엔터프라이즈 플랫폼
데이터에 AI를 접목하세요
MariaDB는 관리형 검색(retrieval) 레이어를 통해 자체 문서 및 데이터베이스에 AI 애플리케이션의 기반을 제공하므로, 별도의 검색 스택을 구축하지 않고도 정확하고 에이전틱 앱을 더 빠르게 출시할 수 있습니다.
자사의 데이터를 바탕으로
MariaDB 비즈니스 데이터를 기반으로 AI 애플리케이션을 구축할 수 있습니다. 관리형 지역 내 파이프라인을 통해 비정형 문서에서 정보를 추출하거나, 간단한 검색 API를 사용하여 일상적인 영어로 실시간 데이터베이스를 쿼리할 수 있습니다. 별도의 스택을 구축할 필요 없이, 네이티브 벡터 및 전체 텍스트 검색 기능이 백그라운드에서 자동으로 실행됩니다.
장점
왜 AI를 구축해야 할까요? MariaDB
정확하고 현실에 입각한 답변
RAG는 언어 모델을 사용자의 데이터에 기반하여 훈련시키므로, 답변은 추측이 아닌 사용자의 기록에서 도출되며, AI를 위험 요소로 만드는 ‘환각’ 현상을 줄여줍니다.
배송이 더 빠르고, 쌓아둘 필요가 없습니다
단순한 API를 통해 문서와 데이터로 AI의 기반을 다지는 통합 검색 레이어를 제공하므로, 팀에서는 직접 검색 스택을 구축하는 대신 애플리케이션 개발에 집중할 수 있습니다.
문서와 데이터를 바탕으로 한 AI
비정형 문서와 실시간 운영 데이터베이스에서 정보를 추출하여, AI가 단일 출처뿐만 아니라 비즈니스가 보유한 모든 지식을 활용할 수 있도록 하세요.
사용자의 데이터는 해당 리전에 보관됩니다
선택한 리전에서 전체 문서 처리 파이프라인과 검색 프로세스가 실행되도록 하여 데이터 상주 요건을 충족하십시오.
기능
AI의 구성 요소
네이티브 벡터 및 하이브리드 검색
시맨틱 검색, 전문(Full-text) 검색, 하이브리드 검색으로 RAG를 구동하세요. HNSW 인덱싱으로 임베딩을 저장하고 조회하며, 관계형 데이터와 함께 표준 SQL로 질의할 수 있습니다.
비정형 RAG (문서)
레이아웃 인식 파싱, 청킹, 임베딩, 벡터 및 전문 검색, 크로스 인코더 리랭킹까지 포함한 완전 관리형 파이프라인을 간단한 검색(retrieval) API 하나로 제공합니다.
구조화된 RAG (텍스트-SQL 변환)
일상 언어로 던진 질문을 실시간 데이터에 대한 검증된 읽기 전용 SQL로 바꿔 주며, 여러 차례 대화를 이어 가며 질의를 다듬을 수 있습니다. 별도의 웨어하우스나 저장소로 데이터를 복사할 필요가 없습니다.
기업 MCP Server
AI 에이전트와 대규모 언어 모델(LLM)을 MariaDB 에 직접 연결하세요. 이들은 표준 데이터베이스 및 벡터 연산을 통해 실시간 데이터를 검색하고, 이를 바탕으로 추론하며, 이에 따라 조치를 취합니다.
또한 다음이 포함됩니다:
기본 벡터 데이터형
HNSW 벡터 인덱싱
단일 벡터 저장소에 분산된 지식 기반
유연한 문서 청킹(chunking) 전략
멀티턴 쿼리 개선
자동 시맨틱 매핑을 지원하는 Text-to-SQL
선도적인 임베딩 및 생성 모델
내장형(Built-in) 교차 인코더 재순위 지정기
Built-in 레이아웃 인식 문서 파서
Enterprise Platform 의 가격 정보를 찾고 계신가요?
추천 자료
시작하기
MariaDB로 개발을 시작해 보세요
현재 운영 중인 모든것, 앞으로 구축할 모든 것에 활용 할 수 있는 신뢰할 수 있는 단일 실시간 데이터베이스 플랫폼
자주 묻는 질문
RAG는 언어 모델을 사용자의 데이터에 기반하여 훈련시킵니다. 답변을 제공하기 전에 시스템은 관련 문장이나 기록을 검색하여 이를 맥락 정보로 전달하므로, 응답은 모델의 추측이 아닌 사용자의 정보를 반영하게 됩니다.
네. 구조화된 검색 기능은 평이한 언어로 된 질문을 검증된 읽기 전용 SQL로 변환하여, 실제 데이터에 대해 실행하며, 여러 차례에 걸친 정교화 과정을 거칩니다. 별도의 데이터 웨어하우스나 벡터 저장소로 데이터가 복사되는 일은 전혀 없습니다.
문서 처리는 해당 리전 내에서 수행됩니다. 구문 분석, 청크 분할, 벡터 저장 및 재순위 지정은 모두 사용자가 선택한 리전 내에서 이루어지므로, 문서 데이터가 해당 리전에 보관되어 데이터 상주 요건을 충족하는 데 도움이 됩니다.
MariaDB Cloud AI Retrieval은 Amazon Bedrock 및 Gemini와의 연동을 통해 임베딩 및 생성을 위한 선도적인 모델을 이용할 수 있게 해줍니다. AWS에서 Bedrock 모델을 사용할 경우, 데이터는 사용자가 선택한 리전에 보관됩니다. Gemini 요청은 해당 리전 외부에서 처리됩니다.
검색은 별도의 저장소로 데이터를 복사하지 않고 사용자의 데이터에 직접 수행되므로, 관리해야 할 추가적인 보안 경계가 없습니다. 문서 처리는 해당 리전 내에서 이루어지며, 데이터베이스 검색은 읽기 전용으로만 수행됩니다.
당사는 Amazon Bedrock 및 Gemini와의 연동 기능을 제공합니다.