Altimate 코드: 오픈소스 에이전트 기반 데이터 엔지니어링 하네스 소개

Altimate Code가 해결하는 문제

범용 AI 코딩 에이전트는 SQL을 작성할 수 있지만 데이터 컨텍스트에 대한 이해가 부족합니다: 계보 없음, 스키마 인식 없음, dbt 매니페스트 이해 없음. 소스에 따르면, 이로 인해 구체적인 문제가 발생합니다: AI 생성 SQL의 27–33%가 존재하지 않는 테이블을 참조하며, 오류의 78%는 컴파일되고 실행되지만 잘못된 데이터를 반환하는 침묵하는 잘못된 조인입니다. 한 팀은 단일 Cortex AI 쿼리로 인해 리소스 모니터가 놓친 5,000달러의 비용을 지불했습니다. 문제는 모델 품질이 아니라 누락된 도구 계층입니다.

주요 기능 및 능력

실시간 컬럼 수준 계보: 조인, CTE 및 서브쿼리를 통해 컬럼을 결정론적으로 추적합니다. 캐시된 매니페스트 없이 500K 벤치마크 쿼리에서 0.26ms/쿼리로 100% 에지 일치를 달성합니다.
SQL 안티패턴 감지: 0.48ms/쿼리에서 거짓 양성 없이 26개의 규칙.
로컬 SQL 검증: 웨어하우스 접근 없이 2ms 내에 스키마 카탈로그를 조회하여, 퍼지 매칭 수정 제안으로 잘못된 테이블을 포착합니다.
목적별 스킬: dbt 개발, 테스트, 문제 해결, 문서화, SQL 최적화 및 마이그레이션을 위해 설계되었습니다.
세 가지 에이전트 모드: 빌더, 애널리스트 및 플래너 모드로 컴파일된 권한 적용이 가능합니다. 애널리스트 모드는 프로덕션 안전을 위해 엔진 수준에서 읽기 전용을 적용합니다.
지속적 메모리: 글로벌 환경설정 및 프로젝트 지식 범위를 가진 세션 간 메모리로, git에 버전 관리되며 git pull 시 팀에 상속됩니다.
보안 기능: PII 감지, SQL 인젝션 스캐닝 및 엔진 수준 권한 적용.
데이터 커넥터: Snowflake, BigQuery, Databricks, PostgreSQL, Redshift, DuckDB, MySQL 및 SQL Server를 포함한 10개의 커넥터.
로컬 트레이서: 모든 LLM 호출, 도구 호출 및 웨어하우스 크레딧을 외부 서비스 없이 로컬에서 추적합니다.

벤치마크 결과

ADE-bench(dbt Labs의 오픈 표준)에서:

Altimate Code (Sonnet 4.6): 74.4%
Cortex Code (Snowflake) (Opus 4.6): 65%
Claude Code (기준선) (Sonnet 4.6): ~40%

소스는 컴파일된 도구를 갖춘 저렴한 모델이 도구 없이 더 비싼 모델을 능가했으며, 이 격차는 하네스 덕분이라고 언급합니다.

설치 및 사용법

npm을 통해 설치: npm install -g @altimateai/altimate-code

설정 단계:

LLM 공급자 구성: 대화형 설정을 위해 altimate 실행 후 /connect를 실행하거나, export ANTHROPIC_API_KEY=your_key와 같은 환경 변수를 설정합니다.
데이터 스택 자동 감지: altimate /discover를 실행하여 dbt 프로젝트, 웨어하우스 연결 및 설치된 도구를 자동으로 조회합니다.

헤드리스/스크립트 사용의 경우: altimate --yolo는 모든 권한 프롬프트를 자동 승인합니다(라이브 웨어하우스 연결 시 권장되지 않음).

이 도구는 /configure-claude 또는 /configure-codex 명령을 통해 기존 에이전트와 통합됩니다.