우아한공방의 새로운 동료, 시스템 맥락을 가진 챗봇서비스 개발기(feat. RAG)
1
AI 요약
이 글은 AI가 원문을 분석하여 핵심 내용을 요약한 것입니다.
이 게시물은 우아한공방의 문서·가이드·코드베이스 맥락을 자연어로 찾아주는 RAG 기반 챗봇 서비스를 개발한 과정 소개입니다.
디자인시스템을 코어-클레이-몰드로 계층화하고, 사용자가 설계 의도와 히스토리를 이해하며 답변받도록 MCP에 이어 챗봇을 확장하는 목표를 제시합니다.
AWS Bedrock Knowledge Bases로 RAG 체인을 구성하고, 벡터 스토어는 Amazon OpenSearch Serverless(AOSS)를 사용하며, DynamoDB로 채팅 히스토리를 관리합니다.
LangChain 기반 스트리밍 응답(SSE)과 시스템 프롬프트(패키지 구조·규칙·답변 정책) 적용을 통해 문맥 기반 답변을 생성합니다.
Retrieval 품질을 위해 질문에서 컴포넌트 이름을 추출해 메타데이터 필터링으로 검색 범위를 제어하고, topK를 질문 유형/문서 특성에 따라 튜닝합니다.
베타 이후 서비스 범위를 벗어난 질의를 줄이기 위해 Bedrock Guardrails를 도입하고, 입력만 검사되도록 output 검사를 비활성화 및 비동기 스트리밍 처리로 SSE 지연 이슈를 해결합니다.
마지막으로 Storybook에 전역 UI 방식으로 챗봇 위젯을 주입해 여러 iframe/메뉴에서도 항상 노출되도록 UI를 구성합니다.
