GitHub：내부 분석 에이전트 Qubot이 쿼리 해결 시간 약 66% 단축
Qubot은 GitHub가 구축한 내부 AI 분석 에이전트로, 직원들이 자연어로 데이터 웨어하우스를 조회할 수 있게 합니다. 3계층 연합 컨텍스트 레이어(bronze, silver, gold)와 Kusto 및 Trino 쿼리 엔진 간의 자동 라우팅을 사용하여 쿼리 해결 시간을 약 66% 단축했습니다.
이 기사는 AI가 1차 출처를 기반으로 생성했습니다.
GitHub는 Qubot의 아키텍처를 소개했습니다. 이는 직원들이 수동으로 쿼리를 작성하는 대신 자연어로 데이터 웨어하우스(data warehouse)를 조회할 수 있게 하는 내부 AI 분석 에이전트입니다. 데이터 웨어하우스는 여러 시스템의 데이터가 모이는 중앙 데이터베이스로, 일반적으로 쿼리 언어 지식이 필요합니다.
Qubot의 구축 방식
Qubot은 3계층 연합 컨텍스트 레이어——bronze, silver, gold——를 사용하여 데이터를 단계적으로 정제·구조화함으로써 에이전트가 더 신뢰할 수 있는 컨텍스트를 얻을 수 있도록 합니다. Copilot Cloud Agent 인프라에서 실행되며 Slack, VS Code, CLI를 통해 접근할 수 있습니다. 에이전트는 데이터 유형에 따라 Kusto와 Trino 두 엔진 간에 쿼리를 자동으로 라우팅합니다.
결과
GitHub에 따르면 Qubot은 수천 건의 쿼리를 실행하는 수백 명의 사용자에게 서비스를 제공하며 쿼리 해결 시간을 약 66% 단축했습니다. 구조화된 컨텍스트는(원시 데이터를 직접 모델에 전송하는 것과 비교하여) 답변의 정확도를 높였습니다. 이 사례는 대형 기술 기업들이 에이전트 시스템을 시장 제품으로만이 아니라 내부 필요를 위해서도 점점 더 많이 구축하고 있음을 보여줍니다.
자주 묻는 질문
- Qubot이란 무엇입니까?
- Qubot은 GitHub의 내부 AI 분석 에이전트로, 직원들이 Slack, VS Code, CLI를 통해 자연어로 데이터 웨어하우스를 조회할 수 있게 합니다.
- Qubot은 데이터를 어떻게 구성합니까?
- bronze, silver, gold 3계층 컨텍스트 레이어를 사용하고 Kusto와 Trino 엔진 간에 쿼리를 자동으로 라우팅합니다.
- 얼마나 시간이 절약되었습니까?
- 쿼리 해결 시간이 약 66% 단축되었으며 수백 명의 사용자가 수천 건의 쿼리를 실행합니다.