Ktx: 데이터 에이전트 정확도 보정을 위한 실행 가능한 컨텍스트 계층

✍️ OpenClawRadar📅 게시일: May 29, 2026🔗 Source
Ktx: 데이터 에이전트 정확도 보정을 위한 실행 가능한 컨텍스트 계층
Ad

Ktx는 Claude Code, Codex, Cursor, OpenCode 같은 AI 에이전트가 데이터 웨어하우스를 정확하게 쿼리할 수 있도록 설계된 오픈소스 실행 가능 컨텍스트 레이어입니다. Kaelio 팀은 수십 개 기업을 대상으로 프로덕션급 데이터 에이전트를 구축한 결과, 정확성이 가장 큰 문제라는 것을 발견했습니다. 에이전트는 유효한 SQL을 생성하지만, 오래된 컬럼, 숨겨진 비즈니스 규칙, 조인 팬아웃, 누락된 속성 로직 등으로 인해 종종 부정확합니다.

Ktx는 이 문제를 두 부분으로 나눕니다:

  • 비즈니스 컨텍스트는 자동으로 수집, 정리, 중복 제거 및 모순 플래그가 지정된 마크다운 위키 페이지에 저장됩니다.
  • 쿼리 가능한 정의는 테이블, 행 단위, 조인, 측정값, 차원, 필터 및 필터 그룹을 정의하는 YAML 파일에 저장됩니다.

에이전트가 메트릭이 필요하면 전체 쿼리를 작성하는 대신 ktx에 측정값, 차원 및 필터를 요청합니다. Ktx의 플래너는 조인 경로를 선택하고, 단위 및 관계 메타데이터를 사용하며, 조인 팬아웃 및 체이즘 조인과 같은 문제를 포착하고, 수집된 문서의 비정형 지식을 활용하면서 웨어하우스 SQL을 컴파일합니다.

Ktx는 대부분의 웨어하우스(BigQuery, Snowflake, Postgres, ClickHouse, MySQL, SQL Server, SQLite), 모델링 도구(dbt, MetricFlow, LookML), BI 도구(Looker, Metabase), 그리고 Notion과 같은 문서 도구와 통합됩니다.

Ad

빠른 시작

npm install -g @kaelio/ktx
ktx setup
ktx status

설정 후 ktx status는 LLM, 임베딩, 데이터베이스, 컨텍스트 소스 및 에이전트 통합에 대한 준비 상태를 확인합니다.

첫 번째 명령어

ktx setup          # ktx 프로젝트 생성, 재개 또는 업데이트
ktx status         # 프로젝트 준비 상태 확인
ktx ingest         # 구성된 모든 연결에 대한 컨텍스트 구축
ktx sl "revenue"   # 시맨틱 소스 검색
ktx wiki "refund policy"  # 로컬 위키 페이지 검색
ktx mcp start      # 에이전트 클라이언트용 MCP 서버 시작

에이전트 사용자는 프로젝트 디렉토리에서 npx skills add Kaelio/ktx --skill ktx를 실행하여 ktx를 스킬로 설치 및 구성하세요.

대상 사용자

다음과 같은 경우 ktx를 사용하세요: Claude Code나 Codex와 같은 에이전트가 승인된 메트릭 정의로 웨어하우스를 쿼리하게 하려는 경우, dbt, Looker, Metabase, Notion에 분산된 비즈니스 지식이 있는 경우, 또는 에이전트가 매번 새로 생성하는 대신 표준 SQL을 재사용하도록 하려는 경우. SQL 웨어하우스가 없거나 일회성 임시 쿼리만 필요한 경우에는 사용하지 마세요.

📖 전체 소스 읽기: HN AI Agents

Ad

👀 See Also

🦀
Tools

Claw编写的插件为OpenClaw添加Qwen 3.8 27B思考级别支持

한 개발자가 AI 에이전트가 완전히 작성한 플러그인을 공유합니다. 이 플러그인은 Qwen 3.8의 사고 수준을 채팅 템플릿을 통해 전파하며, 호출별 재정의 및 지시 모드를 지원합니다.

OpenClawRadar
클로드 코드 아키텍처를 로컬 9B 모델에 적용: 주요 발견과 최적화
Tools

클로드 코드 아키텍처를 로컬 9B 모델에 적용: 주요 발견과 최적화

한 개발자가 Claude Code의 유출된 소스 코드에서 아키텍처 패턴을 추출하여 RTX 5070 Ti에서 로컬로 실행 중인 qwen3.5:9b에 10가지 최적화를 적용했습니다. 핵심 발견은 qwen3.5:9b가 기본적으로 구조화된 tool_calls를 지원하며, 9B 모델의 가장 큰 한계는 탐색을 멈추고 출력을 시작할 시점을 아는 자기 절제력이라는 점이었습니다.

OpenClawRadar
로컬 시맨틱 검색을 위한 AI 대화용 fastembed와 LanceDB
Tools

로컬 시맨틱 검색을 위한 AI 대화용 fastembed와 LanceDB

한 개발자가 fastembed를 사용해 CPU 기반 임베딩을 수행하고 LanceDB를 서버리스 벡터 저장소로 활용하여 368K개의 AI 대화 메시지를 로컬에 인덱싱했으며, API 키 없이 12ms p50 검색 지연 시간을 달성했습니다.

OpenClawRadar
노렌 AI: 음성 추출 도구, 샘플에서 글쓰기 패턴 식별
Tools

노렌 AI: 음성 추출 도구, 샘플에서 글쓰기 패턴 식별

Noren AI는 5~10개의 글 샘플을 분석하여 실제 패턴을 기반으로 음성 가이드를 자동 생성하며, 수동으로 식별된 패턴의 90%를 일치시키고 추가 패턴을 발견합니다.

OpenClawRadar