출처

개요

범용 코딩 에이전트에게 회사 데이터 웨어하우스를 물으면 매번 스키마를 새로 탐색하고, 지표 계산을 제멋대로 만들어 사내 정의와 다른 숫자를 내기 쉽다. ktx(Kaelio)는 데이터·분석 에이전트용 컨텍스트 레이어로, 승인된 지표 정의·조인 가능한 컬럼·비즈니스 지식을 스스로 만들고 유지하며 에이전트가 정확히 질의하게 한다.

핵심 포인트

  • 전통적 시맨틱 레이어와의 차이: 수작업 유지보수 없이 데이터 스택을 자동 파악해 시맨틱 레이어를 만들고, 위키·Notion 등 흩어진 팀 지식도 흡수한다. 소스 간 모순은 사람이 검토하도록 표시한다.
  • 인제스트: 데이터베이스(스키마·키·쿼리 이력), BI(대시보드·사용 패턴), 모델링 코드(지표·조인·엔티티), 문서를 읽어 → 업데이트 제안 → 기존 컨텍스트와 병합 → 참조·의미 검증.
  • 산출물 두 가지: wiki/*.md(정의·주의사항·정책)와 semantic-layer/*.yaml(지표·조인·차원·필터). 조인 그래프로 채즘 트랩·팬 트랩을 자동 해소한다.
  • 서빙: 에이전트(Claude Code·Codex·Cursor·OpenCode)가 MCP로 물으면 위키와 시맨틱 레이어를 전문·의미 검색해 승인된 지표를 찾고, 읽기 전용 SQL로 컴파일해 실행한 결과를 돌려준다.
  • 보안·비용: 로컬 실행, 웨어하우스 연결은 읽기 전용, 호스팅 서비스 없음. 자신의 API 키나 로컬 Claude Code(Pro/Max)·Codex 인증으로 구동하며 별도 사용료가 없다.
  • 지원 범위: PostgreSQL·Snowflake·BigQuery·ClickHouse·MySQL·SQL Server·SQLite·DuckDB·Athena·MongoDB, dbt·MetricFlow·LookML·Looker·Metabase·Sigma·Notion·Google Drive. 설치는 npm install -g @kaelio/ktx → ktx setup, MCP 서버는 ktx mcp start. Apache 2.0.

왜 중요한가

데이터 에이전트의 오답은 모델 능력보다 “사내에서 합의된 정의”를 모르는 데서 나온다. ktx는 그 정의를 에이전트가 검색 가능한 컨텍스트로 자동 유지한다는 점에서, 코드 에이전트의 컨텍스트 엔지니어링을 분석 영역으로 옮긴 사례다.

참고 링크

관련 위키

원문 보존 위치

원문 전체는 raw source: 2026-07-21-pytorchkr-topic-11272-ktx에 source_url 및 HTML 원문과 함께 저장되어 있습니다.