웹 데이터를 SQL로 검색·처리하는 AI 에이전트 'Keenable SELECT' 공개

Keenable SELECT는 웹 데이터를 SQL 문법으로 검색, 필터링, 추출할 수 있는 MCP(Model Context Protocol) 서버 기반 AI 에이전트다. 기존 웹 검색이 링크 목록만 제공해 에이전트가 페이지를 읽고 정보를 추론해야 했던 것과 달리, SELECT는 DuckDB와 결합해 웹 데이터를 테이블처럼 직접 쿼리할 수 있게 한다.

핵심 작동 원리

에이전트는 select 도구를 통해 DuckDB SELECT 문을 실행한다. 서버는 웹 검색 및 LLM 기반 연산자를 SQL 파서에서 찾아 실행한 후, 결과를 일반 컬럼으로 치환하여 DuckDB에서 최종 쿼리를 수행한다. 이 방식은 1,000개 이상의 페이지를 한 번의 호출로 검색하고, LLM 비용 없이 WHERE 절로 정확한 필터링을 수행하며, 행별로 소규모 LLM 호출을 통해 필드를 추출할 수 있게 한다.

주요 연산자

SQL 내에서 다음과 같은 시맨틱 연산자를 사용할 수 있다:

• WEB_SEARCH: 여러 쿼리를 동시에 검색하고 중복을 제거해 결과를 병합한다.
• WEB_FETCH: 지정된 URL을 Markdown 형식으로 가져와 행으로 반환한다.
• SEM_EXTRACT: 행별 LLM 호출을 통해 특정 필드를 추출한다.
• SEM_MATCH: 의미 기반 필터링을 수행하는 WHERE 조건으로 사용된다.
• SEM_SCORE: 임베딩 기반 점수를 계산해 정렬에 활용한다.

에이전트 구조

보고서 생성은 두 단계의 에이전트로 구성된다. 먼저 리서치 에이전트가 select 도구를 반복 호출하며 데이터를 수집하고, 이후 리포트 에이전트가 서버 측 샌드박스 Python 세션에서 데이터프레임을 활용해 HTML 보고서를 작성한다. 리포트 에이전트는 렌더링된 스크린샷과 JavaScript 오류 카운트를 확인하며 자체 수정 과정을 거친 후 최종 링크를 게시한다.