구글 OKF(오픈 지식 포맷): LLM 위키를 표준화한 개인 AI 지식베이스

핵심 메시지

• 안드레이 카르파티의 ‘LLM 위키’는 문서를 단순 색인하는 대신 LLM이 정보를 읽고 정리해 마크다운 지식베이스를 점진적으로 키우는 방식으로, 깃허브 gist가 4만 스타를 받을 만큼 큰 인기를 끌었다.
• 문제는 각자 만든 위키의 폴더 구조와 메타데이터가 제각각이라 남과 공유할 수 없다는 점이며, 이를 풀기 위한 공통 규격이 필요하다.
• 구글의 오픈 지식 포맷(OKF)은 ‘정보를 어떻게 조직하는가’와 ‘메타데이터에 어떤 필드를 두는가’ 두 가지만 표준화하는 최소한의 규격이다.
• OKF에서 메타데이터 중 유일한 필수 필드는 문서의 성격을 구분하는 type이며, title·tags·related 같은 나머지 필드는 선택 사항이다.
• 발표자는 OKF가 MCP가 ‘에이전트-도구’ 통신에서 한 역할을 ‘에이전트-지식베이스’ 통신에서 해줄, 개인 에이전트의 미래라고 본다.

쉽게 이해하기

몇 달 전 안드레이 카르파티가 제안한 ‘LLM 위키’는 개인 지식베이스, 이른바 ‘제2의 뇌’를 만드는 패턴이다. 여러 문서를 그냥 쌓아두거나 RAG용으로 색인만 하는 대신, LLM이 회의록·기획 문서·온라인 글 같은 새 자료를 하나씩 읽어 핵심을 뽑아내고 기존 위키에 통합한다. 그렇게 개체(entity) 페이지가 갱신되며 에이전트가 오갈 수 있는 지식 그래프가 쌓인다.

위키의 맨 위에는 인덱스 파일이 있어 보유한 문서들의 제목과 짧은 요약을 담고, 에이전트는 질문을 받으면 먼저 이 인덱스를 읽어 어떤 문서를 파고들지 정한다. 각 문서에는 제목·태그 같은 메타데이터가 붙어 카테고리로 필터링할 수 있고, 하단의 관련 개념 링크가 그래프 뷰를 만들어 준다. 스킬의 점진적 공개(progressive disclosure)처럼 인덱스가 개요를 주고 필요할 때만 전체 문서를 읽는 구조다.

그러나 사람마다 링크 방식, 폴더 구조, 메타데이터가 다르면 내 지식베이스를 남의 에이전트에 넘겨도 제대로 검색되지 않는다. 예컨대 누구는 tags를, 누구는 categories 필드를 쓰면 카테고리 기반 검색이 어긋난다. 이런 작은 차이가 쌓여 공유를 막는다. 구글의 OKF는 바로 이 지점을 겨냥한다.

OKF로 새 지식베이스를 만들거나 기존 위키를 옮기려면 저장소의 spec.md 파일 하나면 된다. 카르파티의 gist처럼 이 문서를 복사해 코딩 에이전트에 주고 ‘OKF 형식으로 위키를 만들라’거나 ‘기존 위키를 이 형식으로 리팩터링하라’고 지시하면 된다. 규모가 큰 지식베이스라도 서브 에이전트로 섹션을 나눠 처리하게 할 수 있어 확장이 쉽다.

발표자는 자신의 유튜브 영상들을 묶은 OKF ‘번들’을 예시로 공개했다. 시청자가 영상 전체를 보지 않고 자막을 제2의 뇌에 넣어 질문하는 흐름을 더 쉽게 만들기 위함이다. 번들에는 상위 인덱스, 개념(concept)과 영상(video) 섹션, 그리고 특정 번들·개념을 목록화하거나 읽어오는 간단한 CLI 스크립트가 포함된다.

주요 인사이트

• OKF의 핵심 가치는 ‘생산’과 ‘소비’ 양쪽을 모두 표준화한다는 점이다. 지식베이스를 검색·탐색하는 방식뿐 아니라, 시간이 지나며 개체 페이지를 어떻게 키워갈지도 규격에 담겨 있다.
• 규격이 지나치게 단순하다는 비판도 있지만, 발표자는 ‘최소한의 의견만 담은(minimally opinionated)’ 얇은 층이라는 점이 오히려 장점이라고 본다. 모두가 같은 방식으로 위키를 만들고 읽게 하는 공통 토대가 목적이기 때문이다.
• 지식베이스를 공유하지 않더라도 이득이 있다. 모두가 같은 표준을 쓰면 ‘이런 개체 페이지 구성이 잘 통한다’는 아이디어를 서로 쉽게 주고받고 이식할 수 있다.
• 발표자는 제미나이가 GPT·클로드에 견줘 뒤처져 있다고 인정하면서도, 구글이 LLM을 ‘잘 활용하는 방법’을 내놓는 데는 강점이 있어 OKF가 최종 표준이 되지 않더라도 이런 방향은 배워둘 가치가 있다고 봤다.
• GPT 5.5나 오푸스 4.8 같은 최신 모델에게 spec.md는 그리 긴 지시가 아니어서, 형식이 단순한 덕에 에이전트가 혼동 없이 규격을 따라갈 수 있다.

자주 묻는 질문

관련 AI 소식