Structured data와 비정형 text가 섞인 환경에서는 데이터 파이프라인이 쉽게 복잡해집니다. fenic 은 이 문제를 해결하기 위해 데이터프레임 연산에 대규모 언어 모델을 직접 결합했습니다. 파이썬 환경에서 익숙한 API로 정형 데이터와 비정형 데이터를 함께 다룹니다.

임시방편으로 작성한 정규식이나 프롬프트는 나중에 유지보수하기 어렵습니다. fenic 은 AI 연산 결과를 타입이 지정된 데이터프레임 파이프라인으로 변환합니다. 사람이 작성한 파이프라인을 AI 에이전트가 그대로 실행하기도 합니다. 파이프라인 구성이 매우 유연합니다.

SQL과 시맨틱 연산의 결합

익숙한 데이터프레임 API에 LLM 추론을 자연스럽게 녹였습니다. select, filter, join 같은 관계형 연산 사이에 extract, classify, summarize 같은 시맨틱 연산자를 기본 기능으로 제공합니다. 엔진이 LLM 호출을 자동으로 처리하며, 자동 배치 처리와 비용 계산, 응답 캐싱을 지원하여 효율성을 높였습니다.

에이전트와 협업하는 파이프라인

작성한 파이프라인은 일회성 결과물로 끝나지 않고 지속 가능한 코드가 됩니다. 실행 계획을 시각적으로 확인하는 explain 기능과 행 단위 계보 추적을 지원합니다. 이 파이프라인을 그대로 MCP(Model Context Protocol) 도구로 내보내어 AI 에이전트가 직접 호출하도록 지원합니다. 다양한 환경에서 활용하기 좋습니다.

개발자 경험을 돕는 CLI 도구도 갖췄습니다. fenic skill install 명령어로 Claude Code나 Cursor 같은 AI 에이전트 코딩 도구에 fenic 작성 규칙을 학습시킵니다. 코드 정적 분석을 수행하는 fenic check 명령어도 유용합니다. 비정형 로그나 티켓 데이터를 정제하는 데이터 엔지니어에게 알맞은 도구입니다.

정형 데이터 처리에 LLM을 결합하는 방식은 이제 라이브러리 수준으로 추상화되는 추세입니다. 직접 파이프라인을 구축해 보며 생산성 변화를 경험해 보시기 바랍니다.

요약

  • LLM 추론을 데이터프레임 연산자의 일부로 통합하여 프롬프트 오케스트레이션 공수를 대폭 줄입니다.
  • 데이터 파이프라인을 MCP 도구로 변환하여 AI 에이전트가 직접 쿼리를 수행할 수 있도록 지원합니다.
  • 자동 배치, 캐싱, 비용 추적 등 운영 환경에 필수적인 추론 최적화 기능을 엔진 수준에서 내장했습니다.