핵심 목표

• 자연어 질문 즉각 답변: 복잡한 질의에 대한 정확한 답변 제공
• 노트북LM 유사 기술: Google의 Vertex AI Search RAG 기술 활용
• 고객 지원 비용 절감: 자동화를 통한 인력 비용 및 시간 절약
• 문서 기반 검색: PDF, DOCX, HTML 등 다양한 형식 지원

프로젝트 범위

핵심 특징

• Semantic Search: 키워드 매칭이 아닌 의미 기반 검색
• Personalization: 사용자별 맞춤 검색 결과 제공
• Multi-modal: 텍스트, 이미지, 비디오 등 다양한 데이터 타입
• Enterprise-grade Security: IAM 기반 접근 제어 및 데이터 격리

1단계: 데이터 수집 (Ingestion)

2단계: 인덱싱 (Indexing)

3단계: 검색 및 생성 (Search & Generation)

데이터 흐름

1. 사용자가 프론트엔드에서 질문 입력
2. Laravel 백엔드가 Vertex AI Search API 호출
3. Vertex AI가 문서 검색 후 Gemini에 전달
4. Gemini가 검색 결과 기반 답변 생성
5. 백엔드가 답변 + 참고 자료를 프론트엔드로 반환

1. GCP 프로젝트 생성

# 프로젝트 ID: sam-chatbot-project
# 위치: asia-northeast3 (서울)

2. 필수 API 활성화

• Discovery Engine API (Vertex AI Search)
• Vertex AI API
• Cloud Storage API (문서 저장용)

3. 서비스 계정 생성

# 서비스 계정 이름: sam-chatbot-sa
# 역할:
#   - Discovery Engine Admin
#   - Vertex AI User

4. JSON 인증 키 다운로드

1. 앱 생성

• 앱 유형: Chat (대화형)
• 데이터 타입: Unstructured (비정형 문서)
• 솔루션 타입: Search with Chat

2. 문서 업로드

3. 인덱싱

4. 테스트

GCP Console의 Preview 기능으로 샘플 질문 테스트

1. Google Cloud PHP 클라이언트 설치

composer require google/cloud-discoveryengine

2. 환경 변수 설정 (.env)

GOOGLE_CLOUD_PROJECT_ID=sam-chatbot-project
GOOGLE_CLOUD_LOCATION=asia-northeast3
GOOGLE_CLOUD_DATA_STORE_ID=your-data-store-id
GOOGLE_APPLICATION_CREDENTIALS=/path/to/service-account.json

3. ChatController 구현

use Google\Cloud\DiscoveryEngine\V1\SearchServiceClient;
use Google\Cloud\DiscoveryEngine\V1\SearchRequest;

public function searchVertexAI(Request $request)
{
    $query = $request->input('query');

    $client = new SearchServiceClient([
        'credentials' => env('GOOGLE_APPLICATION_CREDENTIALS')
    ]);

    $servingConfig = sprintf(
        'projects/%s/locations/%s/collections/default_collection/dataStores/%s/servingConfigs/default_config',
        env('GOOGLE_CLOUD_PROJECT_ID'),
        env('GOOGLE_CLOUD_LOCATION'),
        env('GOOGLE_CLOUD_DATA_STORE_ID')
    );

    $searchRequest = new SearchRequest([
        'serving_config' => $servingConfig,
        'query' => $query,
        'page_size' => 5
    ]);

    $response = $client->search($searchRequest);

    return response()->json([
        'answer' => $response->getSummary(),
        'references' => $response->getResults()
    ]);
}

1. 챗봇 UI 컴포넌트

<template>
  <div class="chatbot-container">
    <div class="messages">
      <div v-for="msg in messages" :key="msg.id">
        <div :class="['message', msg.role]">
          {{ msg.content }}
        </div>
        <div v-if="msg.references" class="references">
          참고: <a v-for="ref in msg.references" :href="ref.url">
            {{ ref.title }}
          </a>
        </div>
      </div>
    </div>
    <input v-model="userInput" @keyup.enter="sendMessage" />
  </div>
</template>

2. API 호출 로직

async sendMessage() {
  const response = await axios.post('/api/chatbot/search', {
    query: this.userInput
  });

  this.messages.push({
    role: 'user',
    content: this.userInput
  });

  this.messages.push({
    role: 'assistant',
    content: response.data.answer,
    references: response.data.references
  });

  this.userInput = '';
}

Vertex AI Search 비용 (월간 예상)

추가 비용 (선택사항)

• Cloud Storage: $0.023/GB (문서 백업용)
• Gemini API: 별도 호출 시 추가 비용 (RAG는 포함)
• 네트워크 송신: $0.12/GB (아시아 → 외부)

권장 인프라 구성

Cloud VM 이전 필수

1. 문서 최신화

2. 문서 표준화

• 구조화: 제목, 소제목, 본문이 명확한 구조
• 포맷: PDF 또는 DOCX 권장 (일관된 포맷)
• 언어: 한국어 또는 영어 중 하나로 통일
• 메타데이터: 제목, 작성자, 작성일, 카테고리 필수 입력

3. 품질 검증

1. 서비스 계정 키 보안

2. .gitignore 설정

# Google Cloud 인증 키
service-account.json
google-credentials.json
*.json

# 환경 변수
.env
.env.local
.env.production

3. 최소 권한 원칙

4. 환경 변수 관리

1. 문서 기반 질의응답

2. 참조 자료 제공

3. 다국어 지원 테스트

• 한국어 질문 → 한국어 문서 검색 → 한국어 답변
• 영어 질문 → 영어 문서 검색 → 영어 답변

4. 답변 정확도 평가

ROI 분석

장기적 AI 챗봇 솔루션 전략

Vertex AI Search 기반 지능형 문서 검색 시스템