PRISM-AGI는 자율적인 제조 공정 운영을 위한 AI 에이전트 플랫폼입니다. 본 플랫폼은 웹 기반 인터페이스를 통해 접근 가능하며, 가상 제조 공정 데이터를 기반으로 AI 에이전트들이 실시간 모니터링, 예측, 제어를 수행합니다. 이를 통해 공정 효율을 극대화하고, 생산성을 향상시키는 것을 목표로 합니다.
- 웹 플랫폼 호환성: 10개 이상의 웹 브라우저를 지원하는 크로스 브라우저 API 및 반응형 UI 제공
- 대용량 데이터 처리: 연간 1억 건 이상의 데이터를 처리할 수 있는 가상 제조 공정 DB 구축
- 실시간 데이터 파이프라인: 300ms 내 처리가 가능한 실시간 데이터 수집 및 스트리밍 파이프라인
- 통합 데이터 관리: 내외부 DB 연동 및 98% 이상의 데이터 정합성 유지
PRISM-AGI는 마이크로서비스 아키텍처를 기반으로 하며, 각 기능별로 독립적인 AI 에이전트 서브모듈로 구성됩니다.
- PRISM-Orch: 멀티 AI 에이전트의 작업을 조율하고 관리하는 오케스트레이션 에이전트
- PRISM-Monitor: 제조 공정을 실시간으로 모니터링하고 이상 상태를 탐지하는 에이전트
- PRISM-Pred: 멀티모달 데이터를 기반으로 공정 결과를 예측하는 에이전트
- PRISM-AutoControl: 예측 결과를 바탕으로 최적의 제어 액션을 결정하고 수행하는 자율제어 에이전트
- 에이전트 간 통신: 메시지 큐(Kafka) 기반의 비동기 통신으로 에이전트 간 데이터 교환 및 상태 동기화
- 데이터 흐름 관리: 실시간 스트림 및 배치 데이터 처리 파이프라인을 통한 데이터 변환, 정규화 및 캐싱
- 성능 모니터링: Prometheus와 Grafana를 활용한 실시간 시스템 성능 모니터링, 병목 탐지 및 자동 스케일링
| 구분 | 기술 |
|---|---|
| 실시간 처리 | Apache Kafka, Redis, WebSocket |
| AI/ML | PyTorch, TensorFlow, Transformers, Scikit-learn, LangChain |
| 데이터베이스 | PostgreSQL, InfluxDB, Elasticsearch, Vector DB |
| 모니터링 | Grafana, Prometheus, ELK Stack |
| 구분 | 지표 | 목표 |
|---|---|---|
| 플랫폼 | 웹 브라우저 호환성 | 10개 이상 |
| 가상 제조공정 DB 처리량 | 연간 1억 건 | |
| 실시간 제어 명령 처리 속도 | 150ms 이내 | |
| 공정 성능 개선율 | 25%p | |
| 오케스트레이션 | RAG 검색 개선율 | 70% |
| RAG 생성 정합성 | 10% 향상 | |
| 제약 위반 탐지 정확도 | 90% | |
| 모니터링 | 시계열 이상 탐지 (PA F1) | 0.9 이상 |
| 데이터 정합성 유지율 | 98% | |
| 이벤트 설명 생성 상관계수 | 0.5 이상 | |
| 예측 | 예측 오차 | 5% 이내 |
| 예측 위험 평가 상관계수 | 0.5 이상 | |
| 자율제어 | AI 모델 근사 정확도 (RMSE) | 0.220 이하 |
| 자율제어 성공률 | 99% | |
| 의사결정 위험 평가 상관계수 | 0.5 이상 |
- Python: 3.11 이상
- Node.js: 16.x 이상 (프론트엔드 개발 시)
- Redis: 6.2 이상
- PostgreSQL: 13 이상 (선택사항)
- OS: Windows 10/11, Ubuntu 20.04 이상, macOS 11 이상
git clone https://github.com/your-org/prism-agi.git
cd prism-agi# Windows (PowerShell)
python -m venv env
.\env\Scripts\Activate.ps1
# Linux/macOS
python -m venv env
source env/bin/activatepip install -r requirements.txtcd agi
python manage.py makemigrations
python manage.py migrate
python manage.py createsuperuserpython manage.py collectstatic# Django 개발 서버 실행
cd agi
python manage.py runserver
# 기본 접속 주소: http://localhost:8000# Gunicorn을 사용한 프로덕션 서버
pip install gunicorn
gunicorn --bind 0.0.0.0:8000 agi.wsgi:application
# 또는 Docker 사용
docker-compose up -dcd Orch
python main.py --config config/production.yamlcd Monitor
python monitor_agent.py --mode realtimecd Pred
python prediction_service.py --model-path models/latest/cd AutoControl
python control_agent.py --policy-file policies/default.json- 권장 IDE: VS Code, PyCharm Professional
- 필수 확장프로그램:
- Python
- Django
- Redis
- Docker
# Black 포매터 설치 및 실행
pip install black
black .
# Flake8 린터 설치 및 실행
pip install flake8
flake8 .
# 타입 체킹 (mypy)
pip install mypy
mypy .# Django 테스트
cd agi
python manage.py test
# 각 에이전트별 테스트
cd Monitor
python -m pytest tests/
cd Pred
python -m pytest tests/
cd AutoControl
python -m pytest tests/| 메서드 | 엔드포인트 | 설명 |
|---|---|---|
GET |
/api/v1/agents/status/ |
모든 에이전트 상태 조회 |
POST |
/api/v1/agents/orchestration/execute/ |
오케스트레이션 작업 실행 |
GET |
/api/v1/monitoring/metrics/ |
실시간 모니터링 메트릭 |
POST |
/api/v1/prediction/forecast/ |
예측 요청 |
POST |
/api/v1/control/action/ |
제어 액션 실행 |
ws://localhost:8000/ws/monitoring/- 실시간 모니터링 데이터ws://localhost:8000/ws/alerts/- 실시간 알림ws://localhost:8000/ws/control/- 제어 명령 스트림
- Swagger UI: http://localhost:8000/api/docs/
- ReDoc: http://localhost:8000/api/redoc/
# .env 파일 생성
DEBUG=True
SECRET_KEY=your-secret-key-here
DATABASE_URL=sqlite:///db.sqlite3
REDIS_URL=redis://localhost:6379/0
KAFKA_BROKERS=localhost:9092
# AI 모델 설정
MODEL_STORAGE_PATH=/path/to/models
HUGGINGFACE_TOKEN=your-token-here
# 외부 서비스 연동
GRAFANA_URL=http://localhost:3000
PROMETHEUS_URL=http://localhost:9090DEBUG=False
ALLOWED_HOSTS=your-domain.com,localhost
DATABASE_URL=postgresql://user:password@localhost:5432/prism_agi
REDIS_URL=redis://redis-server:6379/0# Docker 이미지 빌드
docker build -t prism-agi:latest .
# Docker Compose 실행
docker-compose -f docker-compose.prod.yml up -d# Kubernetes 매니페스트 적용
kubectl apply -f k8s/namespace.yaml
kubectl apply -f k8s/configmap.yaml
kubectl apply -f k8s/deployment.yaml
kubectl apply -f k8s/service.yaml
kubectl apply -f k8s/ingress.yaml- Django 로그:
logs/agi.log - 에이전트 로그:
logs/agents/ - 시스템 로그:
/var/log/prism-agi/
- Grafana: http://localhost:3000
- Prometheus: http://localhost:9090
- Kibana: http://localhost:5601
# 데이터베이스 연결 확인
python manage.py dbshell
# 마이그레이션 상태 확인
python manage.py showmigrations
# 포트 충돌 해결
netstat -ano | findstr :8000# Redis 서버 상태 확인
redis-cli ping
# Redis 서비스 재시작 (Windows)
net stop redis
net start redis# Kafka 상태 확인
kafka-topics.sh --list --bootstrap-server localhost:9092
# 네트워크 연결 테스트
telnet localhost 9092# settings.py에서 데이터베이스 연결 풀 설정
DATABASES = {
'default': {
'ENGINE': 'django.db.backends.postgresql',
'OPTIONS': {
'MAX_CONNS': 20,
'conn_max_age': 600,
}
}
}# 캐시 설정 최적화
CACHES = {
'default': {
'BACKEND': 'django_redis.cache.RedisCache',
'LOCATION': 'redis://127.0.0.1:6379/1',
'OPTIONS': {
'CLIENT_CLASS': 'django_redis.client.DefaultClient',
'CONNECTION_POOL_KWARGS': {'max_connections': 50},
}
}
}- Issue 생성 또는 기존 Issue 할당
- 기능 브랜치 생성 (
feature/기능명또는bugfix/이슈번호) - 코드 작성 및 테스트
- Pull Request 생성
- 코드 리뷰 및 병합
type(scope): subject
body
footer
Type 종류:
feat: 새로운 기능fix: 버그 수정docs: 문서 변경style: 코드 포맷팅refactor: 코드 리팩토링test: 테스트 추가/수정chore: 빌드 프로세스 또는 도구 변경
- 코드 스타일 가이드 준수
- 단위 테스트 작성 및 통과
- 문서 업데이트
- 성능 영향 검토
- 보안 취약점 확인
본 프로젝트는 MIT 라이선스 하에 배포됩니다. 자세한 내용은 LICENSE 파일을 참조하세요.
- 이슈 신고: GitHub Issues
- 기술 문의: tech-support@prism-agi.com
- 비즈니스 문의: business@prism-agi.com
- 문서: 공식 문서 사이트
개발팀: PRISM-AGI Development Team
마지막 업데이트: 2025년 7월 10일