GraphRAG
문서에서 지식 그래프를 뽑아 전체 맥락을 묻는 질문에 답하는 방식
지표
GitHub API 에서 직접 읽은 값입니다
GitHub 별36,342
라이선스MIT저장소 공개
주 언어Python2024-03-27 공개
마지막 커밋2026-10-12확인 2026-10-15
별 수 추이는 기록이 쌓인 뒤에 보여 줍니다 — 과거 값은 소급해 만들 수 없습니다.
무엇을 하는 도구인가
GraphRAG은 문서 더미에서 엔티티와 관계를 추출해 지식 그래프와 커뮤니티(주제 군집) 구조를 미리 만들어 두고, 질의 시 이를 바탕으로 답을 구성하는 인덱싱·질의 파이프라인입니다. 단순히 질문과 비슷한 텍스트 조각을 찾아 붙이는 대신, 문서 전체에 흩어진 정보를 연결해 '이 조직 전체에서 반복되는 주제는 무엇인가' 같은 전역적·종합적 질문에 답하도록 설계되어 있습니다. 이를 위해 LLM을 반복 호출해 그래프를 구축하고 커뮤니티 요약을 미리 생성해 두는 별도의 인덱싱 단계가 필요합니다. Qdrant·Chroma·Weaviate·pgvector 같은 벡터 DB가 임베딩 유사도로 관련 조각을 즉시 찾아주는 것과 달리, GraphRAG은 질의 전에 전체 코퍼스를 구조화하는 선행 작업을 거쳐 그 구조 위에서 추론하는 방식입니다.
이럴 때 고른다
- 개별 문서 조각이 아니라 문서 집합 전체를 아우르는 요약이나 주제 질문에 답해야 할 때
- 문서 간 엔티티 관계(누가 누구와 연관되는지 등)를 드러내는 답변이 필요할 때
- 코퍼스가 비교적 고정되어 있어 그래프를 미리 구축해 두고 반복 질의할 수 있을 때
- 단순 유사도 검색으로는 답이 흩어져 있어 연결이 안 되는 문제를 겪고 있을 때
어디까지만 하나
- 질의 전에 LLM을 여러 차례 호출해 그래프·커뮤니티 요약을 만드는 인덱싱 단계가 선행되어야 하므로, 이 과정 자체에 시간과 비용이 든다
- 문서가 자주 바뀌는 환경에서는 그래프를 다시 만들거나 갱신하는 절차를 직접 설계해야 한다
- 단순 사실 검색(특정 문장 하나 찾기)에는 벡터 검색형 도구보다 구조가 무겁게 느껴질 수 있다
- 그래프·커뮤니티 구조를 저장하고 서빙할 인프라(호스팅, 저장소)를 별도로 구성해야 한다
검색·메모리 층은 무엇을 푸나
모델이 모르는 자료를 찾아 넣어 주고, 대화 사이의 기억을 보관한다
언제 필요해지나 — 사내 문서나 과거 대화를 근거로 답해야 할 때
같은 층의 다른 도구
층이 같다는 것은 푸는 문제가 같다는 뜻입니다 — 비교가 되는 자리입니다
| 도구 | 하는 일 | 별 | 라이선스 |
|---|---|---|---|
| GraphRAG 보는 중 | 문서에서 지식 그래프를 뽑아 전체 맥락을 묻는 질문에 답하는 방식 | 36,342 | MIT |
| RAGFlow | 문서 구조를 이해하는 데 공들인 오픈소스 RAG 엔진 | 92,251 | Apache-2.0 |
| MCP Servers | 모델에 외부 데이터·도구를 붙이는 표준 프로토콜의 공식 서버 모음 | 91,273 | — |
| Qdrant | 필터링을 함께 쓰는 데 강한 벡터 데이터베이스 | 35,079 | Apache-2.0 |
| Chroma | 로컬에서 바로 띄워 쓰기 쉬운 임베딩 데이터베이스 | 29,504 | Apache-2.0 |
| Letta | 대화 사이의 기억을 스스로 정리해 들고 가는 에이전트 서버 | 25,146 | Apache-2.0 |
| pgvector | PostgreSQL 에 벡터 타입과 검색을 더하는 확장 — 쓰던 DB 를 그대로 쓴다 | 23,360 | — |
관련 용어
지표는 GitHub API 실측값입니다. 설명은 이 사이트가 작성했으며 공식 문서를 대체하지 않습니다 — 도입 전에 원문을 확인하세요.