Vector RAG가 '폭발 반경' 질문에 실패하는 이유와 이를 해결하는 4단계 Cypher 쿼리

Blast Radius Brain 팀 작성 — Graph Hacks 제출: AI 에이전트에 실제 컨텍스트 제공 (트랙 03: 회사 브레인)

토요일 새벽 3시 15분이라고 상상해 보세요. PagerDuty가 경보를 울립니다: ledger-service에서 500 오류와 성능 저하가 발생하고 있습니다.

사고 지휘관으로서, 당신의 첫 세 가지 긴급 질문은 다음과 같습니다:

1. 현재 어떤 다운스트림 서비스와 사용자 워크플로우에 문제가 생기고 있습니까?
2. 이 상황을 해결하기 위해 가장 깊이 있는 도메인 전문가를 누가 소집해야 합니까?
3. 최근 이 서비스에 변경 사항, 롤아웃 또는 마이그레이션이 있었던 사람이 있습니까?

만약 당신의 AI 비서가 표준 **Vector RAG (Retrieval-Augmented Generation)**를 기반으로 한다면, 당신은 곤란한 상황에 처해 있습니다.

벡터 검색이 조직 아키텍처 질문에서 어떻게 무너지는지, 그리고 FalkorDB로 구동되는 결정론적 그래프 에이전트가 이를 밀리초 단위의 쿼리 시간으로 어떻게 해결하는지 설명합니다.

1. 문제점: 유사성이 토폴로지를 의미하지 않는다

Vector RAG는 텍스트를 청크(chunk)로 나누고, 고차원 임베딩을 생성하며, 코사인 유사도 검색을 수행하여 작동합니다. 당신이 다음과 같이 질문할 때:

_

벡터 임베딩(Vector embeddings)은 토폴로지(topology)를 유사성 점수(similarity scores)로 평탄화합니다. 의존성 경로는 의미적 유사성이 아니라 방향성 그래프 순회(directed graph traversal)입니다. LLM에게 벡터 텍스트 청크에서 다중-홉 의존성을 "파악"하도록 요청하면, 활성 장애 상황 동안 환각(hallucinations), 누락된 연쇄 실패(missed cascading failures), 검증되지 않은 가정을 초래할 수 있습니다.

2. 데이터 모델: 사회기술적 기업 그래프 (Socio-Technical Enterprise Graph)

이를 해결하기 위해 우리는 시뮬레이션된 엔터프라이즈 기술 및 팀 그래프("Aurora Labs") 위에서 작동하는 에이전트인 Blast Radius Brain을 구축했습니다.

설계 원칙은 간단합니다.

그래프가 하중을 지탱합니다. LLM은 단지 라우터이자 설명자일 뿐입니다. 모든 답변은 검증 가능한 출처(verifiable provenance)를 가진 결정론적 Cypher 순회여야 합니다.

우리의 스키마는 인프라 계측(telemetry), 교차 기능 엔지니어링 팀, 아키텍처 결정 기록을 통합된 그래프로 연결합니다.

• System (10개 노드): 마이크로서비스, 프론트엔드, 배치, 게이트웨이 (ledger-service, payments-api, checkout-ui 등).
• Person (14개 노드): 엔지니어, 리드, SRE, 매니저 (Maya Chen, Diego Ramos, Nora Haddad).
• Project (8개 노드): 활성 이니셔티브 (Helios, Atlas, Zephyr 등).
• Decision (5개 노드): 아키텍처 결정 기록(ADR), 롤아웃 일시 중지, 사용 중단.
• Doc (5개 노드): 인시던트 런북, 설계 문서, 사후 분석 보고서(postmortems).

3. 세 가지 질의: 결정론적 Cypher 순회 (Deterministic Cypher Traversals)

질의 1: 다중-홉 영향 범위 순회 (Multi-Hop Blast Radius Traversal)

ledger-service가 실패하면, 어떤 것이 하류(downstream)에서 문제가 발생할까요? 우리는 가변 길이 수신 순회(<-[:DEPENDS_ON*1..5]-)를 실행합니다:

MATCH path = (s:System {name: $system})<-[:DEPENDS_ON*1..5]-(downstream:System)
RETURN downstream.name AS affected_system,
       length(path) AS hops,
...

순회 설명: 중심 서비스로부터 역방향 의존성 엣지(reverse dependency edges)를 최대 5홉 깊이까지 따라가 모든 다운스트림 소비자(downstream consumer)를 발견하며, 이때 표준 간격(canonical shortest hop count)을 유지합니다.

FalkorDB의 반환 결과:

• 1홉 직접 의존성: billing-cron, payments-api, reporting-batch
• 2홉 연쇄 의존성: checkout-ui, mobile-gateway, refund-worker

쿼리 2: 팀 전문성 결합 (Team Expertise Join)

ledger-service에 대해 연락해야 할 최고의 엔지니어는 누구인가요? 우리는 활성 프로젝트 참여도를 기준으로 엔지니어를 순위 매깁니다:

MATCH (p:Person)-[:WORKS_ON]->(proj:Project)-[:USES]->(s:System {name: $system})
RETURN p.name AS person, p.role AS role, p.team AS team,
       collect(DISTINCT proj.name) AS projects,
...

순회 설명: 엔지니어를 프로젝트에, 프로젝트를 시스템에 결합하여 활성 프로젝트 발자취(active project footprint)를 집계하고 추측 없이 도메인 전문성을 식별합니다.

FalkorDB는 Maya Chen (Staff Engineer, Payments)이 점수 3(Helios, Atlas, Zephyr)로 가장 높은 순위를 차지하며, 그 뒤를 Diego Ramos와 Marco Silva가 따릅니다.

쿼리 3: 결정 출처 및 맥락 (Decision Provenance & Context)

프로젝트가 일시 중단되거나 수정된 이유는 무엇인가요?

MATCH (dec:Decision)
WHERE toLower(dec.title) CONTAINS toLower($q)
   OR toLower(dec.summary) CONTAINS toLower($q)
...

순회 설명: 공식 결정 기록을 작성자, 상위 프로젝트, 그리고 영향을 받는 인프라 시스템에 직접 추적합니다.

Helios를 조회하면 다음 내용을 발견할 수 있습니다:

_

LLM 에이전트는 세부 정보를 꾸며내는(fabricating) 경향이 있습니다. Blast Radius Brain에서는 모든 도구 실행이 엄격하게 **증거 계약(Evidence Contract)**을 반환합니다:

{
  "tool": "blast_radius",
  "question": "ledger-service가 다운되면 무엇이 망가지나요?"
...

이것이 왜 중요할까요? 높은 위험도가 걸린 사고(high-stakes incidents) 동안 엔지니어는 블랙박스 LLM을 신뢰할 수 없습니다. 상호 작용 가능한 경로 칩(path chips)(ledger-service → payments-api → checkout-ui)을 렌더링하고 원시 데이터베이스 행을 표시함으로써, 에이전트는 반박할 수 없는 감사 추적 기록(audit trail)을 제공합니다.

5. 정직한 미지(The Honest-Unknown Case): 안전한 거부 (Safe Rejection)

연결된 운영 데이터는 연결된 데이터 모델을 필요로 합니다. Vector 임베딩은 의미 기반 텍스트 검색에 탁월하지만, 의존성 폭발 반경(dependency blast radius), 팀 소유권 조인(team ownership joins), 거버넌스 감사 추적(governance audit trails)과 같은 구조적인 질문에는 그래프가 추론 계층(reasoning layer)이어야 합니다.

FalkorDB의 밀리초 단위 Cypher 트래버설(traversals)을 결정론적 라우팅 및 감사 가능한 증거 계약(auditable evidence contract)과 결합하여, Blast Radius Brain은 시간이 생명인 상황에서 사고 대응자들에게 검증 가능한 진실을 제공합니다.

프로젝트 링크 및 제출물

• 라이브 데모: https://bring-intake-greater-beautiful.trycloudflare.com
• 데모 비디오:
• GitHub 저장소: https://github.com/Ashutoshranjan195/blast-radius-brain
• 트랙: 03 — 회사 브레인 (Company Brain) (그래프 해킹: AI 에이전트에 실제 컨텍스트 제공)