imprun engineering

작성일: 2026년 01월 09일카테고리: Python, Developer Tools, Testing키워드: Streamlit, Python, API Testing, Developer Experience, Internal Tools요약API 테스트 도구를 Postman이나 Insomnia 없이 Python만으로 만들 수 있다. Streamlit은 데이터 앱 구축 프레임워크로, 50줄 이내의 코드로 세션 관리와 API 호출 UI를 갖춘 테스트 도구를 만들 수 있다. 이 글에서는 Streamlit의 핵심 기능을 살펴보고, 실제 API Integration Tester 구현 사례를 통해 실무에서 활용하는 방법을 다룬다.왜 Streamlit인가?Streamlit이란Streamlit은 Python 스크립트를 인터..

작성일: 2026년 1월 9일카테고리: Operations, Production, DevOps키워드: 운영, 모니터링, 비용 최적화, 장애 대응, 배포시리즈: 온톨로지 + AI 에이전트: 세무 컨설팅 시스템 아키텍처 (20부/총 20부)대상 독자: 온톨로지에 입문하는 시니어 개발자핵심 질문"모니터링, 비용 최적화, 장애 대응은?"시스템을 구현하는 것과 운영하는 것은 다르다. 이 글에서는 개발 환경을 벗어나 프로덕션에서 실제로 운영할 때 마주하는 문제들을 다룬다. 무엇을 모니터링해야 하는가? LLM 비용을 어떻게 관리하는가? 장애가 발생하면 어떻게 대응하는가?요약프로덕션 운영의 핵심은 가시성(Observability), 비용 통제, 장애 복원력이다. 모니터링은 "측정하지 않으면 관리할 수 없다"는 원칙을 ..

작성일: 2026년 1월 9일카테고리: Multi-Agent Architecture, Collaboration Pattern키워드: 멀티 에이전트, 협업 패턴, 슈퍼바이저, 상태 공유, 역할 분담시리즈: 온톨로지 + AI 에이전트: 세무 컨설팅 시스템 아키텍처 (19부/총 20부)대상 독자: 온톨로지에 입문하는 시니어 개발자핵심 질문"여러 에이전트가 어떻게 협업하는가?"단일 에이전트는 모든 작업을 혼자 처리한다. 코드가 길어지고, 병렬 처리가 어려우며, 한 부분의 수정이 전체에 영향을 준다. 이 글에서는 역할별 전문 에이전트가 슈퍼바이저의 조율 아래 협업하는 아키텍처를 설계한다.요약멀티 에이전트 시스템은 전문화, 병렬성, 확장성을 제공한다. 데이터 에이전트, 검증 에이전트, 분석 에이전트, RAG 에이전..

작성일: 2026년 1월 9일카테고리: Pipeline Architecture, Automation키워드: 파이프라인, 리포트 생성, 데이터 흐름, 계층 아키텍처시리즈: 온톨로지 + AI 에이전트: 세무 컨설팅 시스템 아키텍처 (18부/총 20부)대상 독자: 온톨로지에 입문하는 시니어 개발자핵심 질문"데이터 수집부터 PDF 출력까지의 흐름은?"세무 분석 에이전트를 구현했더라도, "매월 수동 실행"은 자동화가 아니다. 이 글에서는 월간 리포트 파이프라인의 아키텍처를 설계한다. 단순 코드 구현이 아닌, 각 계층의 역할과 설계 결정의 근거를 중심으로 살펴본다.요약회계 ERP 데이터가 CEO 책상 위의 PDF 리포트가 되기까지는 5개 계층을 통과한다. 트리거(Trigger), 수집(Collection), 분석(..

작성일: 2026년 1월 9일카테고리: AI Agent, LangGraph, Tax Analysis키워드: AI 에이전트, ReAct, 도구 활용, 자율 분석, LangGraph시리즈: 온톨로지 + AI 에이전트: 세무 컨설팅 시스템 아키텍처 (17부/총 20부)대상 독자: 온톨로지에 입문하는 시니어 개발자요약12부에서 LangGraph 기초를, 13부에서 커스텀 도구를, 16부에서 GraphRAG를 구현했다. 이제 이 모든 것을 하나의 세무 분석 에이전트로 통합한다. 데이터 조회 → SHACL 검증 → 재무 분석 → 이상 탐지 → 리포트 생성까지의 전체 워크플로우를 LangGraph로 구현하고, GraphRAG와 SHACL 검증을 도구로 연결한다.핵심 질문자율적으로 분석하는 에이전트를 어떻게 설계하는가..

작성일: 2026년 1월 9일카테고리: GraphRAG, Knowledge Graph, LLM키워드: GraphRAG, NL2SPARQL, 하이브리드 검색, Graph-aware Prompting시리즈: 온톨로지 + AI 에이전트: 세무 컨설팅 시스템 아키텍처 (16부/총 20부)대상 독자: 온톨로지에 입문하는 시니어 개발자요약15부에서 SHACL로 세무 분석 규칙을 정의했다. 이제 Knowledge Graph의 구조화된 지식을 LLM의 자연어 처리 능력과 결합한다. 이 조합을 GraphRAG라 부른다. 사용자는 "A노무법인의 부채비율이 업계 평균보다 높나요?"라고 자연어로 질문하고, 시스템은 SPARQL로 정확한 데이터를 조회한 후 LLM이 해석을 덧붙인다.핵심 질문구조화된 지식을 LLM 컨텍스트로 어..

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..