KnowledgeMCP가 웹사이트, PDF, 컨플루언스(Confluence), 노션(Notion) 등 어떤 문서라도 AI 에이전트가 즉시 검색하고 활용할 수 있는 표준 모델 컨텍스트 프로토콜(MCP) 엔드포인트로 변환하는 오픈소스 솔루션을 선보였습니다. 이 프로젝트의 핵심은 쿼리(질의) 시점에 대규모 언어모델(LLM)을 전혀 사용하지 않아 운영 비용을 획기적으로 줄이고 응답 속도를 단축할 수 있다는 점입니다. 클로드(Claude), 깃허브 코파일럿(GitHub Copilot), 커서(Cursor) 등 MCP 호환 에이전트들은 이 엔드포인트를 통해 문서에 접근할 수 있습니다.
KnowledgeMCP는 로컬 임베딩 모델과 오픈서치(OpenSearch)의 하이브리드(BM25/kNN) 검색 기능을 활용하여 LLM 호출 없이 문서 검색을 수행합니다. 이를 통해 쿼리당 발생하는 OpenAI나 베드록(Bedrock) 같은 LLM 서비스 비용을 없앨 수 있습니다. 또한, 'docs_search', 'code_sample_search', 'docs_fetch' 세 가지 표준 도구를 에이전트에 제공하여 문서 검색, 코드 샘플 검색, 전체 페이지 콘텐츠 가져오기 기능을 지원합니다. 도커 컴포즈(docker compose)를 통해 로컬에서 쉽게 배포할 수 있으며, AWS 람다(Lambda), 다이나모DB(DynamoDB), S3 등 클라우드 환경 배포를 위한 SAM 템플릿도 함께 제공하여 프로덕션 환경 구축도 용이합니다.
이 솔루션은 AI 에이전트가 기업 내부 문서나 특정 지식 베이스를 활용하는 데 드는 비용과 복잡성을 크게 낮출 수 있다는 점에서 중요합니다. 기존 RAG(Retrieval Augmented Generation) 방식이 쿼리마다 LLM 재랭킹(reranking)에 비용을 지불하고 느린 응답 속도를 보였던 것에 비해, KnowledgeMCP는 제로 쿼리 비용과 약 100ms의 빠른 응답 속도를 자랑합니다. 이는 기업들이 AI 에이전트를 활용한 지식 관리 시스템을 구축할 때 재정적 부담을 줄이고 사용자 경험을 향상시키는 데 기여할 것입니다. 오픈소스 라이선스(백엔드 AGPL-3.0, 프론트엔드 MIT)를 통해 커뮤니티의 참여를 유도하며, 상업적 사용을 위한 별도 라이선스 논의 가능성도 열어두고 있습니다.