구글 OKF(Open Knowledge Format)는 RAG를 대체하나?

“구글의 OKF가 벡터 데이터베이스를 대체한다”는 Medium 글을 보고, 공식 스펙과 발표 자료를 직접 확인해서 기존 RAG 방식과 비교 검토해봤다. (이 글의 서베이는 Claude Code 에이전트가 수행했다.)

TL;DR: OKF는 2026년 6월 Google Cloud가 발표한 오픈 스펙으로, “LLM 위키” 패턴을 마크다운 파일 디렉토리로 표준화한 지식 포맷이다. 청킹·임베딩 없이 에이전트가 파일을 직접 읽고 링크를 따라가는 결정적(deterministic) 접근이 강점이지만, 공식 스펙 스스로 밝히듯 벡터 검색의 대체가 아니라 보완이다. “RAG를 대체한다”는 제목은 과장으로 보는 것이 맞다.

OKF가 뭔가?

OKF v0.1은 에이전트에게 줄 지식을 표현하는 벤더 중립 스펙이다. 클라우드 서비스도, SDK도 아니고 그냥 파일 규약이다.

마크다운 파일 디렉토리 = 지식 번들. 개념(테이블, 지표, 런북, API 등) 하나당 파일 하나, 파일 경로가 곧 개념의 식별자
YAML frontmatter: 필수 필드는 type 하나뿐. title, description, resource(원본 링크), tags, timestamp는 선택
일반 마크다운 링크([customers](/tables/customers.md))로 개념 간 관계를 표현 — 디렉토리 계층 위에 그래프가 얹힌다
예약 파일: index.md(내비게이션·점진적 공개), log.md(변경 이력)

sales/
├── index.md
├── datasets/orders_db.md
├── tables/orders.md        ← frontmatter + 스키마 + 조인 경로
├── tables/customers.md
└── metrics/weekly_active_users.md

tarball로 배포하고, git 저장소에 올리고, 파일시스템에 마운트하면 끝이다. 에이전트는 임베딩 없이 glob·grep·파일 읽기·링크 추적만으로 소비한다.

기존 벡터 DB 기반 RAG와 뭐가 다른가?

비교 항목	벡터 DB 기반 RAG	OKF (LLM 위키)
검색 방식	임베딩 유사도 (확률적)	파일 경로·링크 추적 (결정적)
전처리	청킹 + 임베딩 필수	없음 (파일 그대로)
표·구조 데이터	청킹이 표 구조를 파괴하기 쉬움	마크다운 표 원형 유지
갱신	재임베딩·인덱스 동기화 필요	파일 수정 + git commit
지식 출처 추적	청크 메타데이터에 의존	frontmatter `resource`·링크로 명시
이식성	벡터 DB 벤더에 종속	어떤 시스템에서든 읽기 가능
대규모 검색	강함 (수백만 문서)	약함 (grep 수준)
모호한 자연어 질의	강함 (의미 검색)	약함 (경로·키워드 기반)

OKF의 실질적 장점

결정성: “이 테이블의 조인 키가 뭐야?” 같은 질문에 벡터 검색은 관련 청크를 확률적으로 가져오지만, OKF는 tables/orders.md를 정확히 읽는다. 오래된 청크가 섞여 들어올 여지가 없다.
운영 단순성: 임베딩 파이프라인·벡터 DB 운영이 통째로 사라진다. 지식 갱신 = 파일 수정 + 커밋이라 버전 관리·리뷰·롤백이 코드와 동일한 흐름이다.
사람과 에이전트가 같은 문서를 본다: 마크다운이라 사람이 직접 읽고 고칠 수 있다. Claude Code의 CLAUDE.md나 에이전트 스킬 문서와 정확히 같은 철학이고, 이 패턴이 실제로 잘 동작한다는 것은 제안서 파이프라인에서도 체감했다.
표준화의 가치: 지금까지 각자 만들던 “LLM용 위키”에 공통 규약이 생기면, 서로 다른 팀·도구가 만든 지식 번들을 번역 없이 교환할 수 있다.

그런데 “RAG 대체”는 과장이다

공식 스펙과 구글 블로그를 보면 입장이 명확하다 — 보완이지 대체가 아니다. 이유는 비교표의 아래 두 줄에 있다.

OKF의 검색은 결국 경로 탐색과 grep이다. 번들이 수천 파일로 커지면 “환불 정책이 어디 적혀 있지?” 같은 모호한 질의에는 의미 검색이 필요해지고, 공식 문서도 큰 번들에서는 OKF를 벡터 스토어에 넣어 시맨틱 검색을 얹는 구성을 언급한다.
OKF가 잘 맞는 지식은 큐레이션된 정형 지식(데이터 카탈로그, 지표 정의, 런북)이다. 수백만 건의 비정형 문서(민원, 상담 이력, 논문)를 다루는 RAG의 영역은 그대로 남는다.

결국 실무 구도는 위성영상 글에서 정리했던 하이브리드와 같은 모양이 된다. 큐레이션된 핵심 지식은 OKF로 결정적으로 제공하고, 대량 비정형 데이터는 벡터 검색으로 보완하는 구성이다.

OKF가 뭔가?

기존 벡터 DB 기반 RAG와 뭐가 다른가?

OKF의 실질적 장점

그런데 “RAG 대체”는 과장이다

참고

관련글 목록