포트폴리오 Agent

Overview

이력과 프로젝트 경험을 텍스트로 입력하면 LLM이 엔티티와 관계를 추출해 Knowledge Graph로 쌓습니다. 질문이 들어오면 질문 유형에 맞는 검색 경로로 근거를 모아 답변합니다. 지금 이 페이지 오른쪽 아래의 챗봇이 바로 이 시스템입니다.

Demo

Key Features

1. Ingestion 워크플로우 (Google ADK 그래프)

• 엔티티 추출 → 기존 엔티티가 있으면 병합 → 저장 → 관계 추출 → 저장 순서의 그래프 워크플로우입니다.
• 엔티티 7종(Project, Technology, Company, Role, Achievement, Topic, Challenge)과 관계 7종으로 스키마를 고정해 추출 결과를 일관되게 유지합니다.
• 모든 LLM 노드는 Pydantic structured output을 사용합니다.

2. RAG 워크플로우

• Query Analyzer가 질문을 분석해 라우팅합니다.
  • 잡담(chitchat) → 바로 답변
  • 넓은 질문(broad) → 커뮤니티 검색 → Retriever
  • 그 외 → Retriever
• Planner가 모은 근거가 충분한지 판단하고, 부족하면 Retriever를 다시 실행합니다(최대 3회).

3. 검색

• 벡터 + 전문 검색 하이브리드를 RRF로 결합합니다.
• PPR(Personalized PageRank)로 관련 엔티티를 확장합니다.
• Leiden 알고리즘으로 2레벨 계층 커뮤니티를 만들고, LLM이 커뮤니티마다 이름과 요약을 붙입니다.

4. 멀티턴 대화

• ADK 세션(PostgreSQL)과 대화 히스토리를 유지하고, 이전 턴의 질문 분석 결과를 다음 턴에 주입합니다.

5. 접근 제어와 모드

• 데이터마다 public/private visibility를 두고, admin 토큰이 있을 때만 private 데이터까지 검색합니다.
• 사실 기반 Q&A(qa)와 심층 분석(analyst, admin 전용) 모드를 제공합니다.

6. 연동과 운영

• GitHub Pages 포트폴리오에 SSE 스트리밍 챗봇 위젯으로 연동했습니다.
• MCP 서버로 Claude Code 스킬에서 포트폴리오를 조회합니다.
• GCP VM에 nginx + oauth2-proxy로 배포하고, OpenTelemetry → Jaeger로 워크플로우를 트레이싱합니다.

Architecture

flowchart LR
  subgraph ING["Ingestion"]
    T["이력·프로젝트 텍스트"] --> EX["Entity Extractor"]
    EX -->|기존 엔티티 존재| MG["Merge"]
    EX -->|신규만| ESN["Entity Store"]
    MG --> ESN
    ESN --> RX["Relationship Extractor"]
    RX --> RS["Relationship Store"]
  end
  subgraph QRY["Query"]
    W["GitHub Pages 챗봇"] --> NG["nginx"]
    NG --> API["FastAPI"]
    MCP["MCP · Claude Code 스킬"] --> API
    API --> QA["Query Analyzer"]
    QA -->|chitchat| ANS["Answer"]
    QA -->|broad| CS["Community Search"]
    QA -->|default| RT["Retriever"]
    CS --> RT
    RT --> PL["Planner"]
    PL -->|insufficient| RT
    PL -->|sufficient| ANS
  end
  RS --> NEO[("Neo4j")]
  RT --> NEO
  API --> PG[("PostgreSQL")]

Challenges

1. 넓은 질문 검색
   • 문제: 「어떤 프로젝트를 했어?」처럼 특정 엔티티가 없는 질문은 엔티티 유사도 검색으로는 전체를 커버하지 못했습니다.
   • 해결: Leiden 계층 커뮤니티와 LLM 커뮤니티 요약을 만들고, Query Analyzer가 broad 질문을 커뮤니티 검색으로 라우팅하도록 했습니다.
2. 한 번의 검색으로 부족한 근거
   • 문제: 여러 홉을 거쳐야 하는 질문은 1회 검색으로 근거가 모자랐습니다.
   • 해결: Planner가 근거 충분성을 판단해 Retriever를 반복 실행하는 루프를 만들고, 상한(3회)을 둬 지연을 제어했습니다.
3. 공개 챗봇과 관리 기능의 분리
   • 문제: 같은 API를 공개 위젯과 관리자 도구(MCP, 인제스트)가 함께 사용합니다.
   • 해결: nginx 경로 화이트리스트, Bearer 토큰 기반 visibility 필터, admin 전용 analyst 모드로 공개 범위와 권한을 나눴습니다.

Tech Stack

영역	기술
AI	Google ADK, Gemini, Graph RAG, Leiden, PPR
Backend	Python, FastAPI, FastMCP
Data	Neo4j, PostgreSQL
Infra	GCP VM, Docker Compose, nginx, oauth2-proxy, OpenTelemetry, Jaeger
Frontend	GitHub Pages(Jekyll), SSE 챗봇 위젯