NaLog 농업 기술자 에이전트: 모든 농부의 주머니에 담긴 완벽한 기억을 가진 농업 기술자

블로그 게시물 수상작 — Qwen Cloud와의 글로벌 AI 해커톤 시리즈

태국 지방에서는 수위를 확인하는 행위가 위험해서는 안 되지만, 일부 농부들에게는 실제로 그렇습니다. NaLog 농업 기술자 에이전트는 이 한 문장에서 프로젝트 전체의 시각을 재정의합니다. 즉, “수위를 확인하기 위해 아무도 목숨을 걸어서는 안 된다”는 것입니다. 본 프로젝트는 태국의 쌀 및 사탕수수 농가를 대상으로 실사용 환경에 도입된 Qwen 메모리 에이전트이며, Alibaba Cloud 위에서 구축되었고 현재 KhawTECH사의 NaLog 플랫폼에서 실시간으로 운영되고 있습니다. 이것은 데모가 아니라 실제로 지역 사회를 지탱하기 위해 전개된 실용적인 도구입니다.

기존의 애그리테크(AgriTech: 농업 x 기술) 솔루션들은 대규모 농장을 겨냥하여 가격이 책정되어 있어, 장비 구매 비용을 감당할 수 없는 소규모 가족 경영 농가에는 접근하기 어려웠습니다. 반면 NaLog는 다른 누구도 주목하지 않았던 바로 그러한 농가를 위해 설계되었습니다. 각 농가에 완벽한 기억을 가진 ‘가상 농업 기술자’를 제공하며, 농가별/논별로 세션이나 계절을 넘나들며 경험을 축적합니다. 예를 들어, “작년 이 논에서 효과가 있었던 관리 방법”, “실패 사례”, “개화기 수위 변화 추이” 등 모든 정보를 정확하게 기억합니다.

이 기억은 단순한 데이터 저장에 그치지 않고 판단 기능까지 포함합니다. 새로운 학습 결과가 기존의 기억과 모순될 경우, 에이전트는 자동으로 모순을 감지하고 오래된 기억을 덮어씁니다(supersede). 또한, 기억은 적절한 타이밍에 ‘망각’됩니다. 즉, 기억은 시간이 지남에 따라 열화되어 Tablestore의 TTL(Time-To-Live) 기능에 의해 물리적으로 기한이 만료되어 삭제되지만, 지속적으로 유용성이 입증되는 기억은 예외로 보존됩니다. 나아가 생사관련 중요한 안전장치인 ‘구제 하한선(Rescue Floor)’이 마련되어 있습니다. 이는 강화 점수(reinforcement score)가 5 이상인 매우 중요한 기억(예: “개화기는 담수를 유지해야 한다”)을, Top-K 후보에서 제외되더라도 반드시 검색 결과에 포함하도록 보장합니다. 따라서 농가가 무관한 질문을 하더라도 생명선이 되는 지식은 간과되지 않습니다.

NaLog는 상상할 수 있는 가장 까다로운 전개 조건—오프라인 우선, 저대역폭, 오지—을 겨냥하여 설계되었습니다. 극히 좁은 컨텍스트 윈도우 내에서도 빠르게 정보 검색을 수행하기 위해 4단계의 하이브리드 검색(Hybrid Recall) 방식을 채택하고 있습니다:

• 벡터 검색을 통한 Top-K 검색 (DashVector + qwen3-rerank CrossEncoder),
• BM25를 응용한 키워드 중복도 기반 검색,
• 시계열 기반의 신규성 감쇠(recency decay),
• 강화 점수화(reinforcement scoring).

이후, 검색 결과를 요약함으로써 통신 환경이 불안정한 상황에서도 확실하게 작동합니다.

더 나아가 NaLog는 ‘밭을 시각적으로 확인’할 수 있습니다. 사진을 첨부하면 qwen3-vl-plus가 작물의 생육 상태, 수위, 해충, 잡초를 직접 읽어내고, 그 정보를 추론 과정에 즉시 결합합니다. 에이전트는 자율적으로 행동하지만 경솔하게 움직이지 않습니다. 센서에서 알림이 오면 사용자 지시 없이 자동으로 추론을 시작시키지만, 펌프 조작 같은 실행 액션은 어디까지나 ‘제안’이며, LoRaWAN을 통한 실제 명령 전송 전에 반드시 인간의 승인이 필요합니다. 또한, 처리 과정은 실시간으로 시각화됩니다. Server-Sent Events(SSE)를 통해 Qwen의 사고 과정, 툴 호출 실행 상황, 최종 답변이 순차적으로 스트리밍 표시되므로, 농가는 에이전트가 실제로 현장의 센서를 확인하는 모습을 ‘눈에 보이는 형태’로 확인할 수 있습니다. 각 추론 단계에는 ‘메모리 트레이스’(어떤 기억이 호출되었는지, 각각의 점수, 제외된 기억)와 ‘메모리 디프’(예: “신규 기억 2건, 강화 1건, 덮어쓴 기억 1건”)가 첨부되어 신뢰성이 요구되는 사용자에게 투명성을 기능 자체로 구현하고 있습니다.

NaLog는 Alibaba Cloud 상에서 완벽한 실운영 환경으로 배포되어 있으며, 사용된 기술 스택은 해당 플랫폼의 종합적인 활용 사례를 보여주는 '투어'와 같습니다. Model Studio를 통해 Qwen 모델이 추론을 구동하고, qwen3-rerank가 크로스 인코더(cross encoder) 기반 검색을 담당하며, qwen3-vl-plus는 밭 사진 인식 기능을 맡습니다. 벡터 검색 계층은 DashVector가, TTL(Time To Live) 기반의 '망각' 기능은 Tablestore가 구현하고, 서버리스 처리 오케스트레이션은 Function Compute가, 자산 파일 저장은 OSS가, 개발 워크플로우 지원은 Qoder가 담당합니다. 또한 DNS 및 네트워킹 설정이 배포를 완성시킵니다. 팀은 실제 운영 환경을 상세히 기록한 'Alibaba Cloud 구현 증명서(Proof of Alibaba Deployment)'를 공개했는데, 이는 깃허스 해커톤 프로젝트로서는 매우 이례적인 시도이며, 본 프로젝트가 타사와 차별화되는 결정적인 이유입니다—즉, NaLog는 실제로 현장에서 작동하고 있다는 것입니다.

NaLog는 Albert Roura가 이끄는 애그리테크(AgriTech) 스타트업 'KhawTECH'에 의해 개발되었습니다. 그 미션은 명확하며 독보적입니다—태국 지방에 거주하는 빈곤층 커뮤니티를 지원하는 것입니다. 본 기술은 가장 용이한 시장이 아니라, 오히려 가장 필요로 하는 사람들에게 향하는 것을 목표로 합니다.

프로젝트 소개 영상 보기: https://albertoroura.com/video/nalog-agent-qwen-memory-agent-demo/

실운영 환경 증거 자료: https://github.com/khawtech/nalog-agent/blob/main/docs/proof-of-alibaba-deployment.md

본 프로젝트는 Qwen Cloud와 함께하는 글로벌 AI 해커톤 시리즈의 일환으로 개발되었습니다.

이 기사는 Alibaba Cloud Blog의 글을 번역한 것입니다.