AI 에이전트 →

벡터 DBVector Database

벡터 DB (Vector Database)는 뜻이 비슷한 책끼리 가까이 꽂아 두는 도서관 같은 것 — 임베딩으로 만든 숫자 좌표를 저장하고, 질문과 의미가 가까운 자료를 빠르게 찾아 주는 데이터베이스예요.

벡터 DB는 임베딩으로 바꾼 숫자 좌표(벡터)를 저장하고 검색하는 데이터베이스예요. 보통 도서관은 제목 가나다순으로 책을 꽂지만, 벡터 DB는 '내용이 비슷한 책끼리' 가까이 꽂아 두는 도서관이라고 생각하면 쉬워요. 질문이 들어오면 그 질문도 좌표로 바꾼 뒤, 근처에 꽂힌 자료를 몇 개 골라 돌려줘요. 키워드가 정확히 일치하지 않아도 뜻이 비슷하면 찾아낸다는 점이 일반 검색과 달라요.

1인 사업자가 RAG 상담봇이나 '내 자료로 답하는 AI'를 만들 때 벡터 DB가 자료 창고 역할을 해요. 강의 받아쓰기, 전자책, 자주 묻는 질문을 잘게 나눠 임베딩한 뒤 벡터 DB에 넣어 두면, 수강생 질문에 맞는 조각을 꺼내 AI에게 건네줄 수 있어요. 별도 전용 서비스도 있지만, Supabase 같은 일반 데이터베이스에 벡터 저장 기능(확장)을 켜서 쓰는 방법도 있어 작은 규모라면 이미 쓰는 DB로 시작할 수 있어요.

헷갈리기 쉬운 점은 벡터 DB가 일반 데이터베이스를 대체하는 게 아니라는 거예요. 회원·결제·주문처럼 정확한 값이 중요한 데이터는 일반 DB에 두고, 의미 검색이 필요한 글 조각만 벡터로 저장하는 게 보통이에요. 또 원문을 함께 저장해 두지 않으면 찾은 좌표만 있고 내용을 보여 줄 수 없으니, 벡터와 원문·출처를 같이 저장하세요.

💡 대표 예시

  • 상담봇 만들기 — 강의 FAQ 조각을 벡터 DB에 저장해 질문과 가까운 것을 찾는다
  • 기존 DB 활용 — Supabase에 벡터 확장을 켜고 전자책 조각을 저장한다
  • 검색 품질 점검 — 질문별로 벡터 DB가 돌려준 조각 3개를 직접 읽어 본다
  • 출처 표시 — 벡터와 함께 강의명·시간을 저장해 답변에 근거로 붙인다
  • 자료 삭제 — 내린 강의의 조각을 벡터 DB에서도 함께 지운다

🔗 관련 용어

이 개념, 직접 적용해볼까요?

AI 에이전트를 직접 만들고 24시간 운영하는 법을 단계별 강의로 배워보세요.