facts

디노티시아가 공개한 AKB(Agent Knowledge Base)는 사람과 AI 에이전트가 동일한 원본 데이터를 공유하며 읽고 쓰는 팀 지식 인프라다. 이 시스템은 구글의 Open Knowledge Format(OKF)과 호환되는 마크다운 묶음인 'vault'를 중심으로 작동한다. OKF는 마크다운 파일 상단에 YAML 메타데이터를 추가해 지식을 구조화하는 단순한 포맷으로, 여러 도구가 공통으로 읽고 쓸 수 있는 개방형 표준을 지향한다.

AKB의 핵심 구성 요소와 접근 방식은 다음과 같다. 사람은 웹 UI를 통해 지식베이스에 접근하며, AI 에이전트는 MCP(Model Context Protocol)를 통해 연결된다. 모든 데이터의 변경 사항은 Git 저장소 형태로 관리되어 커밋(Commit)과 디프(Diff)를 통해 이력이 남는다. 저장되는 데이터의 형태는 단순 문서를 넘어 쿼리가 가능한 테이블, 파일 저장소, 그리고 문서 간의 관계를 정의하는 지식 그래프로 확장된다.

현재 이 인프라 위에서 구현된 사례로 이슈 트래커인 'reef'가 있다. reef에서 이슈 하나는 vault 내의 마크다운 문서인 동시에 쿼리 가능한 테이블의 행(Row)으로 존재한다. 이를 통해 PM은 전용 에이전트를 통해 이슈를 생성하고, 개발자는 Claude Code나 Codex 같은 코딩 에이전트를 통해 동일한 문서의 맥락을 MCP로 가져와 개발에 활용한다.

how-it-works

AKB의 작동 방식은 지식의 저장 구조와 권한 제어 레이어의 분리로 설명된다. 우선 데이터 레이어에서는 지식의 성격에 따라 저장 방식을 이원화한다. 사람이 읽고 에이전트가 참조하는 일반 지식은 마크다운 문서로 처리하고, 목록·상태·통계와 같이 구조화된 데이터는 별도의 테이블에 저장해 SQL 쿼리가 가능하도록 설계했다. 이는 단순한 위키나 검색 엔진을 넘어 AKB 자체를 데이터 및 변경 이력 레이어로 활용해 그 위에 별도의 업무 애플리케이션을 구축할 수 있는 구조다.

가장 핵심적인 기술적 장치는 에이전트에 적용되는 2중 권한 관리 체계다. 에이전트는 독립적인 권한을 갖지 않고, 해당 에이전트에게 토큰을 발급한 사용자의 권한을 그대로 상속받는다. 권한 강제는 다음의 두 단계로 이루어진다.

첫째, 앱 레이어에서의 제어다. 문서 읽기, 파일 접근, 검색과 같은 일반적인 요청은 애플리케이션 수준에서 사용자 권한을 확인해 차단한다.

둘째, DB 레이어에서의 강제다. 테이블에 대해 집계나 분석 SQL을 실행하는 경로는 PostgreSQL의 ACL(Access Control List) 방식을 사용한다. 쿼리가 실행될 때 해당 사용자의 PostgreSQL 롤(Role)로 직접 실행되므로, 권한이 없는 vault를 참조하려 하면 애플리케이션이 아닌 PostgreSQL 데이터베이스 엔진 수준에서 요청을 거부한다.

이러한 구조는 에이전트가 API 취약점을 통해 권한 밖의 데이터에 접근하는 것을 원천적으로 차단하며, 사람에게 적용되는 보안 경계를 AI 에이전트에게도 동일하게 강제하는 효과를 낸다.

implementation-impact

개발자와 실무자가 AKB를 도입할 때 고려해야 할 지점은 인프라 구성과 검색 방식의 선택이다. AKB는 Docker compose를 통해 빠르게 배포할 수 있으며, 설치 및 실행 과정은 다음과 같다.

bash
git clone https://github.com/dnotitia/akb && cd akb
cp config/app.yaml.example config/app.yaml
cp config/secret.yaml.example config/secret.yaml
docker compose up -d

운영 측면에서 주목할 점은 임베딩 모델의 의존성이다. 임베딩 키가 없는 환경에서도 BM25(Best Matching 25) 기반의 키워드 검색이 동작하므로, 초기 구축 단계에서 벡터 DB 설정이나 API 비용 부담 없이 기본 기능을 검증할 수 있다.

실무적으로는 기존의 파편화된 위키(Confluence, Notion) 방식에서 벗어나, 에이전트가 직접 읽고 쓸 수 있는 '구조화된 지식 저장소'를 운영한다는 관점의 변화가 필요하다. 특히 에이전트가 작성한 내용이 Git 커밋으로 남기 때문에, AI의 편집 내용을 사람이 리뷰하고 승인하는 워크플로우를 구축할 수 있다. 결과적으로 개발자와 PM 사이의 기술적 언어 장벽을 에이전트가 중간에서 맥락을 공유함으로써 완화하는 운영 모델을 적용할 수 있다.