몽고DB, 검색·에이전트 인프라 강화 신기능 공개
몽고DB는 검색·에이전트 인프라 강화를 위한 신기능을 19일 공개했다.
몽고DB는 자사의 지능형 데이터 플랫폼에 벤치마크 수준의 우수한 검색 기능을 직접 통합한 일련의 신규 기능들을 선보였다.
핵심은 에이전틱 코드 검색을 위해 특화된 신규 모델 voyage-code-4다. 해당 모델은 보이지 AI의 전체 임베딩 및 리랭킹 모델과 함께 독립형 API를 통해 제공되며, 모든 애플리케이션에 적용할 수 있다. 몽고DB의 보이지 AI 임베딩 모델은 검색 임베딩 벤치마크(RTEB)에서 1위를 차지하고 있다.
기존에는 고도화된 검색 유스케이스를 구현하려는 개발자들은 운영 시스템에서 데이터를 직접 추출하고, 복잡하고 취약한 임베딩 파이프라인을 관리하며, 벡터 저장소를 동기화 상태로 유지해야 했다. 보이지 AI 모델 기반의 몽고DB 아틀라스 오토메이티드 임베딩을 활용하면 개발자는 손쉽게 데이터를 입력 및 검색할 수 있다. 아틀라스가 백그라운드에서 임베딩과 인덱싱을 자동으로 처리하기 때문에 별도의 동기화나 임베딩 파이프라인 관리가 더 이상 필요하지 않게 된다.
파이낸셜타임스는 독자의 저널리즘 콘텐츠 검색을 개선하기 위해 여러 팀과 제품에 걸쳐 파편화됐던 검색 기능을 몽고DB 플랫폼으로 통합했다. 보이지 AI 기반의 ‘몽고DB 아틀라스 오토메이티드 임베딩’을 통해, 파이낸셜타임즈는 AI 기반 의미 검색의 정확도를 향상시키는 동시에 검색에 소요되는 비용을 효과적으로 관리하고 있다.
몽고DB는 고정된 별도 시스템을 추가하지 않고, 실시간 운영 데이터와 동일한 플랫폼에서 고정밀 검색을 수행한다. 에이전트는 불과 몇 초 전에 기록된 데이터를 포함한 라이브 데이터를 검색해 컨텍스트를 확보하므로, 검색 결과가 오래된 사본이 아닌 비즈니스의 현재 상태를 그대로 반영한다.
AI 애플리케이션과 에이전트는 정확하고 신뢰할 수 있는 최신 컨텍스트가 있어야만 올바른 의사결정을 내릴 수 있다. 보이지 AI 기반의 몽고DB 아틀라스 오토메이티드 임베딩은 이러한 컨텍스트를 항상 최신 상태로 유지한다. 사용자가 검색 인덱스에 보이지 AI 임베딩 모델을 설정하면, 아틀라스는 새로 작성되는 문서를 자동으로 임베딩하고 기존 문서가 변경될 경우 재임베딩하며, 별도로 실행하거나 스케줄링할 작업이 없다.
아틀라스 임베딩·리랭킹 API를 통해 몽고DB 외부에서 구동되는 애플리케이션을 포함한 모든 애플리케이션이 아틀라스를 거쳐 몽고DB의 최상위권 임베딩·리랭킹 모델에 직접 접근할 수 있다.
범용 임베딩 모델은 코드베이스에 최적화돼 있지 않아 검색 정확도에서 한계를 보여왔다. voyage-code-4는 코딩 에이전트를 위해 특별히 조정된 검색 모델로, 기존 모델 대비 더 높은 정밀도와 더 낮은 비용으로 정보를 코드와 매칭한다.
실시간 이벤트를 처리하는 에이전트가 정지된 데이터를 읽는 에이전트보다 열악한 컨텍스트로 작동해서는 안 된다. 아틀라스 스트림 프로세싱의 벡터 서치는 이동 중인 데이터에도 동일한 수준의 검색 정확도를 제공한다.
몽고DB는 개발자들이 사용하는 AI 코딩 스택 전반에 실시간 운영 데이터를 직접 제공하는 ‘몽고DB 아틀라스 매니지드 MCP 서버’를 함께 발표했다. 몽고DB 아틀라스 매니지드 MCP 서버는 별도 인프라 구축 없이 에이전트를 아틀라스에 연결할 수 있는 완전 관리형 방식이다. 개발자는 이제 몽고DB 아틀라스를 클로드 코드, 코덱스, 그록 빌드, 데빈 등에 손쉽게 추가할 수 있다.
파블로 스턴플라자 몽고DB AI 및 신사업 부문 최고제품책임자(CPO)는 “팀들이 사용하는 AI 툴은 계속 바뀌기 때문에, 우리의 접근 방식은 팀이 클로드에서 작업하든, 코덱스에서 작업하든, 혹은 프로덕션 환경에서 에이전트를 운영하든 관계없이 그 모든 툴 안에 몽고DB가 존재하도록 하는 것”이라며 “이제 더 많은 개발 작업이 에이전트에 의해 이뤄지고 있으며, 에이전트도 개발자도 연결 설정을 위해 작업을 멈출 필요가 없어져 애플리케이션 구축 속도가 더 빨라진다”고 밝혔다.
신규 커넥터를 통해 몽고DB는 소프트웨어가 개발되는 다양한 툴 전반에 걸쳐 기본 탑재된다. 개발자는 챗GPT, 클로드, 그록에서 자연어로 데이터에 대해 질의할 수 있으며, 클로드 코드, 코덱스, 그록 빌드, 데빈과 같은 코딩 에이전트를 통해 작업이 진행되는 즉시 몽고DB의 데이터를 조회·점검·업데이트할 수 있다. 또한 개발자는 커서 같은 통합개발환경(IDE)에서 앱을 생성하는 동안에도 몽고DB의 실시간 데이터를 함께 확인할 수 있다.
이러한 툴과의 연동은 단 몇 번의 클릭만으로 완료된다. 연결 문자열을 붙여 넣거나 별도 인프라를 구성할 필요가 없이 해당 툴의 마켓플레이스에서 몽고DB 커넥터를 찾아 인증하기만 하면 된다. 연결이 완료되면 해당 툴은 컬렉션과 인덱스를 조회하고, 데이터를 쿼리·집계하며, 스키마를 점검할 수 있고, 적절한 권한이 부여된 경우 컬렉션 생성이나 인덱스 관리도 가능하다.
프로덕션 환경에서 에이전트를 운영한다는 것은 실제 운영 데이터 및 에이전트 메모리와 연결한다는 의미이며, 지금까지 팀들은 이러한 연결을 직접 구축하고 유지 관리해야 했다. 몽고DB의 MCP 서버는 이미 주당 3만건 이상의 설치 건수를 기록하고 있다. 몽고DB 아틀라스 매니지드 MCP 서버는 원격·완전 관리형으로 아틀라스 내부에서 서비스 형태로 실행되므로, 팀이 별도로 설치·운영·업그레이드할 필요가 없다. 팀은 기존에 아틀라스에서 사용하던 것과 동일한 자격 증명 및 접근 제어를 통해 연결할 수 있어, 관리자는 에이전트의 운영 데이터 접근을 한곳에서 관리할 수 있다.
짐 샤프 몽고DB 최고기술책임자(CTO)는 “많은 기업들이 프로덕션 환경에서 AI를 구동할 때 서로 다른 벤더에서 제공하는 운영 데이터베이스, 벡터 스토어, 검색 엔진, 임베딩 및 리랭킹 모델을 유기적 결함없이 임시방편으로 짜맞춰 사용하고 있다”며 “이러한 방식 때문에 데이터가 낡거나 오류가 발생하며, 팀들은 대개 새로운 것을 구축하기보다 이를 관리하는 데 시간을 쏟게 된다”고 설명했다.
그는 “에이전트는 기준을 한층 높이고, 실시간 컨텍스트를 지속적으로 검색해야 하며, 야간 배치 작업을 기다릴 여유가 없다”며 “몽고DB는 처음부터 운영 플랫폼으로 설계됐기 때문에 검색과 메모리가 동일한 실시간 데이터 상에서 작동하며, 별도의 동기화 없이 에이전트가 지금 벌어지고 있는 일에 즉각 대응할 수 있다”고 밝혔다.
글. 바이라인네트워크
<김우용 기자>yong2@byline.network
