imprun engineering

작성일: 2026년 1월 9일카테고리: SHACL, Tax Analysis, Business Rules키워드: SHACL, 세무 분석, 비즈니스 규칙, 재무비율, 이상 탐지시리즈: 온톨로지 + AI 에이전트: 세무 컨설팅 시스템 아키텍처 (15부/총 20부)대상 독자: 온톨로지에 입문하는 시니어 개발자요약14부에서 회계 ERP 데이터를 RDF로 변환하는 ETL 파이프라인을 구축했다. 이제 이 데이터에 세무 분석 규칙을 적용해야 한다. 8부에서 SHACL 기초를 다뤘다면, 이번에는 실무에서 사용하는 재무 분석 규칙을 SHACL로 정의한다. 부채비율, 유동비율, 인건비 비중 등 핵심 재무지표의 임계값을 설정하고, 연도별 변동 이상 탐지 규칙을 구현한다.핵심 질문부채비율 경고, 이상 탐지를 어떻게 규칙화하는가..

작성일: 2026년 1월 9일카테고리: ETL, RDF, Data Pipeline키워드: 회계 ERP, JSON to RDF, ETL, 데이터 변환, 지식그래프시리즈: 온톨로지 + AI 에이전트: 세무 컨설팅 시스템 아키텍처 (14부/총 20부)대상 독자: 온톨로지에 입문하는 시니어 개발자요약Part D의 시작이다. Part B에서 온톨로지 스키마(TBox)를, Part C에서 AI 에이전트 프레임워크를 구축했다. 이제 실제 회계 ERP 데이터를 지식그래프로 변환하는 ETL(Extract-Transform-Load) 파이프라인을 구축한다. 이 글에서는 계정과목, 거래처, 전표, 재무제표 등 다양한 JSON 데이터를 RDF 트리플로 변환하는 설계 원리와 핵심 매핑 전략을 다룬다.핵심 질문: JSON에서 R..

작성일: 2026년 1월 9일카테고리: AI, LangChain, Tool Design, Agent Architecture키워드: LangChain Tool, 도구 인터페이스, SPARQL, SHACL, 도구 선택 전략, ReAct 패턴시리즈: 온톨로지 + AI 에이전트: 세무 컨설팅 시스템 아키텍처 (13부/총 20부)대상 독자: 온톨로지에 입문하는 시니어 개발자요약Part C의 마지막 장이다. 10-12부에서 LangChain 체인, RAG, LangGraph 에이전트를 다뤘다. 하지만 에이전트가 진정한 힘을 발휘하려면 외부 시스템과 상호작용해야 한다. 이 글에서는 에이전트가 사용할 도구를 어떻게 설계하는지, 그리고 LLM이 적절한 도구를 선택하는 원리를 분석한다. Part B에서 만든 지식그래프(S..

작성일: 2026년 1월 9일카테고리: AI, LangGraph, Agent, Workflow Design키워드: LangGraph, 상태 그래프, 워크플로우 설계, 조건부 분기, 순환 그래프, 에이전트 아키텍처시리즈: 온톨로지 + AI 에이전트: 세무 컨설팅 시스템 아키텍처 (12부/총 20부)대상 독자: 온톨로지에 입문하는 시니어 개발자요약10부에서 LangChain 체인을, 11부에서 RAG를 다뤘다. 하지만 실제 세무 분석은 단순 질문-응답이 아니다. 데이터 조회 → 검증 → 분석 → 리포트 생성처럼 여러 단계를 거쳐야 하고, 중간에 조건에 따라 다른 경로로 분기해야 한다. 이 글에서는 복잡한 워크플로우를 그래프로 모델링하는 LangGraph의 설계 원리를 분석하고, 세무 분석 시스템에 적합한 아..

작성일: 2026년 1월 9일카테고리: AI, RAG, GraphRAG, Knowledge Graph키워드: RAG, GraphRAG, 벡터 검색, 지식그래프, 하이브리드 검색, 세무 도메인시리즈: 온톨로지 + AI 에이전트: 세무 컨설팅 시스템 아키텍처 (11부/총 20부)대상 독자: 온톨로지에 입문하는 시니어 개발자요약LLM은 학습 데이터에 없는 정보를 모른다. 세무 법령, 회계 기준서, 과거 분석 리포트 등 외부 문서를 검색하여 LLM에게 제공하는 것이 RAG(Retrieval-Augmented Generation)다. 이 글에서는 일반 RAG와 GraphRAG를 비교하고, 세무 데이터처럼 관계가 중요한 도메인에서 왜 GraphRAG가 적합한지 설계 원리 중심으로 분석한다.핵심 질문: 검색 증강 생..

작성일: 2026년 1월 9일카테고리: AI, LangChain, LLM, Architecture키워드: LangChain, LCEL, 체인 아키텍처, LLM 오케스트레이션, 프롬프트 설계시리즈: 온톨로지 + AI 에이전트: 세무 컨설팅 시스템 아키텍처 (10부/총 20부)대상 독자: 온톨로지에 입문하는 시니어 개발자요약Part C에서는 Part B의 지식그래프를 AI 에이전트와 연결한다. 이 글에서는 LangChain의 핵심 아키텍처 개념인 체인(Chain)을 다룬다. 체인은 LLM 호출을 위한 프롬프트, 모델, 파서를 하나의 파이프라인으로 조합하는 추상화다. 왜 직접 API 호출 대신 체인 패턴을 사용하는지, 그리고 세무 분석 시스템에서 어떤 구조가 적합한지 설계 관점에서 분석한다.핵심 질문: 체인의..

작성일: 2026년 1월 9일카테고리: Ontology, OWL, SHACL, Knowledge Graph키워드: 재무제표, 온톨로지 통합, K-IFRS, 지식그래프, 스키마 설계, BS, IS, CF시리즈: 온톨로지 + AI 에이전트: 세무 컨설팅 시스템 아키텍처 (9부/총 20부)대상 독자: 온톨로지에 입문하는 시니어 개발자핵심 질문BS/IS/CF를 온톨로지로 어떻게 통합하는가?이 질문에 답하기 위해 이번 편에서 다루는 내용:재무상태표(BS), 손익계산서(IS), 현금흐름표(CF)의 구조적 관계회계연도를 중심으로 한 재무제표 연결 패턴재무비율 자동 계산을 위한 속성 설계TBox(스키마) + ABox(데이터) + SHACL(규칙) 통합 아키텍처SPARQL로 재무 분석 쿼리 수행요약Part B의 마지막 ..

작성일: 2026년 1월 9일카테고리: SHACL, Data Validation, Knowledge Graph키워드: SHACL, SHACL-AF, 데이터 검증, 비즈니스 규칙, 제약 조건, 이상 탐지, sh:rule시리즈: 온톨로지 + AI 에이전트: 세무 컨설팅 시스템 아키텍처 (8부/총 20부)대상 독자: 온톨로지에 입문하는 시니어 개발자핵심 질문비즈니스 규칙을 어떻게 선언적으로 정의하는가?이 질문에 답하기 위해 이번 편에서 다루는 내용:SHACL Core vs SHACL-AF(Advanced Features)의 차이검증(Validation)과 추론(Inference)의 역할 분담sh:rule을 활용한 파생 속성 자동 계산SPARQL 기반 타겟팅으로 복잡한 조건 표현세무 도메인 비즈니스 규칙 (부채..

작성일: 2026년 1월 9일카테고리: SPARQL, Query, Knowledge Graph키워드: SPARQL, RDF 쿼리, 그래프 패턴, 재무 분석 쿼리시리즈: 온톨로지 + AI 에이전트: 세무 컨설팅 시스템 아키텍처 (7부/총 20부)대상 독자: 온톨로지에 입문하는 시니어 개발자핵심 질문그래프 데이터를 어떻게 질의하는가?이 질문에 답하기 위해 이번 편에서 다루는 내용:SQL 조인 vs SPARQL 그래프 패턴 매칭의 본질적 차이트리플 패턴과 변수 바인딩 메커니즘FILTER, BIND, OPTIONAL의 설계 의도집계 함수와 서브쿼리로 재무비율 계산AI 에이전트가 SPARQL을 도구로 활용하는 방법요약SPARQL(SPARQL Protocol and RDF Query Language)은 RDF 데이..

작성일: 2026년 1월 9일카테고리: Ontology, OWL, Knowledge Modeling키워드: OWL, TBox, 온톨로지 스키마, 클래스 계층, 속성 정의, OWL 2 DL시리즈: 온톨로지 + AI 에이전트: 세무 컨설팅 시스템 아키텍처 (6부/총 20부)대상 독자: 온톨로지에 입문하는 시니어 개발자핵심 질문클래스 계층과 제약조건을 어떻게 정의하는가?이 질문에 답하기 위해 이번 편에서 다루는 내용:TBox(스키마)와 ABox(데이터)의 분리 원칙OWL 2 DL 표현력: 교집합, 합집합, 여집합 클래스존재 제한과 전칭 제한의 차이카디널리티 제약으로 필수 속성 정의OWL 2 프로파일 선택 기준 (DL vs EL vs QL vs RL)요약OWL(Web Ontology Language)은 온톨로지..

작성일: 2026년 1월 9일카테고리: Ontology, RDF, Semantic Web키워드: RDF, 트리플, Turtle, 시맨틱 웹, 지식 표현시리즈: 온톨로지 + AI 에이전트: 세무 컨설팅 시스템 아키텍처 (5부/총 20부)대상 독자: 온톨로지에 입문하는 시니어 개발자핵심 질문(주어, 술어, 목적어)만으로 무엇을 표현할 수 있는가?이 질문에 답하기 위해 이번 편에서 다루는 내용:왜 관계형 테이블이 아닌 그래프인가?트리플의 세 구성 요소와 URI의 역할실제 재무 데이터를 트리플로 변환하는 전략Turtle 문법과 네임스페이스의 설계 의도요약RDF(Resource Description Framework)는 웹에서 데이터를 표현하는 W3C 표준이다. 모든 정보를 "주어-술어-목적어" 형태의 트리플로 ..

작성일: 2026년 1월 9일카테고리: Architecture, AI, System Design키워드: 시스템 아키텍처, 데이터 파이프라인, 지식그래프, AI 에이전트, ETL시리즈: 온톨로지 + AI 에이전트: 세무 컨설팅 시스템 아키텍처 (4부/총 20부)대상 독자: 온톨로지에 입문하는 시니어 개발자핵심 질문"전체 시스템을 어떻게 구성하는가?"지금까지 온톨로지, 지식그래프, AI 에이전트의 개념을 배웠다. 이제 이 모든 것을 하나의 시스템으로 통합해야 한다. 회계 ERP의 JSON 데이터가 어떻게 RDF로 변환되고, 지식그래프에 저장되며, AI 에이전트가 이를 분석하여 리포트를 생성하는지 전체 흐름을 설계한다.요약이 글에서는 지금까지 배운 온톨로지, 지식그래프, AI 에이전트를 통합하는 전체 시스템 ..

작성일: 2026년 1월 9일카테고리: AI, Agent, LLM키워드: AI 에이전트, LLM, 도구 사용, ReAct, 자율성시리즈: 온톨로지 + AI 에이전트: 세무 컨설팅 시스템 아키텍처 (3부/총 20부)대상 독자: 온톨로지에 입문하는 시니어 개발자핵심 질문"에이전트가 '도구'를 사용한다는 것의 의미는?"LLM 기반 챗봇은 텍스트를 입력받아 텍스트를 출력한다. 그 안에서 모든 "생각"이 일어난다. 하지만 실제 업무를 수행하려면 외부 세계와 상호작용해야 한다. 데이터베이스를 조회하고, API를 호출하고, 파일을 생성해야 한다. 에이전트는 LLM에게 도구(Tool)라는 인터페이스를 통해 이 능력을 부여한다. 이 글에서는 에이전트의 아키텍처적 의미와 도구 사용 패턴을 설명한다.요약AI 에이전트는 단순..

작성일: 2026년 1월 9일카테고리: AI, Knowledge Graph, Database키워드: 지식그래프, 그래프 데이터베이스, 트리플, RDF, 관계형 데이터베이스시리즈: 온톨로지 + AI 에이전트: 세무 컨설팅 시스템 아키텍처 (2부/총 20부)대상 독자: 온톨로지에 입문하는 시니어 개발자핵심 질문"RDB vs Graph DB, 언제 무엇을 쓰는가?"관계형 데이터베이스(RDB)와 그래프 데이터베이스(Graph DB)는 서로 대체재가 아니라 상호 보완재다. 문제는 "어느 것이 더 좋은가"가 아니라 "어떤 유형의 질의에 어느 것이 적합한가"다. 이 글에서는 세무 데이터의 특성을 분석하고, 왜 지식그래프가 이 도메인에 적합한지 아키텍처적 관점에서 설명한다.요약지식그래프는 데이터를 "노드(개체)"와 "..

작성일: 2026년 1월 9일카테고리: AI, Ontology, Knowledge Graph키워드: 온톨로지, 지식 표현, 시맨틱 웹, TBox, 세무 데이터시리즈: 온톨로지 + AI 에이전트: 세무 컨설팅 시스템 아키텍처 (1부/총 20부)대상 독자: 온톨로지에 입문하는 시니어 개발자핵심 질문"왜 데이터에 '의미'를 부여해야 하는가?"JSON, SQL, NoSQL 어떤 형태로 데이터를 저장하든 기계는 그 안의 숫자와 문자열이 무엇을 의미하는지 모른다. revenue: 5000000000이 매출인지 자산인지, 이 숫자가 높은 건지 낮은 건지 기계는 알지 못한다. 온톨로지는 이 문제를 해결한다.요약온톨로지는 특정 도메인의 지식을 컴퓨터가 이해할 수 있도록 구조화하는 방법이다. 사전이 단어의 의미를 정의하듯..

작성일: 2026년 1월 9일카테고리: AI, Ontology, Knowledge Graph, Tax Consulting키워드: 온톨로지, 지식그래프, AI 에이전트, SHACL, GraphRAG, LangGraph블로그 URL: https://blog.imprun.dev/120시리즈: 총 20부작대상 독자: 온톨로지에 입문하는 시니어 개발자기술 스택: Python, RDF/OWL 2 DL/SHACL, LangChain/LangGraph초점: 시스템 설계와 작동 원리 (코드 구현보다 아키텍처 이해)시리즈 소개이 시리즈는 지식그래프(Knowledge Graph)와 AI 에이전트를 결합하여 세무 데이터 기반 월간 컨설팅 리포트를 자동 생성하는 시스템의 설계 원리를 다룬다.세무사가 기장한 기업의 재무제표, 세..

작성일: 2026년 1월 9일카테고리: Claude Code, AI, Developer Tools키워드: Claude Code, 2.1.0, 2.1.1, 스킬, Vim, MCP, 핫리로드요약Claude Code 2.1.0이 2026년 1월 7일 출시되었다. 1,096개의 커밋이 반영된 이번 업데이트는 스킬 시스템의 핫리로드, Vim 모션 확장, MCP 동적 업데이트 등 개발자 경험을 근본적으로 개선하는 기능들을 포함한다. 같은 날 배포된 2.1.1 긴급 패치에서는 체크포인팅 시스템이 강화되어 모든 파일 변경 시점에 자동 체크포인트가 생성된다. 이 글에서는 두 버전의 모든 변경사항을 카테고리별로 분석하고, 실무 적용 방안을 제시한다.업데이트 개요: 1,096개 커밋의 의미2.1.0 릴리스에 포함된 1,09..

작성일: 2026년 01월 08일카테고리: Developer Tools, Terminal, Troubleshooting키워드: Warp, Terminal, Claude Code, VSCode, Cursor, 스크롤 버그, GPU 가속요약VSCode와 Cursor의 내장 터미널에서 Claude Code를 사용하면 심각한 스크롤 버그가 발생한다. 스트리밍 출력 시 초당 4,000-6,700회의 스크롤 이벤트가 발생하여 화면 깜빡임과 성능 저하가 나타난다. 이 문제는 2025년 3월부터 GitHub에 621개 이상의 thumbs-up을 받았지만, 2025년 12월 기준 여전히 미해결 상태다. Warp 터미널을 외부 터미널로 사용하면 이 문제를 효과적으로 우회할 수 있다.문제 상황: VSCode/Cursor 스..

작성일: 2026년 1월 6일카테고리: AI, LLM, Developer Productivity키워드: Context Window, AI Coding, Claude, MCP, Sub-agents, Token Efficiency요약AI 코딩 프레임워크를 사용해도 기대한 성능이 나오지 않는 경우가 많다. 근본 원인은 컨텍스트 창(Context Window) 관리에 있다. 이 글에서는 LLM의 컨텍스트 창 원리를 이해하고, 점진적 공개(Progressive Disclosure), 하위 에이전트 활용, 토큰 효율적인 파일 형식 선택 등 실전에서 검증된 최적화 전략을 다룬다.AI 코딩 프레임워크의 진짜 문제BMAD, SpecKit 같은 AI 코딩 프레임워크가 넘쳐난다. 수백 명의 개발자들이 자신만의 워크플로우를 ..

작성일: 2026년 1월 5일카테고리: AI, RAG, Knowledge Graph, LLM키워드: GraphRAG, LazyGraphRAG, Prompt Tuning, Optimization, Production요약GraphRAG를 프로덕션 환경에서 효과적으로 운영하려면 비용과 품질 사이의 균형이 필요하다. 이 글에서는 비용 효율적인 LazyGraphRAG, 도메인에 맞춘 프롬프트 튜닝, 대규모 데이터셋 처리 전략, 그리고 프로덕션 배포 시 고려사항을 다룬다.LazyGraphRAG: 비용 효율적인 대안LazyGraphRAG는 기존 GraphRAG의 비용 문제를 해결하기 위해 개발된 경량 버전이다. 전체 인덱싱 없이도 유사한 품질의 결과를 얻을 수 있다.기존 GraphRAG vs LazyGraphRAGf..

작성일: 2026년 1월 5일카테고리: AI, RAG, Knowledge Graph, LLM키워드: GraphRAG, Installation, Configuration, Azure OpenAI, Cost Management요약GraphRAG를 실제 프로젝트에 적용하려면 환경 설정, 인덱싱 실행, 쿼리 테스트까지의 전 과정을 이해해야 한다. 이 글에서는 Python 환경에서 GraphRAG를 설치하고, 설정 파일을 작성하며, 인덱싱을 실행하고 쿼리하는 전체 과정을 단계별로 안내한다. 특히 비용 관리에 대한 실전 팁도 포함한다.사전 요구사항시스템 요구사항항목최소 요구사항권장Python3.10 이상3.11RAM8GB16GB 이상디스크10GBSSD 50GB 이상OSWindows/macOS/LinuxLinuxLL..

작성일: 2026년 1월 5일카테고리: AI, RAG, Knowledge Graph, LLM키워드: GraphRAG, Global Search, Local Search, DRIFT Search, Query Processing요약GraphRAG는 질문의 특성에 따라 다양한 쿼리 모드를 제공한다. Global Search는 전체 데이터셋의 테마 파악에, Local Search는 특정 엔티티 탐색에, DRIFT Search는 두 방식의 장점을 결합한다. 이 글에서는 각 쿼리 모드의 동작 원리, 적합한 사용 시나리오, 그리고 성능 특성을 분석한다.쿼리 모드 개요GraphRAG는 네 가지 쿼리 모드를 제공한다:flowchart TB Q[사용자 질문] Q --> G[Global Search] Q -..

작성일: 2026년 1월 5일카테고리: AI, RAG, Knowledge Graph, LLM키워드: GraphRAG, Indexing Pipeline, Knowledge Graph, Leiden Algorithm, Community Detection요약GraphRAG의 핵심은 인덱싱 단계에서 구축되는 지식 그래프와 계층적 커뮤니티 구조이다. 이 글에서는 TextUnit 분할부터 엔티티/관계 추출, Leiden 알고리즘을 활용한 커뮤니티 탐지, 그리고 계층적 요약 생성까지 전체 인덱싱 파이프라인을 상세히 분석한다.인덱싱 파이프라인 개요GraphRAG의 인덱싱은 원본 문서를 쿼리 가능한 지식 구조로 변환하는 과정이다. 이 과정은 일반 RAG보다 복잡하고 비용이 많이 들지만, 쿼리 시점의 성능을 크게 향상시킨..

작성일: 2026년 1월 5일카테고리: AI, RAG, Knowledge Graph, LLM키워드: GraphRAG, RAG, Knowledge Graph, Microsoft Research, LLM요약RAG(Retrieval Augmented Generation)는 LLM이 학습하지 않은 데이터에 대해 답변할 수 있게 해주는 핵심 기술이다. 그러나 기존 RAG는 "데이터셋의 주요 테마는 무엇인가?"와 같은 전역적 질문에 실패한다. Microsoft Research가 개발한 GraphRAG는 지식 그래프와 계층적 클러스터링을 활용하여 이 문제를 해결한다. 이 시리즈에서는 GraphRAG의 동작 원리부터 실전 활용까지 다룬다.기존 RAG의 동작 방식RAG는 도서관의 사서와 같다. 질문을 받으면 관련 책(문..

작성일: 2026년 1월 2일카테고리: Kubernetes, API Gateway, Extensibility키워드: Envoy Gateway, EnvoyExtensionPolicy, External Processing, WASM, Lua시리즈: Envoy Gateway 완벽 가이드 (6/6)요약Envoy Gateway는 표준 기능 외에 커스텀 로직을 삽입할 수 있는 확장 메커니즘을 제공한다. External Processing(ExtProc)은 gRPC 서비스로 요청/응답을 처리하고, WASM은 고성능 바이너리 확장을, Lua는 경량 스크립팅을 지원한다. 이 글에서는 각 확장 방식의 특징과 활용 사례를 다룬다.확장 메커니즘 비교방식언어성능복잡도적합한 상황External Processing모든 언어 (gR..

작성일: 2026년 1월 2일카테고리: Kubernetes, API Gateway, Traffic Management키워드: Envoy Gateway, BackendTrafficPolicy, Rate Limit, Circuit Breaker, Load Balancing시리즈: Envoy Gateway 완벽 가이드 (5/6)요약BackendTrafficPolicy는 Gateway에서 백엔드로 흐르는 트래픽을 제어한다. Rate Limiting(속도 제한), Circuit Breaker(서킷 브레이커), Load Balancing(로드 밸런싱), Retry(재시도), Timeout(타임아웃) 등 탄력적인 시스템 구축에 필수적인 기능을 제공한다. 이 글에서는 각 기능의 동작 원리와 실전 설정을 다룬다.Rate..

작성일: 2026년 1월 2일카테고리: Kubernetes, API Gateway, Security키워드: Envoy Gateway, SecurityPolicy, JWT, OIDC, ExtAuth, CORS, API Key시리즈: Envoy Gateway 완벽 가이드 (4/6)요약Envoy Gateway의 SecurityPolicy는 API 보안의 핵심이다. JWT 검증, OIDC 인증, 외부 인증 서비스, API Key, CORS 등 다양한 인증/인가 메커니즘을 선언적으로 설정할 수 있다. 이 글에서는 각 인증 방식의 동작 원리와 실전 설정 예제를 다룬다.SecurityPolicy 인증 흐름SecurityPolicy는 요청이 백엔드에 도달하기 전에 인증 검증을 수행한다.graph LR Client..

작성일: 2026년 1월 2일카테고리: Kubernetes, API Gateway, Envoy Gateway키워드: Envoy Gateway, SecurityPolicy, BackendTrafficPolicy, ClientTrafficPolicy, Backend시리즈: Envoy Gateway 완벽 가이드 (3/6)요약Envoy Gateway는 표준 Gateway API에 없는 기능을 확장 CRD로 제공한다. SecurityPolicy(보안), BackendTrafficPolicy(백엔드 트래픽), ClientTrafficPolicy(클라이언트 트래픽), Backend(외부 엔드포인트)가 핵심이다. 이 글에서는 Policy Attachment 모델, 정책 우선순위, 각 리소스의 역할을 설명한다.왜 확장 ..

작성일: 2026년 1월 2일카테고리: Kubernetes, API Gateway, Gateway API키워드: Gateway API, GatewayClass, Gateway, HTTPRoute, Kubernetes시리즈: Envoy Gateway 완벽 가이드 (2/6)요약Gateway API는 GatewayClass, Gateway, Route의 3계층 구조로 트래픽 라우팅을 정의한다. 각 리소스는 인프라 팀, 플랫폼 팀, 애플리케이션 팀이 분리하여 관리할 수 있도록 설계되었다. 이 글에서는 각 리소스의 스펙, 관계, 실전 예제를 다룬다.Gateway API 리소스 계층 구조Gateway API는 역할 분리를 핵심 설계 원칙으로 한다.계층역할담당GatewayClass어떤 종류의 Gateway를 만들지 ..

작성일: 2026년 1월 2일카테고리: Kubernetes, API Gateway, Envoy키워드: Envoy Gateway, Gateway API, Kubernetes, API Gateway, Envoy Proxy시리즈: Envoy Gateway 완벽 가이드 (1/6)요약Envoy Gateway는 Kubernetes Gateway API를 구현한 API Gateway 컨트롤러다. Envoy Proxy의 복잡한 설정을 Kubernetes CRD로 추상화하여, 선언적으로 트래픽 라우팅과 보안 정책을 관리할 수 있다. 이 글에서는 API Gateway의 역할, Gateway API의 등장 배경, Envoy Gateway 아키텍처를 설명하고, imprun apigateway와의 매핑 관계를 소개한다.왜 AP..