안녕하세요, 리원에이스 기술개발본부입니다.
2026 오픈소스 개발자대회에 참가해 주신 모든 분들께 진심으로 감사드리며,
지정과제 수행에 필요한 데이터셋을 아래와 같이 배포합니다.
과제: MCP 기반 지능형 AI 검색 시스템 구축
PostgreSQL + pgvector 위에 벡터 검색, NL2SQL, 지식 그래프를 MCP 프로토콜로 통합하는 과제입니다.
데이터셋 구성
가상의 IT 솔루션 기업(Company-X)의 운영 데이터로 구성되어 있으며,
과제에서 요구하는 세 가지 MCP 도구를 모두 검증할 수 있도록 설계되었습니다.
| 데이터 | 형식 | 규모 | 대응 도구 |
|---|---|---|---|
| 테이블 데이터 | SQL (DDL + INSERT) | 8개 테이블, 약 800행 | NL2SQL |
| 문서 데이터 | Markdown 40건 | 장애보고·기술문서·회의록·제안서 | 벡터 검색 |
| 관계 데이터 | JSON (노드 + 엣지) | 133노드, 354관계 | 지식 그래프 |
| 예시 질문 | JSON | 30개 (도구별 10개) | 자체 테스트용 |
다운로드
다운로드 후 해시값을 비교하여 파일 무결성을 확인하실 수 있습니다.
사용 안내
데이터셋에 포함된 README.md에 상세한 설치 방법과 테이블 스키마, ERD가 기술되어 있습니다.
예시 질문 30개(questions.json)를 활용하여 구현한 시스템을 자체 테스트하실 수 있습니다.
문서 데이터의 임베딩 및 벡터 저장은 참가자가 직접 구현하는 영역입니다.
document_chunks 테이블(빈 상태)이 스키마에 포함되어 있으며,
Ollama의 임베딩 모델을 활용하여 적재하시면 됩니다.
권장 개발 환경
Gemma 4 E2B (Ollama 로컬 실행)
Ollama (로컬 실행, GPU 선택)
PostgreSQL 15+ / pgvector
air 프레임워크 권장 (선택사항)
참고 자료
air 프레임워크 — MCP 서버 프레임워크 (Apache-2.0)
air 공식 문서 — 가이드, API 레퍼런스, 튜토리얼
MCP 공식 스펙 — Anthropic의 Model Context Protocol 사양
pgvector — PostgreSQL 벡터 검색 확장
Ollama — 로컬 LLM 실행 도구
참가자 여러분께
이번 과제는 AI와 데이터베이스를 연결하는 새로운 표준, MCP를 직접 경험할 수 있는 기회입니다.
복잡한 파이프라인 대신 표준화된 프로토콜 하나로 AI가 데이터에 접근하는 구조를 설계하는 것,
이것이 바로 차세대 AI 시스템의 방향이라고 우리는 믿습니다.
정답은 하나가 아닙니다.
여러분만의 아이디어와 설계로 과제를 풀어나가시길 바랍니다.
끝까지 완주하시는 모든 참가자분들을 응원합니다.
기술 문의
리원에이스 기술개발본부
연구원 이시현 — sihyeon@liwonace.co.kr
2026년 7월 8일
리원에이스 기술개발본부