대규모 분석 데이터베이스를 위한 Text-to-SQL 작업은 복잡한 스키마를 탐색하고, 모호한 쿼리를 해결하며, 실제 데이터에 기반하여 결정을 내리는 것을 요구합니다. 대부분의 기존 시스템은 스키마 요소를 일회성으로 미리 가져오고, 데이터베이스는 사후 수정을 위해만 다시 방문하는 고정된 파이프라인을 따르며, 초기 실수로부터의 회복을 제한합니다. 우리는 FlexSQL 을 제시하며, 그 핵심 설계 원칙은 유연한 데이터베이스 상호작용입니다: 에이전트는 추론 과정 중 언제든 스키마 구조를 탐색하고, 데이터 값을 점검하며, 검증 쿼리를 실행할 수 있습니다. FlexSQL 은 다양한 실행 계획을 생성하여 여러 쿼리 해석을 커버하며, 작업에 따라 SQL 또는 Python 으로 각 계획을 구현합니다. 그리고 코드의 오류에서 계획 수준의 수정까지 후퇴할 수 있는 2 단계 복구 기계를 사용합니다. Spider2-Snow 에서 gpt-oss-120b 를 사용하여 FlexSQL 은 65.4% 점수를 달성하며, gpt-o3 와 DeepSeek-R1 과 같은 더 강력하고 큰 모델을 사용하는 강력한 오픈소스 베이스라인을 능가합니다. Claude Code 의 스킬로 일반 목적 코딩 에이전트에 통합할 때, 우리의 접근법은 Spider2-Snow 에서 10% 이상의 상대적 개선 효과를 냅니다. 추가 분석은 유연한 탐색과 유연한 실행이 우리 접근법의 효과성에 함께 기여함을 보여주며, 유연성을 핵심 설계 원칙으로 강조합니다. 우리의 코드는 다음에서 사용할 수 있습니다: https://github.com/StringNLPLAB/FlexSQL