SLayer: 쿼리에서 학습하는 AI 에이전트를 위한 오픈소스 의미 계층

SLayer는 AI 에이전트가 데이터베이스를 쿼리하고, 데이터 모델을 관리하며, 자연어 메모리를 통해 시간이 지남에 따라 개선할 수 있도록 설계된 오픈소스 의미 계층입니다. 데이터베이스와 에이전트(또는 내부 도구) 사이에 위치하여 측정값, 차원, 필터를 위한 구조화된 DSL을 제공함으로써 LLM이 생성하는 원시 SQL의 혼란을 피할 수 있습니다.

주요 기능

• 모델 자동 생성: 데이터베이스 스키마 인트로스펙션을 통한 웜 스타트.
• 런타임 모델 편집: 에이전트가 열/측정값을 편집하거나 SQL 또는 다른 모델로부터 즉석에서 새 모델을 생성할 수 있습니다.
• 자연어 메모리: 모델, 열 또는 쿼리에 연결된 메모리를 저장하고 검색하여 지식 베이스를 형성합니다.
• 내장 가능성: Python 모듈로 인프로세스 실행 또는 CLI를 통해 서버리스 실행 가능; 서버 불필요.
• 스키마 드리프트 감지 및 처리 – 에이전트가 변화하는 테이블 구조에 적응할 수 있습니다.
• 표현력이 풍부한 DSL: 다단계 쿼리, 사용자 정의 집계, 시간 이동, 여러 모델의 메트릭 결합을 지원합니다.
• 다양한 인터페이스: MCP(stdio 및 SSE), REST API, CLI, 데이터프레임용 Python 클라이언트.
• 아직 캐싱 또는 사전 집계 엔진 없음 – 제한 사항으로 언급됨; 로드맵에 있음.

빠른 시작 예제

uv로 설치:

uv tool install motley-slayer
slayer

번들된 Jaffle Shop DuckDB로 즉시 데모:

uvx --from 'motley-slayer[all]' slayer serve --demo

stdio MCP로 Claude Code에 연결 (서버리스):

claude mcp add slayer -- uvx --from motley-slayer slayer mcp --demo

REST API로 쿼리:

curl -X POST http://localhost:5143/query \
  -H "Content-Type: application/json" \
  -d '{"source_model": "orders", "measures": ["*:count"], "dimensions": ["status"]}'

모델 목록:

curl http://localhost:5143/models

Python 클라이언트 사용 예:

from slayer.client.slayer_client import Slay

대상 사용자

AI 데이터 분석가 챗봇, 에이전틱 앱, 또는 에이전트가 반복적으로 데이터베이스를 탐색하고 과거 쿼리로부터 학습해야 하는 모든 도구를 개발하는 개발자.

문서: motley-slayer.readthedocs.io