Agent Cloud

Agent Cloud는 서비스가 종료되어 더 이상 활성화되지 않습니다.

Agent Cloud란 무엇이었나요?

Agent Cloud는 기업이 자체적인 대규모 언어 모델(LLM) 채팅 애플리케이션을 구축하고 배포할 수 있도록 설계된 오픈 소스 플랫폼이었습니다. 팀은 데이터를 안전하게 상호 작용할 수 있으며 다양한 AI 기반 애플리케이션을 위한 강력한 솔루션을 제공했습니다.

주요 기능 및 특징:

• 벡터 데이터베이스를 위한 데이터 동기화: Agent Cloud는 검색 증강 생성(RAG)을 위해 최신 벡터 데이터에 액세스할 수 있는 데이터 연결 에이전트 생성을 용이하게 했습니다.
• 다재다능한 데이터 수집: 이 플랫폼은 파일(PDF, DOCX, TXT, CSV) 및 데이터베이스(PostgreSQL, Snowflake, BigQuery)를 포함한 260개 이상의 소스에서 데이터를 수집할 수 있도록 지원하며 특정 테이블 및 열을 선택할 수 있는 옵션을 제공했습니다.
• 데이터 준비: Agent Cloud를 통해 사용자는 OpenAI의 text-embedding-3-small 또는 BGE/base와 같은 오픈 소스 대안과 같은 모델을 활용하여 지침에 따라 데이터를 분할, 청크화 및 임베딩할 수 있었습니다.
• 벡터 데이터 저장: 임베딩된 데이터는 벡터 데이터베이스 내에 저장되어 자체 호스팅 배포를 위한 Qdrant 및 Pinecone과 같은 주요 옵션을 지원했습니다.
• 예약된 데이터 업데이트: 사용자는 수동, 예약 또는 cron 기반 업데이트를 통해 최신 데이터에 액세스할 수 있도록 소스에서 데이터 동기화 빈도를 설정할 수 있었습니다.
• LLM에 구애받지 않는 디자인: Agent Cloud는 LLM에 구애받지 않도록 설계되어 사용자가 자체 오픈 소스 모델을 연결하거나 OpenAI를 활용할 수 있었습니다. 자체 관리 사용자는 완전한 개인 정보 보호를 위해 로컬에서 호스팅되는 모델에 연결할 수 있었습니다.

Agent Cloud 작동 방식:

1. 데이터 소스 선택: 사용자는 Confluence와 같은 시스템 또는 직접 파일 업로드를 포함한 커넥터 컬렉션에서 데이터 소스를 선택했습니다.
2. 데이터 준비: OpenAI의 text-embedding-3-small 또는 임베딩을 위한 오픈 소스 모델을 사용하는 옵션과 함께 데이터를 분할하고 청크화하는 방법에 대한 지침이 제공되었습니다.
3. 벡터 스토리지: 플랫폼은 임베딩된 데이터를 벡터 데이터베이스에 저장했습니다.
4. 데이터 동기화: 사용자는 소스에서 데이터를 동기화하는 빈도를 설정했습니다.
5. 채팅 인터페이스: 에이전트는 사용자가 선택한 LLM으로 생성되어 동기화된 데이터를 사용하여 채팅 세션을 활성화했습니다.

사용 사례:

• RAG 채팅 애플리케이션 구축: Agent Cloud를 통해 채팅 인터페이스 또는 API를 통해 동기화된 데이터를 직접 쿼리하기 위한 채팅 애플리케이션을 만들 수 있었습니다.
• 개인 데이터 상호 작용: 팀은 조직 내에서 AI 앱에 안전하게 액세스할 수 있으며 오픈 소스 앱을 인프라에 배포하고 LLM을 온프레미스로 실행하여 데이터 개인 정보를 보호할 수 있었습니다.

Agent Cloud는 누구를 위한 것이었나요?

Agent Cloud는 자신과 팀을 위해 AI 애플리케이션을 구축하려는 개발자 및 엔지니어를 대상으로 하며 단일 에이전트 채팅 앱, 다중 에이전트 채팅 앱 및 지식 검색 앱을 만들기 위한 플랫폼을 제공했습니다.

Agent Cloud는 서비스가 종료되었지만 아카이브 목적으로 사이트는 온라인 상태로 유지됩니다.