databerry
무엇인가
Databerry는 자체 데이터를 근거로 답하는 LLM 챗봇을 코드 없이 구성하는 플랫폼이다. 검색 증강 생성(RAG) 계열에 속하며, 문서 수집부터 임베딩·검색·대화 화면까지를 한 제품 안에 묶는다. 검색 파이프라인과 채팅 프론트엔드를 따로 짜는 작업을 대체하는 자리다.
어떻게 동작하나
데이터 소스에서 가져온 문서를 청크로 나눠 임베딩으로 변환하고 벡터 저장소에 넣는다. 질의가 들어오면 같은 방식으로 임베딩해 유사한 청크를 검색하고, 그 내용을 프롬프트에 붙여 LLM에 전달한다. 완성된 에이전트는 공유 링크, 웹사이트 삽입 위젯, HTTP API로 노출된다. 서버는 Next.js와 TypeScript로 작성되고 Prisma를 통해 PostgreSQL에 연결된다.
무엇과 다른가
LangChain 같은 코드 우선 프레임워크는 검색 체인과 UI를 직접 조립해야 하고, 일반 채팅 UI는 자체 데이터에 근거하지 않는다. Databerry는 수집·색인·검색·위젯을 관리 화면에서 설정하는 형태로 그 둘 사이를 채운다. 결과물이 곧 배포 가능한 챗봇이라는 점이 라이브러리와 다르다.
어떻게 쓰나
호스팅 버전은 chaindesk.ai에서 데이터 소스를 연결하고 에이전트를 만든다. 자체 호스팅은 저장소를 클론해 LLM API 키와 데이터베이스 접속 문자열 등 환경 변수를 채우고, 마이그레이션을 실행한 뒤 서버를 띄운다. 생성한 에이전트는 삽입 스크립트나 API 키로 외부 앱에 연결한다.
전제와 한계
동작하려면 외부 LLM 제공자의 API 키와 임베딩을 저장할 데이터베이스가 필요하다. 노코드 설정 화면이 다루지 않는 검색 로직이나 프롬프트 제어는 코드를 고쳐야 한다. 자체 호스팅에서는 벡터 저장소와 데이터베이스 운영이 사용자 몫이다.
관련 논문 5
유사 도구
- difyLLM 애플리케이션을 워크플로·RAG·에이전트·모델 관리·관측까지 한 워크스페이스에서 만들고, 클라우드나 셀프호스팅으로 배포하는 오픈소스 플랫폼이다.
- kernel-memory여러 형식의 문서를 청크로 나눠 임베딩하고 벡터 인덱스에 저장해, 출처 인용과 함께 자연어로 답하는 RAG 파이프라인 서비스다.
- AutoRAGPDF·위키·노트·논문을 검색해 근거를 직접 읽고 번호 붙은 지식 단위로 큐레이션하는 자가 진화형 사서 에이전트 CLI다.
- WeKnora원시 문서를 수집해 검색 가능한 RAG 지식베이스와 자율 추론 에이전트, 자체 유지 위키로 바꾸는 Go 기반 자체 호스팅 LLM 지식 플랫폼이다.
- txtai벡터 인덱스·그래프·관계형 DB를 합친 임베딩 데이터베이스 위에서 시맨틱 검색과 LLM 워크플로를 돌리는 Python AI 프레임워크다.
- orama브라우저·서버·엣지에서 도는 TypeScript 검색 엔진 라이브러리다. 전문 검색·벡터 검색·하이브리드 검색을 2KB 미만 코어로 처리한다.