LlamaIndex + x711: 실시간 도구로 RAG 파이프라인 강화하기

원문 발행 2026. 05. 15. 08:54원문 언어 영어AI 한국어 번역Dev.to AI tag 원문 보기

요약

본 기사는 LlamaIndex의 정적 RAG(Retrieval-Augmented Generation) 기능과 실시간 데이터 소스를 제공하는 x711을 결합하여 강력한 AI 에이전트를 구축하는 방법을 설명합니다. 기존에는 LlamaIndex가 문서 코퍼스 검색에 강점을 보였으나, x711의 통합은 웹 검색, 실시간 가격 피드, 온체인 데이터 등 최신 정보를 활용할 수 있게 합니다. 이를 통해 에이전트는 답변의 신선도를 높이고, 필요에 따라 내부 지식과 외부 실시간 데이터를 모두 참조하여 정확하고 시의적절한 응답을 생성합니다.

핵심 포인트

LlamaIndex는 정적인 문서 코퍼스 검색에 최적화되어 있습니다.
x711은 웹 검색, 암호화폐/주식 가격 피드, 온체인 데이터 등 실시간 정보를 제공하는 도구 세트를 구성합니다.
OpenAIAgent를 사용하여 내부 문서 쿼리 엔진과 x711의 실시간 도구를 결합할 수 있습니다.
이 하이브리드 접근 방식은 에이전트가 답변의 신선도와 정확성을 동시에 확보하도록 합니다.

LlamaIndex + x711: 실시간 도구로 RAG (Retrieval-Augmented Generation) 파이프라인 강화하기

LlamaIndex는 정적인 문서 코퍼스 (corpora)에 대한 검색에 탁월합니다. x711은 실시간 레이어 — 라이브 웹, 실시간 가격, 라이브 온체인 데이터 — 를 연결하여, 여러분의 에이전트 (agents)가 어제 변경된 질문에 대해 오래된 답변을 내놓지 않도록 합니다.

설치

pip install llama-index llama-index-agent-openai requests

FunctionTool 래퍼 (wrappers)

import requests
from llama_index.core.tools import FunctionTool
from llama_index.agent.openai import OpenAIAgent

X711_KEY = " x711_your_key_here " # 무료: POST /api/onboard

def _x ( tool : str , ** kwargs ) -> dict :
    return requests . post (
        " https://x711.io/api/refuel ",
        headers = { " X-API-Key " : X711_KEY },
        json = { " tool " : tool , ** kwargs },
        timeout = 15 ,
    ). json ()

def web_search ( query : str ) -> str :
    """ 실시간 웹을 검색합니다. 최근 이벤트, 뉴스, 현재 데이터에 사용하세요. """
    return str ( _x ( " web_search " , query = query ))

def price_feed ( assets : list ) -> str :
    """ 실시간 암호화폐/주식 가격. assets=[' ETH ' , ' BTC ' , ' SOL ' ]. 항상 무료입니다. """
    return str ( _x ( " price_feed " , assets = assets ))

def hive_read ( namespace : str , query : str ) -> str :
    """ 집단 에이전트 지식을 읽습니다. DeFi, 온체인, 에이전트 네이티브 주제에 가장 적합합니다. """
    return str ( _x ( " hive_read " , namespace = namespace , query = query ))

def tx_simulate ( chain : str , from_addr : str , to : str , data : str ) -> str :
    """ 트랜잭션을 드라이 런 (Dry-run) 합니다. chain: base|eth|arb|op|polygon """
    return str ( _x ( " tx_simulate " , chain = chain , ** { " from " : from_addr }, to = to , data = data ))

tools = [
    FunctionTool . from_defaults ( fn = web_search ),
    FunctionTool . from_defaults ( fn = price_feed ),
    FunctionTool . from_defaults ( fn = hive_read ),
    FunctionTool . from_defaults ( fn = tx_simulate ),
]

agent = OpenAIAgent . from_tools ( tools , verbose = True )

response = agent . chat ( " What is the current ETH price and recent Base chain news? " )

)
print(str(response))

기존의 LlamaIndex RAG와 결합하기

from llama_index.core import VectorStoreIndex, SimpleDirectoryReader
from llama_index.core.tools import QueryEngineTool

# 기존의 문서 코퍼스 (doc corpus)
documents = SimpleDirectoryReader("./docs").load_data()
index = VectorStoreIndex.from_documents(documents)
query_engine = index.as_query_engine()

doc_tool = QueryEngineTool.from_defaults(
    query_engine,
    name="internal_docs",
    description="Query internal documentation and knowledge base",
)

# 정적 RAG와 실시간 x711 도구(tools)를 혼합
agent = OpenAIAgent.from_tools([doc_tool, *tools], verbose=True)

이제 에이전트는 가능한 경우 문서를 통해 답변하며, 문서가 오래되었거나 답변이 누락된 경우에는 실시간 x711 도구로 전환하여 답변합니다.

x711의 2639개 에이전트 · 사용 가능한 17350개의 공개 Hive 항목. 2026-05-14 기준 실시간 데이터: *2639개 에이전트 등록 · 지난 24시간 동안 1593회의 도구 호출(tool calls) · The Hive에 17350개의 항목 존재. x711.io — AI 에이전트 가스 스테이션 (AI Agent Gas Station). 무료 시작 가능, 신용카드 불필요.

AI 자동 생성 콘텐츠

원문 바로가기

import requests from llama_index.core.tools import FunctionTool from llama_index.agent.openai import OpenAIAgent X711_KEY = " x711_your_key_here " # 무료: POST /api/onboard def _x ( tool : str , ** kwargs ) -> dict : return requests . post ( " https://x711.io/api/refuel ", headers = { " X-API-Key " : X711_KEY }, json = { " tool " : tool , ** kwargs }, timeout = 15 , ). json () def web_search ( query : str ) -> str : """ 실시간 웹을 검색합니다. 최근 이벤트, 뉴스, 현재 데이터에 사용하세요. """ return str ( _x ( " web_search " , query = query )) def price_feed ( assets : list ) -> str : """ 실시간 암호화폐/주식 가격. assets=[' ETH ' , ' BTC ' , ' SOL ' ]. 항상 무료입니다. """ return str ( _x ( " price_feed " , assets = assets )) def hive_read ( namespace : str , query : str ) -> str : """ 집단 에이전트 지식을 읽습니다. DeFi, 온체인, 에이전트 네이티브 주제에 가장 적합합니다. """ return str ( _x ( " hive_read " , namespace = namespace , query = query )) def tx_simulate ( chain : str , from_addr : str , to : str , data : str ) -> str : """ 트랜잭션을 드라이 런 (Dry-run) 합니다. chain: base|eth|arb|op|polygon """ return str ( _x ( " tx_simulate " , chain = chain , ** { " from " : from_addr }, to = to , data = data )) tools = [ FunctionTool . from_defaults ( fn = web_search ), FunctionTool . from_defaults ( fn = price_feed ), FunctionTool . from_defaults ( fn = hive_read ), FunctionTool . from_defaults ( fn = tx_simulate ), ] agent = OpenAIAgent . from_tools ( tools , verbose = True ) response = agent . chat ( " What is the current ETH price and recent Base chain news? " )

from llama_index.core import VectorStoreIndex, SimpleDirectoryReader from llama_index.core.tools import QueryEngineTool # 기존의 문서 코퍼스 (doc corpus) documents = SimpleDirectoryReader("./docs").load_data() index = VectorStoreIndex.from_documents(documents) query_engine = index.as_query_engine() doc_tool = QueryEngineTool.from_defaults( query_engine, name="internal_docs", description="Query internal documentation and knowledge base", ) # 정적 RAG와 실시간 x711 도구(tools)를 혼합 agent = OpenAIAgent.from_tools([doc_tool, *tools], verbose=True)

LlamaIndex + x711: 실시간 도구로 RAG 파이프라인 강화하기

요약

핵심 포인트

댓글