첫인상 및 인터페이스
getnao.io 사이트를 방문했을 때, 「컨텍스트 엔지니어링을 위해 구축된 분석 에이전트」라는 명확한 제안에 즉시 매료되었습니다. 랜딩 페이지에는 터미널 기반 워크플로가 표시되어 개발자 중심의 느낌을 줍니다. 간단히 npm install -g nao로 CLI를 설치한 후 nao init을 실행하자 터미널에 파일 시스템 구조가 나타났습니다. 데이터베이스, 문서, 쿼리, 리포지토리, 시맨틱스에 대한 디렉터리가 포함되어 있었습니다. 대시보드(명령줄 자체)는 에이전트 컨텍스트의 트리 보기를 보여줍니다. GUI가 복잡하지 않으며, 이는 데이터 엔지니어와 분석 엔지니어를 대상으로 하는 도구에 적합합니다. 기본 LLM은 Claude Sonnet 4.5이지만, 자체 키를 사용할 수도 있습니다. nao chat으로 실행되는 채팅 UI는 최소한이지만 기능적인 인터페이스를 제공합니다. 「월별 고유 사용자 표시」라고 질문하자 에이전트가 정의된 컨텍스트를 탐색하는 것을 볼 수 있었습니다. 응답 시간은 약 10초로 합리적이었고, 생성된 SQL도 정확했습니다.
Nao 작동 방식: 컨텍스트 엔지니어링
Nao는 많은 분석 중심 LLM 에이전트가 겪는 특정 문제점, 즉 신뢰할 수 없는 컨텍스트를 해결합니다. Nao는 스키마 덤프나 원시 문서를 LLM에 던져주는 대신 컨텍스트를 구조화된 파일 시스템으로 처리합니다. 테이블 열, 프로파일링 요약, 비즈니스 정의, 예제 쿼리, 심지어 규칙까지 모든 요소를 nao-agent 디렉터리 내의 마크다운 파일이나 템플릿으로 정의합니다. nao_config.yaml 파일이 데이터베이스 연결(BigQuery, Snowflake 등), 리포지토리 참조(dbt, Looker), Notion 페이지와 같은 외부 소스 등 모든 것을 조정합니다. nao sync를 실행하면 에이전트가 이러한 소스에서 실시간 메타데이터를 가져와 컨텍스트 폴더에 기록합니다. 이는 문서 사이트를 단순히 벡터화하는 것보다 훨씬 세분화되어 있습니다. 단위 테스트도 작성할 수 있습니다. 질문에서 예상 SQL을 생성하고 nao test를 실행하여 응답률, 토큰, 시간을 측정합니다. 제 테스트에서는 11개 질문에 대해 81.8%의 통과율을 보고했습니다. 이는 신뢰성에 대한 구체적인 지표입니다. 이 도구의 핵심 가설은 에이전트의 신뢰성이 컨텍스트 품질에 직접 비례하며, 파일 시스템 추상화를 통해 해당 컨텍스트를 명시적이고 버전 관리 가능하게 만든다는 것입니다.
기술적 기능 및 가격
내부적으로 Nao는 사용자 고유의 API 키(예: Claude Sonnet 4.5, GPT-4)를 통해 원하는 LLM을 사용합니다. accessors 필드를 통해 주요 데이터베이스(BigQuery, Snowflake, Postgres)의 커넥터를 지원합니다. 옵션에는 열, 설명, 미리보기, 프로파일링이 포함됩니다. 리포지토리(dbt, Looker)와 외부 문서(Notion)도 일급 시민으로 취급됩니다. 전체 프로젝트는 100% 오픈소스이며, nao-labs 조직 아래 GitHub에 호스팅되어 있습니다. 가격은 웹사이트에 공개되어 있지 않지만, 이 모델은 자체 키 사용과 자체 호스팅을 권장합니다. 즉, 자체 LLM 제공업체에 대한 토큰 소비 비용만 지불하면 됩니다. 호스팅 버전을 원하는 경우 사이트에는 「자체 LLM 키로 채팅 배포」라고 명시되어 있어 관리형 티어가 있음을 암시하지만, 구체적인 가격 정보는 제공되지 않습니다. LangChain의 분석 어시스턴트나 RAG 기반 도구 같은 대안과 비교할 때, Nao가 명시적이고 파일 시스템 스타일의 컨텍스트 엔지니어링에 중점을 둔 점은 독특합니다. 에이전트가 보는 내용을 세밀하게 제어할 수 있으며, 테스트 하니스를 통해 반복적으로 개선할 수 있습니다. 이미 구조화된 데이터 문서(dbt 문서, Looker 탐색)를 보유하고 있고 컨텍스트 파이프라인을 다시 설계하지 않고 신뢰할 수 있는 자연어 쿼리 인터페이스를 구축하려는 팀에 가장 적합합니다. 로우코드 시각적 접근 방식을 선호하는 개발자에게는 CLI와 YAML 구성이 너무 무겁게 느껴질 수 있습니다.
추천 사항 및 한계
Nao의 강점은 오픈소스 특성, 컨텍스트를 파일 시스템으로 다루는 패러다임, 그리고 포함된 신뢰성 테스트에 있습니다. 저는 이것이 분석 에이전트를 신뢰할 수 있게 만드는 가장 실용적인 접근 방식 중 하나라고 진심으로 생각합니다. 그러나 실제 한계도 있습니다. 이 도구는 이미 상당한 데이터 인프라(dbt 프로젝트, 데이터 웨어하우스, 컨텍스트 파일을 유지 관리하려는 팀)가 있다고 가정합니다. 비개발자에게는 온보딩이 어렵습니다. 컨텍스트 소스를 구성하거나 테스트를 관리하기 위한 그래픽 인터페이스가 없습니다. 또한 에이전트의 성능은 컨텍스트 파일의 품질에 크게 좌우됩니다. 설명이 제대로 작성되지 않거나 프로파일링 데이터가 누락되면 정확도가 떨어집니다. 개념 증명을 위해 여러 마크다운 파일을 수동으로 작성해야 했습니다. 또한 현재 이 도구는 라이브 채팅 분석이나 사용자 피드백 루프에 대한 기본 지원이 부족하지만, 모니터링 탭에서 채팅 기록을 볼 수 있습니다. 전반적으로 명령줄에 익숙하고 투명하고 테스트 가능한 분석 에이전트를 원하는 데이터 팀에 Nao를 추천합니다. 비주얼 편집기가 있는 플러그 앤 플레이 솔루션이 필요하다면 다른 곳을 찾아보십시오. 직접 살펴보려면 https://getnao.io에서 Nao를 방문하십시오.
댓글