AI 개발 독학 4주 - 4주차 SQL과 AI 에이전트 설계

드디어 마지막 주입니다. 지난 3주 동안 파이썬 기초, 데이터 처리, RAG 검색 구조를 함께 훑어봤습니다. 이제 이 조각들을 하나로 묶어 실제로 쓸 수 있는 서비스를 만드는 단계입니다. 데이터를 구조적으로 묻는 SQL, 자연어를 SQL로 바꾸는 txt2SQL, 그리고 여러 모듈을 지휘하는 에이전트 오케스트레이션이 이번 주의 핵심입니다.

많은 AI 애플리케이션의 백엔드는 이미 에이전트 오케스트레이션 구조를 갖추고 있습니다. 이 글에서는 이해를 돕기 위해 작은 예제 프로젝트(간단한 데이터 분석 도구)를 예로 듭니다. 예를 들어 이 프로젝트의 backend/pipeline.py는 여러 개의 모듈이 순서대로 돌아가고, 각 모듈은 agents 폴더의 지침 파일(.md)을 따르는 구조라고 가정해 봅시다. 이번 주는 이런 구조를 이해하고, 마지막 퍼즐인 외부 LLM API를 providers.py에 어떻게 붙일지 설계도를 그리는 것으로 마무리합니다.

이번 주 계획

1. SQL: 데이터를 다루는 표준 언어

먼저 간단한 도서 테이블을 만들고 데이터를 조회해 보겠습니다. SELECT는 열을 선택하고, WHERE는 조건에 맞는 행만 필터링합니다.

import sqlite3

# 1. 메모리 DB 연결 및 커서 생성
conn = sqlite3.connect(':memory:')
c = conn.cursor()

# 2. 테이블 생성 (제목, 장르, 가격, 재고)
c.execute('''CREATE TABLE books
             (title TEXT, genre TEXT, price REAL, stock INTEGER)''')

# 3. 데이터 삽입
data = [
    ('바람의 언덕', '소설', 15000, 12),
    ('파이썬 첫걸음', '기술', 22000, 30),
    ('별을 세는 밤', '시집', 9000, 5)
]
c.executemany('INSERT INTO books VALUES (?,?,?,?)', data)

# 4. 조회: 모든 책의 제목과 가격
print("--- 전체 도서 ---")
c.execute('SELECT title, price FROM books')
for row in c.fetchall():
    print(row)

# 5. 필터링: 소설 장르만 조회
print("\n--- 소설 장르 ---")
c.execute("SELECT title, stock FROM books WHERE genre = '소설'")
print(c.fetchone()) # 결과는 하나이므로 fetchone 사용

실무에서는 단순 조회보다 '그룹별 집계'와 '테이블 결합'이 훨씬 자주 필요합니다. GROUP BY는 장르별 평균 가격처럼 묶어서 계산할 때 쓰고, JOIN은 도서 목록과 리뷰 목록처럼 서로 다른 두 테이블을 공통 키로 연결할 때 씁니다.

import sqlite3

conn = sqlite3.connect(':memory:')
c = conn.cursor()

# 도서 테이블과 리뷰 목록 테이블 생성
c.execute('CREATE TABLE books (id INTEGER, title TEXT, genre TEXT)')
c.execute('CREATE TABLE reviews (book_id INTEGER, reviewer TEXT, rating REAL)')

# 데이터 삽입
c.executemany('INSERT INTO books VALUES (?,?,?)', [
    (1, '바람의 언덕', '소설'), (2, '파이썬 첫걸음', '기술')
])
c.executemany('INSERT INTO reviews VALUES (?,?,?)', [
    (1, '민지', 4.5), (1, '준호', 5.0),
    (2, '서연', 4.0), (2, '도윤', 3.5)
])

# 1. GROUP BY: 장르별 도서 수 집계
print("--- 장르별 도서 수 ---")
c.execute('SELECT genre, COUNT(*) FROM books GROUP BY genre')
for row in c.fetchall():
    print(f"{row[0]}: {row[1]}권")

# 2. JOIN: 책 제목과 해당 리뷰 목록 결합
print("\n--- 바람의 언덕 리뷰 목록 ---")
# books.id와 reviews.book_id가 같은 행끼리 연결
c.execute('''
    SELECT b.title, r.reviewer, r.rating
    FROM books b
    JOIN reviews r ON b.id = r.book_id
    WHERE b.title LIKE '바람%'
''')
for row in c.fetchall():
    print(f"[{row[0]}] 리뷰어: {row[1]}, 평점: {row[2]}")

2. txt2SQL: 자연어로 DB 질의하기

아래 예제는 LLM이 SQL을 생성했다고 가정하고, 이를 실행하는 과정과 검증(에러 처리)의 중요성을 보여줍니다.

import sqlite3

conn = sqlite3.connect(':memory:')
c = conn.cursor()
c.execute('CREATE TABLE books (title TEXT, price REAL, stock INTEGER)')
c.execute("INSERT INTO books VALUES ('바람의 언덕', 15000, 12)")

# 시나리오 1: LLM이 올바른 SQL을 생성함
generated_sql_1 = "SELECT title, price FROM books WHERE price > 10000"
print("--- 정상 쿼리 실행 ---")
try:
    c.execute(generated_sql_1)
    print("결과:", c.fetchall())
except Exception as e:
    print("에러:", e)

# 시나리오 2: LLM이 없는 컬럼(discount)을 지어냄
generated_sql_2 = "SELECT title, discount FROM books"
print("\n--- hallucination 쿼리 실행 ---")
try:
    c.execute(generated_sql_2)
    print("결과:", c.fetchall())
except sqlite3.OperationalError as e:
    # 검증 로직: 에러가 나면 사용자에게 재질문하거나 수정 요청
    print(f"[검증 실패] 실행 불가: {e}")
    print("-> 시스템: LLM에게 스키마를 다시 알려주고 수정을 요청해야 함.")

3. 에이전트와 오케스트레이션

지금은 파이썬 규칙엔진으로 동작하지만, 나중에는 이 .md 파일의 지침이 곧 LLM의 시스템 프롬프트가 됩니다. agents/spec.md의 구조를 살펴보겠습니다.

# backend/agents/spec.md (예시 구조)

## 1. 역할 (Role)
너는 상품 정보 분석가다. 입력된 텍스트에서 상품 종류, 용량, 등급 정보를 추출한다.

## 2. 입력 (Input)
- 상품 설명 텍스트 (비정형)
- 표준 분류 코드 목록 (JSON)

## 3. 판단 기준 (Rules)
- "500밀리"와 "500ml"는 모두 "500"으로 통일한다.
- 등급 정보가 없으면 "표준"으로 간주한다.
- 한정판 상품은 가격 보정 계수를 1.2배로 적용한다.

## 4. 출력 계약 (Output Contract)
반드시 아래 JSON 형식으로만 출력한다.
{
  "volume": int,
  "grade": string,
  "price_adj": float
}

## 5. LLM 연결 시 지침 (Future)
(추후 외부 LLM API 연동 시 사용할 프롬프트 엔지니어링 가이드)

4. 외부 LLM API 구조와 통합 설계

챗 서비스를 제대로 완성하려면 다음 요소도 함께 고려해야 합니다.

• 인증(Auth): 로그인(SSO 등) 연동으로 누가 쓰는지 확인.
• 세션(Session): 대화 기록을 DB에 저장해 문맥 유지.
• 컨텍스트(Context): 직전 대화 + RAG 검색 결과를 프롬프트에 조립.
• 스트리밍(Streaming): LLM 응답을 타자기처럼 끊어서 전송(Server-Sent Events).

주말 과제 — agents/spec.md 지침 개선

자가 체크리스트

• sqlite3를 이용해 SELECT, WHERE, GROUP BY, JOIN 쿼리를 각각 한 번 이상 실행해 봤어요.
• txt2SQL의 4단계 흐름(스키마→질문→SQL→실행)을 설명할 수 있어요.
• LLM이 잘못된 SQL을 생성할 위험과 검증 방법(읽기전용, LIMIT 등)을 알아요.
• 에이전트(일꾼)와 오케스트레이션(지휘)의 개념을 pipeline.py 구조에 대입해 이해했어요.
• 외부 LLM API의 핵심 요소(엔드포인트, 인증 키, 요청/응답 형식)를 알아요.
• 민감한 계산은 LLM 없이 규칙엔진으로, 텍스트 처리만 LLM으로 분리하는 보안 원칙을 확인했어요.
• 예시로 든 agents/spec.md 지침 파일의 5번 섹션을 구체적으로 작성해 봤어요.

이번 주 용어

4주간의 여정이 끝났습니다. 이제 남이 만든 커리큘럼을 그대로 따라가는 것이 아니라, 여러분이 직접 만든 코드를 열고 고칠 차례입니다. 에러가 나면 로그를 읽고, 로직이 부족하면 agents의 지침을 보강하세요. 개발은 더 이상 개발자만의 영역이 아닙니다.