AI 에이전트를 위한 데이터 플랫폼, Dinobase를 소개합니다

에이전트용 데이터 플랫폼.

Dinobase는 100개 이상의 소스(API, 데이터베이스, 파일, MCP 서버)를 동기화하고 데이터를 주석 처리하며 에이전트가 사용할 수 있도록 SQL 형태로 만듭니다.

⭐️ 이 레포지토리를 별점으로 표시해 주세요! 지원에 감사드립니다!

당신의 에이전트는 눈먼 상태입니다. 개별 커넥터 기반의 툴 호출(tool calls)로 구축된 에이전트 스택에는 구조적 격차가 있습니다. 즉, 에이전트가 API 간에 JOIN 할 수 없고, 필드 값을 해석할 의미론적 컨텍스트(semantic context)가 없으며, 페이지네이션된 JSON을 받아야 하는 상황에서 컨텍스트 창을 채우게 됩니다. 예를 들어,

에이전트는 또한 SQL을 통해 상위 데이터(upstream data)를 변경할 수 있습니다. 모든 변경은 미리 보기/확인 흐름(preview/confirm flow)을 거치므로, 확인되기 전까지는 아무것도 실행되지 않습니다.

dinobase query "UPDATE stripe.customers SET name = 'Acme Inc' WHERE id = 'cus_123'"
# 미리 보기 반환: 1행 영향 받음, Stripe API 호출 예정
dinobase confirm <mutation_id>
...

어떤 MCP 서버든 커넥터로 연결할 수 있습니다. Dinobase는 읽기 전용 도구(read-only tools)를 자동으로 발견하고 이를 SQL 테이블로 동기화합니다. 읽기는 SQL로 쿼리하고, 쓰기 또는 매개변수화된 작업을 위해서는 도구를 직접 호출합니다:

# 서버 연결
dinobase connector create posthog_mcp --transport stdio \
--command "npx -y @posthog/mcp-server"
...

또는 Python에서 도구를 호출할 수 있습니다:

from dinobase.mcp import call, search, servers
result = call("posthog_mcp.dashboard-get", id=1118504)
matches = search("feature flag")

에이전트는 또한 exec_code MCP 도구를 통해 Python 코드를 실행할 수 있습니다 — 여러 도구 호출을 연결하거나, 데이터를 재구성하거나, 일반 SQL로는 할 수 없는 모든 작업을 수행할 수 있습니다:

# exec_code: 도구 호출 체인 및 동적 쿼리 빌드
from dinobase.mcp import call, search, servers
# 사용 가능한 도구 발견
...

exec_code는 dinobase.mcp(call, search, servers, tools, instructions)와 직접 데이터베이스 접근을 위한 dinobase.db에 완전히 접근할 수 있습니다. 반환 값을 result에 할당하세요. exec_code 문서를 참조하세요.

export ANTHROPIC_API_KEY=sk-ant-...

동기화가 완료될 때마다, Dinobase는 데이터 주석(annotation)을 위해 백그라운드에서 Claude 에이전트를 자동으로 실행하여 테이블 설명, 컬럼 문서, PII 플래그 및 관계 그래프를 추가합니다. 이후 에이전트는 모든 테이블에 대해 describe를 수행하여 전체 의미론적 컨텍스트(semantic context)를 얻을 수 있습니다.

dinobase describe stripe.subscriptions --pretty
# stripe.subscriptions (1,420 rows)
# Description: 활성 및 과거 고객 구독
...

비활성화하려면 DINOBASE_AUTO_ANNOTATE=false를 설정하세요. Semantic Layer 문서를 참조하세요.

우리는 75개의 질문(동일 모델, 동일 데이터, 동일 질문)에 대해 11개 LLM 전반의 커넥터별 MCP 도구와 Dinobase SQL을 테스트했습니다.

테이블

테스트된 모든 모델에 걸쳐, 정확도는 56pp 높고, 속도는 3배 빠르며, 정답당 비용은 16~22배 저렴합니다.

전체 결과, 모델별 분석 및 방법론은 benchmarks/에서 확인하세요.

모든 카테고리에서 101개의 커넥터가 제공됩니다. 모든 커넥터를 나열하려면 dinobase sources --available --pretty를 실행하세요.

Agent (Claude, GPT 등)
|
+---------+---------+
...

각 커넥터는 하나의 스키마가 됩니다. 이메일 같은 공유 컬럼을 통해 크로스-커넥터 조인(Cross-connector joins)이 가능합니다. 데이터는 parquet 형식으로 유지되며, DuckDB가 쿼리 엔진이자 메타데이터 저장소 역할을 합니다.

API 커넥터는 ~/.dinobase/data/ (또는 클라우드 스토리지)에 parquet로 동기화됩니다.

파일 커넥터는 DuckDB 뷰(views)를 통해 직접 읽어오므로, 데이터 복사 과정이 없습니다.

로컬 디스크 대신 S3, GCS 또는 Azure에 데이터를 저장하세요:

dinobase init --storage s3://my-bucket/dinobase/
# 또는
export DINOBASE_STORAGE_URL=s3://my-bucket/dinobase/

Amazon S3, Google Cloud Storage, Azure Blob Storage 및 S3 호환 서비스(MinIO, R2)를 지원합니다. 클라우드 스토리지 문서를 참조하세요.

CrewAI · LangChain / LangGraph · LlamaIndex · Pydantic AI · Vercel AI SDK · Mastra · OpenClaw 등 모든 주요 에이전트 프레임워크와 작동합니다.

시작하기(Getting Started) — 5분 만에 설치, 연결 및 쿼리
커넥터(Connectors) — 자격 증명, 명명 규칙, 동기화 간격
데이터 쿼리(Querying Data) — 크로스-커넥터 조인, 집계, DuckDB SQL
역방향 ETL (Reverse ETL) (Mutation) — 데이터를 업스트림 API로 다시 쓰기
MCP 통합(Integration) — Claude Desktop, Cursor용 에이전트 설정
클라우드 스토리지 백엔드(Cloud Storage Backend) — S3, GCS 또는 Azure에 데이터 저장
스키마 주석(Schema Annotations) — 에이전트가 데이터를 이해하는 방법
CLI 참고 자료(CLI Reference) — 모든 명령어와 플래그
아키텍처(Architecture) — DuckDB, dlt, MCP, 모듈 구조

질문이나 피드백이 있거나 만들고 있는 것을 공유하고 싶으신가요? 오셔서 함께하세요:

Slack 참여하기 — 팀 및 다른 사용자들과 채팅
문제 보고(Report an issue) — 버그 및 기능 요청

git clone https://github.com/DinobaseHQ/dinobase
pip install -e