라마인덱스(LlamaIndex)가 법률 문서 지식베이스 참조 애플리케이션 ‘legal-kb’를 깃허브에 공개했다. 라마파스 플랫폼의 인덱스 v2(Index v2)로 구동되며, 팀이 ‘검색 하네스'(Retrieval Harness)라고 부르는 에이전틱 검색 패턴을 시연하기 위해 만들어졌다. 질의 하나당 임베딩 검색 한 번을 수행하는 기존 방식과 달리, 에이전트에게 파일시스템과 유사한 도구를 쥐여줘 크고 계속 갱신되는 지식베이스를 스스로 탐색하며 과제를 해결하도록 설계했다.
legal-kb는 라이브러리가 아니라 실제로 동작하는 탠스택 스타트(TanStack Start) 기반 웹앱이다. 사용자가 로그인해 프로젝트를 만들고 파일을 올리면 각 프로젝트가 관리형 라마클라우드 인덱스 v2로 미러링되며, 업로드된 파일은 백그라운드에서 자동으로 파싱·색인된다. 채팅 에이전트는 대화가 오갈 때마다 이 인덱스를 실시간으로 조회한다. 에이전트에는 네 가지 도구가 주어지는데, 하이브리드 시맨틱 검색을 수행하는 리트리브(retrieve), 파일명으로 찾는 파인드파일스(findFiles), 파일을 읽는 리드파일(readFile), 파일 안에서 패턴을 찾는 그렙파일(grepFile)이다. 시스템 프롬프트는 반드시 파인드파일스로 문서 목록부터 확인한 뒤 리트리브로 범위를 좁히고, 인용 전 리드파일이나 그렙파일로 정확한 문구를 확인하도록 순서를 강제한다.
업로드된 파일은 프로젝트의 라마클라우드 소스 디렉터리로 전송되고, 파일과 프로젝트파일 레코드가 PostgreSQL에 저장되며 인덱스 동기화가 비동기로 트리거된다. 버전 관리는 프로젝트·파일명 조합 단위로 이뤄져, 같은 파일을 다시 올리면 v1·v2·v3가 나란히 쌓이고 검색 시 버전 메타데이터로 필터링할 수 있다. 에이전트는 버셀 AI SDK6의 툴루프에이전트(ToolLoopAgent)로 구축됐으며, 턴마다 오픈AI 또는 앤트로픽 모델을 선택할 수 있고 클로드 모델은 확장된 사고 과정을, 오픈AI 추론 모델은 중간 수준의 추론 노력을 스트리밍한다.
에이전트에 검색·탐색 도구를 부여하는 접근은 계약서 검토 같은 실무에서 특히 유용하다. 예를 들어 계약 해지 통지 조건을 묻는 질문이 들어오면 에이전트는 파일 목록을 확인하고 리트리브를 실행한 뒤 그렙으로 정확한 조항을 찾아 특정 페이지를 인용해 답한다. 실사 과정에서는 파인드파일스로 후보 파일을 찾고 각각을 리드파일로 읽어 사람이 일일이 PDF를 열지 않고도 조항을 교차 확인할 수 있으며, 버전이 관리된 정책 문서베이스에서는 특정 버전만 지정해 조회하는 것도 가능하다.
답변에는 시각적 인용이 함께 제공된다. 검색된 각 텍스트 조각에는 짧은 식별자가 부여되고, 에이전트가 이를 인라인으로 참조하면 UI에 클릭 가능한 인용 칩이 표시되며 클릭 시 인용된 텍스트에 박스가 표시된 원본 페이지 스크린샷이 열린다. 라마인덱스는 이 패턴이 특히 법률과 핀테크처럼 에이전트가 대규모 문서 집합을 탐색해야 하는 영역에 적합하다고 설명했다.
