 넣지 못하게 한다.
- S6 격리 LLM·맵리듀스 도구를 가진 권한 LLM은 신뢰 불가 데이터를 읽지 않고, 데이터를 읽는 격리 LLM은 도구가 없게 나눈 뒤 결과를 형식 제약이나 기호 참조로만 넘긴다.
피해야 할 안티패턴
- X3 부서마다 챗봇 같은 기관의 과제들이 각자 모델·벡터DB·프롬프트를 따로 만들어, 공유할 수 있는 기반 부품을 부서 수만큼 중복 구축하는 함정이다. 대처: §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.
- X10 평가 없는 RAG, RAG 없는 튜닝 평가 세트 없이 검색을 붙여 '좋아진 것 같다'로 배포하고, 검색으로 풀릴 문제를 파인튜닝으로 푸는, 진행 경로를 건너뛰는 함정이다. 대처: §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.
관련 가이드라인
이 사례가 쓰는 부품과 이어지는 공공 AX 안내서·지침이다 (부록 E 공공 AX 가이드라인 문서 해설 기준, 겹치는 부품이 많은 순).
- 공공부문 AI 도입·활용 가이드 쓰는 작업: 사업 담당자가 사업계획서와 예산 요구서를 쓸 때 처음 펴는 문서다. 기획 단계에서는 사업 범위와 성과 지표를, 계약 단계에서는 과업지시서 구조를, 운영 단계에서는 유지관리 항목을 이 문서의 단계 구분에 맞춘다. 자체 모델을 들일지 공통기반을 쓸지 결정할 때도 이 문서가 기준이다.주의: 2024년 1.0과 2025년 2.0 초거대 AI 가이드라인을 잇는 문서다. 신규 사업은 이 판을 근거로 쓰고, 구판의 체크리스트는 이 판에 없는 항목을 확인할 때만 꺼낸다.
- 공공데이터의 인공지능 친화적 관리 가이드라인 이 사례와 겹치는 부품 A8 MCP 서버·호스트 B3 지식 접지 상담쓰는 작업: 데이터 담당 부서가 공공데이터나 내부 문서를 RAG 지식베이스와 API로 내놓기 전에 편다. 데이터 개방 계획서의 메타데이터 항목, 지식베이스에 넣을 문서의 형식 변환 기준, 데이터 품질 점검표를 이 문서로 쓴다. 공공 API를 MCP 서버로 감싸려는 담당자에게도 기본 문서다.주의: NIA가 v1.1 개정을 공지했으므로 내려받은 파일의 판을 확인한다.
- 국가·공공기관 AI보안 가이드북 이 사례와 겹치는 부품 S5 계획 후 실행·코드 후 실행 C8 권한 경계·킬스위치쓰는 작업: 아키텍처 설계 단계에서 보안 담당자와 사업 담당자가 보안성 검토 신청서와 보안 요구사항을 쓸 때 기준으로 삼는다. 에이전트나 MCP 서버를 들이는 사업이면 3장이 바로 설계 검토 목록이 된다.주의: 기관 보안규정과 보안성 검토 절차가 이 문서 위에 겹쳐진다. 이 문서만 근거로 쓰지 말고 기관 보안 부서의 적용 기준을 함께 확인한다.
- 개인정보의 안전성 확보조치 기준 안내서 이 사례와 겹치는 부품 C4 감사 로그·지표 C8 권한 경계·킬스위치쓰는 작업: 운영 단계의 접근권한 관리 대장, 접속기록 보관과 점검 절차를 정할 때 쓴다. AI 서비스의 관리자 화면, 벡터 DB, 대화 로그 저장소가 모두 대상이다.주의: 대화 로그는 개인정보를 담기 쉽다. 품질 개선용으로 쌓는 로그에도 이 기준을 적용한다.
- 고영향 인공지능 사업자 책무 가이드라인 이 사례와 겹치는 부품 C4 감사 로그·지표 C8 권한 경계·킬스위치쓰는 작업: 고영향으로 판단된 사업은 설계 단계에서 책무 이행 계획을 세우며, 그 항목을 이 문서에서 가져온다. 사람의 감독 지점, 설명 제공 방식, 기록 보존을 설계서에 반영한다.주의: 구체 책무 항목은 첨부 원문으로 확인한다.
- 생성형 인공지능 결과물에 의한 저작권 분쟁 예방 안내서 이 사례와 겹치는 부품 F1 출처 표시 C4 감사 로그·지표쓰는 작업: 운영 단계에서 AI 결과물을 외부로 배포하는 부서가 배포 전 확인 절차를 만들 때 쓴다. PAX 목록이 꼽은 결과물 유사성과 AI 이용 사실 기록이 이 절차의 항목이다.주의: 지식베이스 문서를 그대로 옮겨 답하는 RAG 서비스도 결과물 유사성 문제를 안는다.
- 공공부문 초거대 AI 도입·활용 가이드라인 2.0 이 사례와 겹치는 부품 C4 감사 로그·지표쓰는 작업: 2025년에 착수해 이 판을 근거로 계약한 사업의 운영과 감리에서 기준 문서로 다시 편다. 새 사업을 기획하는 담당자에게는 사례집 부분이 쓸모 있다. 비슷한 업무에 누가 무엇을 해 보았는지 찾는 출발점이다.주의: 2026년 6월 가이드가 이 판의 다음 판이다. 공식 게시물을 이번 집필에서 확인하지 못했으므로, 인용할 때는 기관이 보유한 파일의 판 표기를 확인한다.
- AI 정부 서비스 사례집 이 사례와 겹치는 부품 D1 안내·탐색쓰는 작업: 대국민 서비스를 기획하는 부서가 같은 분야의 정부 서비스를 찾을 때 편다. 국민이 직접 쓰는 서비스는 내부 업무 지원 도구와 요구사항이 다르므로, 내부 도구 사례만 보고 기획하지 않도록 이 사례집으로 균형을 잡는다.주의: 사례의 운영 상태는 발간 시점 기준이다. 지금도 운영 중인지는 PAX 사례 페이지나 기관 누리집에서 다시 확인한다.
같은 주 패턴(B3)을 쓰는 다른 사례
같은 업무 패턴으로 조립된 사례를 서비스 유형이 같은 것부터 모았다 외 22건. 구현할 때 비교해 볼 수 있다.
이 사례에 쓰인 패턴
B3 지식 접지 상담 업무 컴포넌트
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
B′8 계획-실행 제어 흐름
계획자가 전체 단계를 먼저 쓰고 실행자가 그 순서대로 수행하는 배선이다. 중간 이탈이 비싼 긴 업무에서 단계 누락과 실행 무질서를 막는다.
PAX 사례 5건이 이 부품을 쓴다
맥락
B7 콘텐츠 생성(유형 ⑥ 기획 → 제작)과 B6 오케스트레이터의 긴 업무에 쓴다. C3 상태 머신과 짝을 이루고, 보안 목적으로 계획을 고정해 정책으로 검증하면 S5가 된다.
맞서는 힘(긴장)
- 실행 질서·추적 가능성 vs 중간 계획 변경의 어려움
- 계획 품질 의존 vs 계획 오류가 전체에 번지는 위험
- 계획 고정의 보안 이점(S5) vs 탐색 과제 부적합
해법
계획자가 목표를 받아 단계 목록(도구·입력·완료 조건)을 먼저 쓰고, 필요하면 사람이 계획을 확인한다(F6). 실행자는 계획 순서대로 수행하며 단계 상태를 C3 상태 머신에 기록해 어디서 멈췄는지 알 수 있게 한다. 실패 단계는 재시도하거나 재계획하되 재계획 횟수를 제한한다. 신뢰 불가 데이터를 읽기 전에 계획을 고정하고 허용 도구·권한 정책으로 검증하면 S5 보안 부품이 된다.
이럴 때 쓴다
- 중간 이탈 비용이 큰 긴 업무일 때
- 단계가 빠지거나 순서가 꼬이는 실패가 관측될 때(§7.5)
- 실행 전에 사람이 계획을 확인해야 할 때
이럴 때는 쓰지 않는다
- 탐색적 질의로 관찰마다 방향이 바뀔 때(B′7)
- 순서가 코드로 고정된 파이프라인일 때(B′1)
얻는 것
- 단계 누락·실행 무질서 방지
- 진행 상태 추적
- 실행 전 사람 확인 가능
점검표
- 이 건이 어느 단계에서 멈췄는지 시스템이 아는가
- 실행 전에 계획을 확인할 수 있는가
- 재계획 횟수에 상한이 있는가
구조 — 참여 부품
- 계획자 — 단계 목록을 먼저 작성
- 실행자 — 계획 순서대로 수행
- C3 상태 머신·롤백 — 단계 상태 추적과 되돌림
- F6 에이전트 행동 검토·확인 — 실행 전 계획 확인
관련 부품
C3 짝 — 상태 머신 · S5 제약형 — 계획 후 실행 · B′7 대안 — 탐색적 과제 · B7 배선 자리 — 유형 ⑥ · F6 이용자 쪽 대응 — 실행 전 확인
참고 자료
Towards AI #3 · Gulli ch.6 Planning · Springer Planning
B′2 라우터·디스패처 제어 흐름
요청의 의도·유형·난이도를 읽어 전문 경로·모델·도구·담당자로 보내는 배선이다. 모든 건을 같은 경로로 보내는 낭비를 막는다.
PAX 사례 23건이 이 부품을 쓴다
맥락
대민 상담(B3)의 예외 이관, 규칙 선필터로 LLM 호출 줄이기, 폐쇄망 모델과 외부 모델 사이의 모델 라우팅, 여러 MCP를 한 서버에서 경로별로 제공하는 구성에 쓴다. C2 위험도 라우터의 내부 원형이고, D4 분류·이관을 기술로 구현한 실체다.
맞서는 힘(긴장)
- 경로 분리의 효율 vs 라우팅 오류라는 새 위험
- 규칙 라우팅의 예측 가능성 vs 모델 라우팅의 유연성
- 외부 모델 분기의 품질 vs 경계 통제(E1·E5)
해법
요청을 분류하는 단계(규칙·경량 모델·LLM)를 앞에 두고, 분류 결과마다 처리 경로(규칙 판정, LLM 판정, 담당자 이관, 판단 불필요)를 정한다. 경로별 처리 비율을 C4로 실측해 라우팅 품질을 보고, 분류가 불확실한 건은 사람에게 보낸다(C2·F11). 모델 라우팅은 A2 서빙 계층의 기능으로 두고 외부 모델로 나가는 분기에는 C5 비식별을 건다. 보안이 필요한 대민 접점에서는 LLM이 미리 정한 행동 중 선택만 하게 제약해 S4로 만든다.
이럴 때 쓴다
- 요청 유형마다 처리 비용·방법이 뚜렷이 다를 때
- 답할 수 없는 건을 담당자로 이관해야 할 때(유형 ① 대민 상담)
- LLM 호출 비용을 줄여야 할 때
이럴 때는 쓰지 않는다
- 요청 유형이 하나뿐일 때
- 분류 오류의 비용이 큰데 분류 품질을 잴 방법이 없을 때
- 라우팅 대신 규칙으로 판정 모델 호출 대상 자체를 좁히는 구조일 때(B′10)
얻는 것
- 호출 비용 절감
- 답할 수 없는 건의 이관
- 경로별 전문화
점검표
- 경로별 처리 비율을 실측하는가
- 분류가 불확실할 때 사람에게 가는 경로가 있는가
- 외부 모델로 나가는 분기에 비식별이 걸려 있는가
구조 — 참여 부품
- 분류기 — 의도·유형·난이도 판별(규칙 또는 모델)
- 전문 경로 — 유형별 처리 모델·도구·규칙
- C2 위험도 라우터 — 위험도·신뢰도 기반 사람 이관
- C4 감사 로그·지표 — 경로별 처리 비율 실측
변형
- 의도 라우팅: 질문 의도로 전문 에이전트·도구에 배정
- 모델 라우팅: 기본은 폐쇄망 사내 모델, 필요할 때만 외부 모델로 분기(InfoQ Intelligent Model Routing)
- 결정론 우선·LLM 선택 확대: 기본은 결정론 경로, 규칙 결과가 얕을 때만 LLM 경로로 분기
- 경로 라우팅 통합 서버: 여러 공공데이터 MCP를 한 서버에서 경로별로 제공
참조 구현 예
- PAX fcfac85b15998dee — 폐쇄망 사내 모델 기본, 최신 정보 필요 시 외부 모델 분기(§13)
- PAX 9d56d423296a3238 — 5개 공공데이터 MCP를 한 서버에서 경로 라우팅(§13)
- PAX 7c989a8fe8dda878 — 결정론 우선·LLM 선택 확대 라우팅(§13)
관련 부품
C2 운영 부품 — B′2를 내부 원형으로 하는 위험도 라우터 · S4 제약형 — 보안 목적의 행동 선택기 · D4 서비스 블록 — 분류·이관의 기술적 실체 · B′10 이웃 — 규칙 선게이트로 후보 축소 · F11 이용자 쪽 대응 — 사람 이관 안내
참고 자료
Google ADK #2 Coordinator · Gulli ch.2 Routing · InfoQ Model Routing · adaptive.live 라우팅
B′1 순차 파이프라인 제어 흐름
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
A2.1 모델 서빙 · 상용 API 호출 공통 서비스
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
F1 출처 표시 상호작용 패턴
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
D1 안내·탐색 서비스 블록
국민이 어떤 서비스를 받을 수 있고 어디로 가야 하는지 알려 주는 대민 접점 블록이다. B3 지식 접지나 B0 탐색기가 이 자리에 들어간다.
PAX 사례 99건이 이 부품을 쓴다
맥락
국민·기업이 직접 쓰는 대민 접점. §7.3 유형 ① 대민 상담·안내(D1·D7, P0~P1)의 입구다. 규칙 기반 공공데이터 조회로 안내하는 비LLM 도구도 이 블록에 속한다(R21).
맞서는 힘(긴장)
- 안내 범위의 폭 vs 답의 정확성
- 자유 질의의 편의 vs 규정 밖 답을 끌어내려는 입력(S4가 막는 위협)
- 상시 운영 요구 vs 상용 API 장애(C7)
- 쉬운 말 vs 법령·공고 원문 충실성
해법
블록은 렌즈이고, 해법은 이 자리에 끼우는 부품 조합이다. 주 부품은 공개(O) 문서에 접지한 B3 대민 자동응답형이나 조건으로 대상 서비스를 좁히는 B0 탐색기다. 답은 F1 출처와 F7 "공식 판단 아님" 고지와 함께 내고, 입력은 F4 구조화 입력으로 받아 조건 누락을 줄인다. 민원인 입력은 신뢰 불가 입력이므로 S4 행동 선택기와 S7 컨텍스트 최소화로 규정 밖 답을 막고, 상시 서비스이므로 C7 폴백을 둔다. 판단이 필요한 질문은 B′2 라우터로 D4 분류·이관이나 담당자에게 넘기고 F11로 이관을 알린다.
이럴 때 쓴다
- 국민이 받을 수 있는 서비스나 담당 창구를 몰라 헤매는 문제가 있을 때
- 같은 안내 질문이 반복되고 답이 공개 규정·공고에 있을 때
- 뒤따르는 신청(D2)의 입구를 정리해 잘못된 접수를 줄이고 싶을 때
이럴 때는 쓰지 않는다
- 개인별 요건 충족 판정이 필요하면 D3 자격·심사
- 개인 상황에 맞춘 정보·처방·법령 해석을 주면 D7 상담·처방
- 이용자가 기관 내부 담당자면 D8.1 탐색·조회
얻는 것
- 창구를 찾아 헤매는 시간 감소
- 반복 안내 업무 경감
- 후속 신청(D2)의 입구 정리
점검표
- 안내마다 근거 출처가 보이는가
- "공식 판단 아님" 고지가 화면에 있는가
- 규정 밖 질문을 사람에게 넘기는 경로가 있는가
- 평가 세트로 안내 정확도를 재는가
- 모델 장애 시에도 안내가 멈추지 않는가
구조 — 참여 부품
- 국민·기업 — 자기 상황을 말하고 받을 서비스와 창구를 찾는 주체
- B3 지식 접지 상담 — 공개 문서에 접지해 안내 답변을 생성
- B0 결정적 도구(탐색기) — 조건 선택으로 해당 서비스 목록을 좁힘
- F1 출처 표시 — 안내의 근거 문서·데이터를 보여 줌
- F7 한계·신뢰도 안내 — 공식 판단이 아님과 안내 범위를 고지
- 담당자 — 라우터가 넘긴 판단 필요 질문을 처리
변형
- 조건 탐색형: B0 탐색기. 나이·가구·지역 같은 조건을 넣으면 받을 수 있는 서비스 목록을 준다(생애주기 혜택 내비게이터).
- 접지 질의응답형: B3 대민 자동응답형. 자유 질의에 공개 규정·공고로 답하고 예외만 이관한다.
- 비LLM 공공데이터 안내형: 모델 없이 A1 결정론 조회로 안내한다. 유형 1의 A2 요건을 A1로 대체한다(R21).
참조 구현 예
- 생애주기 혜택 내비게이터 — 카탈로그 D1 카드의 B3·B0 탐색기 예
관련 부품
D4 다음 단계 — 판단이 필요한 질문의 이관처 · D7 이웃 블록 — 개인 맞춤 정보·처방 · D2 후속 블록 — 안내 뒤 신청 · S4 필수 보안 — 대민 챗봇의 기본형 · C7 상시 서비스 필수 통제
참고 자료
Davis Levine, Service Design Patterns: An alpha list of patterns (2017) · 카탈로그 §7.3 유형 ① 대민 상담·안내 · 카탈로그 §7.4 유형 ① 위협 모델
이 부품과 이어지는 가이드라인
A8 MCP 서버·호스트 공통 서비스
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
C8 권한 경계·킬스위치 운영 컴포넌트
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
C4 감사 로그·지표 운영 컴포넌트
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
S5 계획 후 실행·코드 후 실행 보안 패턴
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
S6 격리 LLM·맵리듀스 보안 패턴
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
X3 부서마다 챗봇 안티패턴
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
X10 평가 없는 RAG, RAG 없는 튜닝 안티패턴
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
실무 도입 카드
필요한 것
실행환경: 브라우저만
첫 3단계
① 링크 접속 → ② 내 업무 데이터로 시험 → ③ 동료와 결과 검증
주의사항
실사용 피드백이 미확인입니다 — 도입 전 소규모 검증을 권합니다 · 성과 수치는 출처가 확인된 것만 신뢰하세요
전이 절차(보안검토→품의→배포)는 전이 플레이북을 참고하세요.