오늘의 3가지: Supabase 권한을 제한하여 AI 에이전트에 전달하는 방법과 기타 내용

스캔한 PDF를 AI에 읽게 했더니, 표는 깨지고 그래프는 통째로 무시되었습니다. AI 에이전트가 데이터베이스를 건드리게 하고 싶은데, 넘겨줄 수 있는 키가 '계정 전체를 열 수 있는 마스터키'밖에 없어서 선뜻 시도할 수가 없습니다. 원하는 소형 모델은 Hugging Face 어디에도 없고, 직접 만들 시간도 없습니다.

오늘은 이 세 가지와 관련된 이야기를 다룹니다.

오늘의 3가지

• LightOnOCR-3(LightOn) — 문자 인식에 더해, 제목이나 표·그림의 위치, 그래프의 수치까지 하나의 모델로 추출할 수 있는 OCR 모델입니다. 0.8B・1B・4B 세 가지 사이즈가 있으며 Apache 2.0 라이선스입니다. 성능은 LightOn 자체 발표 기준이며, 일본어 지원 여부는 언급되지 않았습니다. - Supabase 권한을 제한한 토큰(Supabase) — '이 프로젝트의 데이터베이스를 읽기만'처럼 수행할 수 있는 작업을 제한한 접근용 키가 모든 사용자에게 공식적으로 제공됩니다. AI 에이전트에 연결하는 MCP 서버나 CLI에서 바로 사용할 수 있습니다. - 원하는 소형 모델을 AI 에이전트가 만들어보게 해봤다(Hugging Face 공식 블로그) — Hugging Face 채팅의 'ML Intern'에게 부탁했더니, 다음 날 CPU로 구동 가능한 0.8B 모델이 완성되었고 계산 비용은 약 16달러였습니다. 다만 결과물로 나온 모델은 비상업적 라이선스입니다.

1. 문서의 문자 및 표/그림 위치를 하나의 소형 모델로 읽기

간단히 말하면: 문자 인식 외에도 제목·표·그림의 위치나 그래프 수치까지 한 모델에서 읽어내는 OCR 기술입니다.

무엇이 바뀌었나요?

이전 버전은 문자 인식에 중점을 두었습니다. 이번에는 프롬프트에 grounding을 넣으면, 페이지의 각 부분에 '제목', '표', '그림' 등의 레이블과 좌표가 붙습니다. 그림에는 짧은 설명이, 그래프는 수치를 HTML 표로 반환합니다. 빈 프롬프트라면 기존처럼 Markdown 문자 인식 결과가 나옵니다.

여기서 주목할 점:

• 점수는 LightOn의 발표입니다. 다른 회사 모델을 재측정했는지 여부는 언급되지 않았으며, 채점 전에 출력을 정리하는 처리 과정도 포함되어 있습니다.
• 일본어에 대한 언급은 없고(언어 태그는 영어만), 필요한 메모리나 CPU로 구동 가능한지에 대한 설명도 없습니다.

사용해 보기: 개인적으로 바로 시도할 수 있습니다. 가중치(weights)는 공개되었고, 브라우저 데모도 있습니다. 로컬 환경에서는 vLLM으로 가능합니다.

vllm serve lightonai/LightOnOCR-3-0.8B --trust-remote-code \
--default-chat-template-kwargs '{"enable_thinking": false}'

일본어 문서는 먼저 몇 장으로 테스트한 후 판단하는 것이 좋습니다.

회사에서 사용할 경우: Apache 2.0 라이선스로 상업적 이용이 가능합니다. 영어나 프랑스어 양식을 외부로 빼내지 않고 사내에서 처리하고 싶을 때 후보가 될 수 있습니다.

출처: "LightOnOCR-3: High-Performance OCR and Layout Extraction in One Model" / Said Taghadouini, Adrien Cavaillès, Baptiste Aubertin(LightOn)/ 2026-10-08 / https://huggingface.co/blog/lightonai/lightonocr-3

2. AI 에이전트에게 넘겨줄 Supabase 키를 '필요한 만큼만'으로 만들기

간단히 말하면: 대상과 권한을 제한한 접근용 키가 모든 사용자에게 제공됩니다. MCP 서버나 CLI에서 사용할 수 있습니다.

무엇을 할 수 있나요?

기존의 개인용 토큰은 전권을 가진 키였습니다. 새로운 토큰은 대상 프로젝트, 항목별(데이터베이스 또는 인증 등)로 '읽기 전용/읽고 쓰기'와 만료 기한(최대 1년)을 선택하여 생성할 수 있습니다.

MCP 서버에서는 각 도구가 권한을 확인하며, 데이터베이스에 쓰기 권한이 없으면 SQL은 읽기만 가능해집니다.

어떻게 넣나요?

관리 화면에서 만들고, Claude Code의 경우 .mcp.json 파일에 작성합니다.

"supabase": {
"type": "http",
"url": "https://mcp.supabase.com/mcp?project_ref=${SUPABASE_PROJECT_REF}",
...

CLI에서는 supabase login --token
으로 전달할 수 있습니다.

어디까지 보호해 주는가?

키(Key)가 유출되거나 에이전트가 지시를 오인했을 때, 피해 범위를 좁히는 장치입니다. 허용한 범위 안에서의 오작동은 막을 수 없으므로, 실제 운영 환경에서는 읽기 전용부터 시작하는 것이 안전합니다.

주의할 점

• 기존의 모든 권한 토큰(All-power token)이 취소되지 않으므로, 교체는 직접 해야 합니다.
• 브라우저를 통한 supabase login은 여전히 모든 권한 토큰을 만듭니다.

시도해 보기: 개인적으로 바로 시도할 수 있습니다. 전용 제공에 대한 내용이나 요금제 제한은 언급되어 있지 않습니다.

회사에서 사용할 경우: CI나 에이전트용 키부터 범위가 좁혀진 토큰으로 교체해 나가는 것이 가장 빠릅니다.

출처: "Scoped personal access tokens are now generally available" / Supabase / 2026-10-06 / https://supabase.com/changelog/scoped-personal-access-tokens-ga

3. 원하는 소형 모델이 없어 AI 에이전트에게 만들게 해봤다

요약하자면: 채팅으로 요청하는 것만으로, 이미지 생성 지시문을 수정하는 0.8B 모델을 다음 날 약 16달러에 만들었습니다.

직접 해보니 이랬습니다

작성자가 원했던 것은 이미지 생성 모델 Qwen-Image 2.1에 포함된 '지시문 수정 역할'의 소형 버전이었습니다. 공식 9B 버전은 약 20GB 메모리가 필요하며, 작은 버전은 없습니다.

그래서 HuggingChat의 'ML Intern' 모드에 목적과 예산 상한선을 한 번에 전달했습니다. 에이전트는 요청문 예시를 만들어 9B 버전에 수정하게 했고, 이를 본보기로 0.8B와 2B 모델을 학습시켰습니다. 공개까지는 Hugging Face의 GPU를 사용해 진행했습니다.

비용은 9B 버전의 수정에 약 6.5달러, 두 모델의 학습에 0.75달러입니다. 합계는 약 16달러라고 하지만, 나머지 내역은 적혀있지 않습니다.

여기서는 할인해서 읽고 싶다

• '99.7%'는 출력이 결정된 형식(JSON)으로 읽을 수 있었던 비율이며, 완성도가 아닙니다. 모델 페이지에서는 이미지의 가로세로비 지정이 9B 버전과 일치한 것이 57.7%였습니다.
• CPU를 사용할 경우, 12스레드 Xeon에서 한 번에 약 66초가 걸립니다.
• 평가는 만든 사람에 의한 것이며, 기사는 Hugging Face 공식 블로그에서의 자사 서비스 소개입니다.

시도해 보기: 조건부로 시도할 수 있습니다. HuggingChat에서 ML Intern을 활성화하여 요청합니다. 이용 조건은 기사에 없지만, 학습은 Hugging Face의 GPU를 사용하는 유료 계산입니다. 예산 0달러부터 시작하며, 결제 전에 허가를 요청합니다. 요청 방법의 예시는 GitHub(yvrjsharma/ml-intern-prompts)에 있습니다.

회사에서 사용할 경우: 만들어진 0.8B 모델은 비상업적 한정 라이선스입니다. 업무용으로 만들려면, 기반이 되는 모델의 라이선스를 확인해야 합니다.

출처: "The model that didn't exist, so you made it yourself" / yuvraj sharma, Abubakar Abid(Hugging Face Blog)/ 2026-10-08 / https://huggingface.co/blog/building-with-ml-intern

Discussion