섹션별 상세
Kremis는 할루시네이션, 불투명성, 근거 부족, 비결정론이라는 LLM의 네 가지 핵심 문제를 해결하기 위해 설계됐다. 모든 결과는 실제 입력된 신호로 역추적 가능하며, 데이터가 없을 경우 명시적으로 '찾을 수 없음'을 반환하여 허위 정보 생성을 방지한다.
시스템 아키텍처는 순수 Rust로 작성된 결정론적 엔진인 kremis-core와 HTTP 서버 및 CLI를 제공하는 앱 레이어로 구성된다. 내장 데이터베이스인 redb를 사용하여 ACID 트랜잭션을 지원하며, 충돌 시에도 데이터 안전성을 유지하는 설계를 채택했다.
rust
let mut session = Session::new();
let signal = Signal::new(
EntityId(1),
Attribute::new("name"),
Value::new("Alice"),
);
let node_id = session.ingest(&signal)?;Rust API를 사용하여 새로운 신호(Signal)를 그래프에 입력하는 코드
Honesty Demo 기능을 통해 LLM이 생성한 문장들을 개별적으로 검증한다. LLM이 'Alice는 MIT 박사 학위가 있다'라고 주장할 때, Kremis 그래프에 해당 정보가 없으면 이를 'NOT IN GRAPH'로 분류하여 사용자가 할루시네이션을 즉시 식별하게 한다.
bash
curl -X POST http://localhost:8080/query \
-H "Content-Type: application/json" \
-d '{"type": "lookup", "entity_id": 1}'Kremis 서버에 특정 엔티티 ID를 조회하는 쿼리 예시
MCP(Model Context Protocol) 서버를 지원하여 Claude와 같은 AI 어시스턴트가 Kremis 지식 그래프에 직접 접근할 수 있다. 이를 통해 에이전트는 도구 사용(Tool Use) 기능을 통해 그래프를 조회, 횡단, 경로 탐색하며 구조화된 지식을 활용한다.
python
[FACT] Alice is an engineer. ← Kremis: "engineer"
[FACT] Alice works on the Kremis project. ← Kremis: "Kremis"
[NOT IN GRAPH] Alice holds a PhD from MIT. ← Kremis: NoneHonesty Demo를 통한 LLM 답변의 사실 여부 검증 결과 예시
결정론적 설계를 위해 코어 로직에서 부동 소수점 연산이나 무작위성을 완전히 배제했다. 동일한 입력 신호에 대해 항상 동일한 그래프 구조와 쿼리 결과를 보장함으로써 시스템의 신뢰성을 극대화했다.
용어 해설
- 결정론적(Deterministic)
- — 동일한 입력에 대해 항상 동일한 출력을 생성하는 성질이다. LLM의 확률적 특성과 달리 시스템의 동작을 예측 가능하게 하며 디버깅과 검증의 신뢰성을 확보하는 데 필수적이다.
- 그라운딩(Grounding)
- — AI 모델의 출력을 실제 사실이나 외부 데이터 소스에 연결하는 과정이다. 모델이 학습 데이터에만 의존하지 않고 실시간으로 주입된 구체적인 정보에 기반하여 답변하도록 유도하여 정확도를 높인다.
- 모델 컨텍스트 프로토콜(Model Context Protocol)
- — Anthropic이 제안한 개방형 표준으로, AI 모델이 로컬 데이터나 도구와 안전하게 상호작용할 수 있도록 연결하는 규약이다. 이를 통해 Claude와 같은 에이전트가 외부 데이터베이스를 직접 조회할 수 있다.
- ACID 트랜잭션(ACID Transactions)
- — 데이터베이스 트랜잭션의 원자성, 일관성, 고립성, 지속성을 보장하는 속성이다. 시스템 장애 시에도 데이터 유실이나 오염을 방지하며 Kremis에서는 redb를 통해 이를 구현했다.
- 할루시네이션(Hallucination)
- — 언어 모델이 사실이 아니거나 문맥에 맞지 않는 정보를 그럴듯하게 생성하는 현상이다. Kremis는 그래프 기반의 사실 검증을 통해 이러한 허위 정보 생성을 억제하는 역할을 한다.
기술
- Rust
- redb
- Axum
- Tokio
- MCP
- Ollama
활용 사례
- LLM 답변 사실 검증 (Fact Checking)
- 구조화된 지식 저장 및 검색
- AI 에이전트용 외부 메모리
- 결정론적 RAG 시스템
언급된 리소스
GitHubKremis GitHub Repository
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 03. 03.수집 2026. 03. 03.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
