AI
당근페이의 Amazon Bedrock 기반 Text-to-SQL로 완성하는 데이터 혁신, Part 1: 브로쿼리 개요와 아키텍처
두줄요약
당근페이는 브로쿼리라는 내부 Text-to-SQL 봇의 배경과 아키텍처를 소개했습니다. 자연어 질문을 SQL로 바꾸고 컨텍스트를 보강해 데이터 활용 장벽을 낮추는 구조를 설명했습니다.
핵심 내용
- 당근페이 내부 Text-to-SQL 챗봇 브로쿼리의 기획 배경과 전체 아키텍처 소개
- 비개발 직군의 데이터 접근 장벽 해소와 반복적인 데이터 요청 자동화 목표
- Slack, DynamoDB, Amazon Bedrock 에이전트, OpenSearch RAG, MCP, Redshift, LangGraph로 구성된 분기형 Agentic 워크플로우
- 자연어 질문 분석, 컨텍스트 보강, SQL 생성·검증, 실행·시각화, 피드백 기록의 흐름
구조와 흐름
- Slack과 DynamoDB로 대화 문맥과 피드백 관리
- OpenSearch 하이브리드 검색과 Reranker로 기술 메타데이터 정제
- MCP 서버로 비즈니스 컨텍스트 보강
- LLM 기반 SQL 생성 뒤 Self-Reflection으로 오류 점검 후 Redshift 실행
적용해볼 점
- 자연어 기반 데이터 조회로 비개발 직군의 활용 장벽 완화
- 메타데이터와 비즈니스 컨텍스트를 함께 두는 Text-to-SQL 설계
- 복잡한 분기와 재시도를 LangGraph로 오케스트레이션하는 방식