MaxKB 소개
MaxKB는 기업 수준의 에이전트를 구축하기 위해 검색 증강 생성(RAG, Retrieval-Augmented Generation) 파이프라인과 워크플로우 엔진, MCP 도구 사용(tool-use)을 하나로 통합한 오픈소스 플랫폼입니다. 이름은 "Max Knowledge Brain" 의 줄임말이며, 지능형 고객 상담과 사내 지식 베이스, 학술 연구, 교육 현장을 주요 활용 시나리오로 제시합니다. 본 게시물에서는 MaxKB의 주요 기능과 기술 스택, 설치 방법을 정리합니다.
LLM을 업무 시스템에 붙일 때 가장 먼저 부딪히는 문제는 모델이 사내 문서와 도메인 지식을 알지 못한다는 점입니다. MaxKB는 이 문제를 RAG 파이프라인으로 풀어냅니다. 문서를 직접 업로드하거나 온라인 문서를 자동으로 수집하도록 설정하면 텍스트 분할과 벡터화가 자동으로 이루어지고, 프로젝트는 이 과정이 "대형 모델의 환각(hallucination)을 효과적으로 줄인다" 고 설명합니다.
특정 모델에 묶이지 않는다는 점도 눈에 띕니다. DeepSeek, Llama, Qwen 같은 사설 모델과 OpenAI, Claude, Gemini, MiniMax 같은 공개 모델을 모두 지원하고, 텍스트뿐 아니라 이미지·오디오·비디오 입출력까지 기본 지원합니다. GitHub의 1Panel-dev 조직이 개발하고 있으며, 2026년 7월 3일에 v2.10.3-lts 릴리즈가 공개되었습니다.
MaxKB의 주요 기능
MaxKB는 자신의 기능을 다섯 가지 축으로 소개하고 있습니다.
- RAG 파이프라인: 문서 직접 업로드와 온라인 문서 자동 수집을 지원하며, 텍스트 자동 분할과 벡터화 기능을 제공합니다. 검색된 근거를 바탕으로 답변을 생성해 질의응답 경험을 개선합니다.
- 에이전트 워크플로우(Agentic Workflow): 워크플로우 엔진과 함수 라이브러리, MCP 도구 사용을 갖추고 있어 복잡한 비즈니스 시나리오에 맞게 AI 프로세스를 조율할 수 있습니다.
- 손쉬운 통합(Seamless Integration): 코드 작성 없이 서드파티 비즈니스 시스템에 빠르게 붙일 수 있어, 기존 시스템에 지능형 질의응답 기능을 더할 수 있습니다.
- 모델 불문(Model-Agnostic): 사설 모델(DeepSeek, Llama, Qwen 등)과 공개 모델(OpenAI, Claude, Gemini, MiniMax 등)을 모두 지원합니다.
- 멀티모달(Multi Modal): 텍스트, 이미지, 오디오, 비디오의 입력과 출력을 기본 지원합니다.
아래는 MaxKB의 워크플로우 편집기 화면입니다. 시작(Start), 지식 검색(Knowledge Search), 조건 분기(Conditional Branch), AI 대화 노드를 캔버스 위에서 연결해 에이전트의 동작 흐름을 구성하고, 오른쪽 미리보기 창에서 바로 대화를 테스트하는 방식입니다.
MaxKB의 기술 스택
프런트엔드는 Vue.js, 백엔드는 Python/Django로 구성되어 있습니다. LLM 프레임워크로는 LangChain을 사용하고, 데이터베이스는 PostgreSQL에 벡터 검색 확장인 pgvector를 결합해 사용합니다. 별도의 전용 벡터 데이터베이스 없이 PostgreSQL 하나로 지식 베이스와 벡터 검색을 함께 처리하는 구성입니다.
MaxKB 설치 및 사용법
Docker 컨테이너 한 개로 실행할 수 있습니다.
docker run -d --name=maxkb --restart=always -p 8080:8080 -v ~/.maxkb:/opt/maxkb 1panel/maxkb
컨테이너가 올라오면 http://your_server_ip:8080 으로 웹 인터페이스에 접속합니다. 기본 관리자 계정은 admin, 초기 비밀번호는 MaxKB@123.. 입니다.
MaxKB의 라이선스
MaxKB는 GPL-3.0 라이선스로 공개되어 있습니다. 자유롭게 사용하고 수정할 수 있지만, 파생 저작물을 배포할 때는 동일한 라이선스로 소스 코드를 공개해야 하는 카피레프트 조건이 붙는다는 점은 상업적 도입 전에 확인이 필요합니다.
MaxKB 공식 홈페이지
MaxKB GitHub 저장소
더 읽어보기
이 글은 GPT 모델로 정리한 글을 바탕으로 한 것으로, 원문의 내용 또는 의도와 다르게 정리된 내용이 있을 수 있습니다. 관심있는 내용이시라면 원문도 함께 참고해주세요! 읽으시면서 어색하거나 잘못된 내용을 발견하시면 덧글로 알려주시기를 부탁드립니다. 
파이토치 한국 사용자 모임
이 정리한 이 글이 유용하셨나요? 회원으로 가입하시면 주요 글들을 이메일
로 보내드립니다! 텔레그램(Telegram)이나 Slack/Discord/Teams/Dooray/GoogleChat 등으로도 새 글 알림을 받으실 수 있습니다. 
아래
쪽에 좋아요
를 눌러주시면 새로운 소식들을 정리하고 공유하는데 힘이 됩니다~ 