AI·LLM 연동#
개요#
지식 그래프와 그 임베딩을 한 데이터베이스에 함께 둘 수 있으므로, AgensGraph는 검색 증강 생성의
저장소로 흔히 쓰입니다. 그래프는 테이블이고 속성은 jsonb이므로, pgvector가 정점에 저장한
임베딩을 인덱싱합니다.
그러므로 쿼리 하나가 의미로 가장 가까운 문서를 찾고 거기서 그래프를 따라 뻗어 나갈 수 있습니다. GraphRAG에 필요한 것이 정확히 그것입니다.
연동은 별도 매뉴얼 AgensGraph AI 에 있습니다. 연동마다 설치와 사용 페이지가 거기에 있으며, 이 페이지는 각 연동이 어디에 쓰이는지 설명합니다.
이들은 모두 AgensGraph Python 드라이버 위에서 동작합니다. 그 드라이버는 psycopg 3 위에 만들어졌고 그것을 통해 Cypher를 실행합니다. 그래서 어느 프레임워크를 고르든 정점·간선·경로가 텍스트가 아니라 객체로 프레임워크에 전달됩니다. 0.3.1 연동에는 드라이버 2.0 이상이 필요합니다. 드라이버 자체는 드라이버와 클라이언트 라이브러리를 참고하십시오.
임베딩은 pgvector가 다루며 함께 배포되지 않으므로, 데이터베이스에 한 번 설치해야 합니다.
벡터 검색을 참고하십시오.
모든 연동의 소스는 agensgraph-ai 저장소에 있으며, 실행할 수 있는 데모도 함께 들어 있습니다.
LangChain#
그래프 저장소, pgvector 기반 벡터 저장소, 채팅 메시지 이력, LangGraph 체크포인터, 그리고 LLM 그래프 트랜스포머입니다.
LlamaIndex#
PropertyGraphIndex와 VectorStoreIndex 저장소이며, 하이브리드 검색·메타데이터 걸러 내기·
AgensGraph에 맞춘 Text2Cypher를 갖췄습니다.
LightRAG#
LightRAG의 저장소 역할 네 가지를 한 데이터베이스에서 맡으며, 워크스페이스 단위 멀티테넌시를 지원합니다.
cognee#
cognee AI 메모리 프레임워크를 위한 그래프·벡터 어댑터입니다.
MCP 서버#
Cypher·메모리·데이터 모델링, 세 가지 Model Context Protocol 서버이며, Claude Desktop 같은 클라이언트에 AgensGraph를 노출합니다.
프레임워크 없이#
프레임워크를 거치지 않고 검색을 직접 만든다면 검색 가이드 세 편에서 시작하십시오. 벡터·전문· 하이브리드 검색은 각각 그 검색과 순회를 한 문장에 결합하는 GraphRAG 절로 끝납니다.