Track1 본선: AI Agent 개발 <K intelligence Hackathon 2025>

K-Docent 기술 요약 (코드 관점)

Frontend

Next.js: 웹/앱 크로스플랫폼 UI 개발

Naver Maps SDK: 위치 기반 서비스 및 지오펜싱

Backend

Python: AI/ML 생태계와 호환

FastAPI: 고성능 비동기 API 서버 구축

LangChain, LangGraph, LlamaIndex: LLM 기반 워크플로우와 Agent 구성

AI & Processing

LLM: KT 믿:음 Base/Mini → vLLM으로 최적화·배치·캐싱 적용

TTS: Zonos API 기반 페르소나 맞춤형 음성 합성

Agent 기능

Context Awareness: 위치·사용자 프로필 기반 상황 인식

Dialogue Manager: 질의 의도 분석 및 맥락 유지

RAG Engine: Milvus 벡터 검색 + Wiki MCP 보강 + 신뢰도 검증

Personalized Narrator: 성인/어린이 버전 차별화, 멀티톤 TTS

Multilingual Processor: 번역 API, 용어 일관성 관리

데이터 처리

Supabase RDB: 사용자 프로필·대화 이력 관리

Milvus Vector DB: 임베딩 기반 검색 (RAG 핵심)

Cloudflare R2: 음성·이미지 등 대용량 파일 저장

데이터 파이프라인:

국가유산 API → 텍스트 클리닝 → 메타데이터 태깅

다국어 번역(한·중·일·영·불·독) → 구조화 DB 저장

Infra & DevOps

Docker: 서비스 패키징·배포 환경 일관성 확보

GCP, Runpod: 오토스케일링·스트리밍 응답·모니터링 기반 안정 운영

개발 프로세스

Agentic RAG: 질문 캐싱·분석·검색·보강·검증 후 응답 합성

Model Serving: vLLM 최적화, API 기반 LLM/TTS 서빙

Reuse: 캐시 저장으로 속도·효율 향상