OKF 지식베이스 만드는 방법: 유튜브 채널 자막을 AI 에이전트가 검색하는 위키로 바꾸기

핵심 메시지

• OKF(개방형 지식 포맷)는 개인 에이전트와 세컨드 브레인이 읽을 지식베이스의 표준으로, MCP가 에이전트와 도구를, A2A가 에이전트 사이를 이었듯 에이전트와 지식베이스를 잇는다.
• 발표자는 자기 유튜브 채널 영상 약 200편을 OKF 지식베이스로 묶어, 여러 영상에 흩어진 답을 한 번의 질문으로 받고 근거 영상과 타임스탬프까지 인용받는 모습을 보였다.
• 구조는 전부 마크다운이다. 인덱스가 첫 관문이고 그 안의 테마가 답할 수 있는 질문의 범위를 알려 주며, 개념 파일과 엔티티 파일, 원본 자막 폴더가 이어진다.
• 파이프라인의 난관은 자막 추출이 아니라 정규화다. 같은 개념을 영상마다 다르게 불렀을 때 키워드 매칭이 아니라 LLM의 추론으로 하나의 파일로 묶어야 한다.
• 한 번만 언급된 도구까지 파일로 만들면 지식베이스가 비대해져 에이전트가 길을 잃으므로, 두 번 이상 등장한 핵심 개념과 엔티티만 남긴다.

쉽게 이해하기

영상은 구글이 내놓은 개방형 지식 포맷(OKF)을 출발점으로 삼는다. 발표자는 카르파티가 화제를 모은 LLM 위키 아이디어에 보편적인 형식을 입힌 것이 OKF라고 설명한다. 형식이 표준화되면 지식베이스를 나 혼자 쓰는 데서 그치지 않고 다른 사람과 공유할 수 있다는 점이 핵심이다. MCP가 에이전트와 도구를, A2A가 에이전트 사이의 통신을 표준화했듯 OKF는 에이전트와 지식베이스 사이를 맡는다는 위치 설정이다.

설명을 위해 그는 자기 채널 영상 약 200편을 하나의 OKF 묶음으로 만들었다. 시연에서는 'AI 코딩 에이전트로 새 기능을 만드는 전 과정'처럼 원래는 영상 여러 편을 봐야 답이 나오는 질문을 던졌고, 에이전트는 인덱스에서 출발해 파일들을 훑은 뒤 단계별 설명과 함께 어느 영상 어느 지점에서 그 내용을 다뤘는지 인용했다. 'RAG가 필요 없는 때와 여전히 필수인 때' 같은 질문도 같은 방식으로 요약을 받고 필요하면 원본 영상으로 파고든다.

구조를 들여다보면 리드미가 설치용 프롬프트를 담고, 에이전트가 가장 먼저 읽는 파일은 인덱스다. 인덱스에서 특히 중요한 부분은 테마인데, 이 지식베이스로 어떤 종류의 질문에 답할 수 있는지를 알려 주는 개괄에 해당한다. 이후 질문에 따라 개념 파일과 엔티티 파일로 내려가고, 원본 자막은 별도 폴더에 타임스탬프째로 남아 출처 인용에 쓰인다. 모든 파일이 마크다운이라 사람도 옵시디언이나 편집기에서 그대로 읽을 수 있다.

만드는 과정은 자막 추출과 정규화 두 단계다. 먼저 영상 자막을 마크다운으로 받아 원본 폴더에 쌓고, 다음으로 전체를 위에서 내려다보며 반복해서 등장하는 핵심 개념과 엔티티를 골라 개별 파일로 쓴 뒤 원래 영상으로 다시 연결한다. 이 연결이 쌓이면서 지식 그래프가 만들어지고, 옵시디언 그래프 화면에서는 컨텍스트 엔지니어링과 바이브 코딩, 검증과 서브에이전트 패턴처럼 개념 사이의 관계가 드러난다.

가장 까다로운 대목은 정규화다. 발표자가 가르치는 작업 흐름은 계획·구현·검증을 뜻하는 PIV 루프인데, 어떤 영상에서는 PIV 루프, 다른 영상에서는 계획 구현 검증 워크플로처럼 다르게 불린다. 같은 것을 말하고 있다는 판단은 키워드 일치로는 안 되고 모델의 추론이 필요하다. 반대로 한 번만 스쳐 간 도구까지 모두 파일로 만들면 규모가 감당되지 않아 에이전트가 탐색에 어려움을 겪으므로 걸러 낸다.

마지막으로 같은 작업을 직접 해 볼 수 있는 스킬 세 개가 저장소에 함께 들어 있다. 입력은 채널 주소 하나면 되고, 세 가지로 나뉜 이유는 자막을 가져오는 경로가 다르기 때문이다. 발표자는 유료지만 안정적인 서비스를 오래 써 왔다고 밝히면서도 무료 방식으로 시작해 보라고 권한다. 스킬 자체는 자막을 받아오는 스크립트와 지시문으로 단순한데, 설명의 대부분을 OKF 규격 문서가 담당하기 때문이다.

주요 인사이트

• 표준화의 효용이 분명하다. 형식이 정해지자 지식베이스가 개인 자산에서 배포 가능한 산출물로 바뀌고, 규격을 아는 에이전트라면 설명 없이도 곧바로 탐색할 수 있게 된다.
• 지식베이스 품질을 결정하는 것은 수집이 아니라 편집이다. 무엇에 독립된 파일을 줄 것인지 판단하는 정규화 단계가 가장 복잡하다는 점이 반복해서 강조된다.
• '더 많이 담을수록 좋다'는 직관이 부정된다. 한 번 언급된 항목까지 모두 넣으면 규모가 커져 에이전트의 탐색이 나빠지므로, 의도적으로 덜어내는 설계가 필요하다.
• 출처와 타임스탬프를 함께 남기는 설계가 신뢰를 만든다. 요약으로 빠르게 훑고 필요하면 원본 지점으로 바로 들어가는 두 단계 사용이 가능해진다.
• 비용이 솔직하게 언급된다. 이 정도 지식베이스를 만드는 데 토큰이 많이 들었다는 이유로 우선 자기 채널만 다뤘다고 밝힌 대목은 규모 확장의 현실적 제약을 보여 준다.

자주 묻는 질문

관련 AI 소식