Jevbox: 벡터 DB 없이 계층적 분류로 동작하는 오픈소스 자동 정리 문서 드라이브

TypeSafe Jev 모델 기반으로 임베딩과 벡터 DB 없이 폴더-문서-섹션을 계층적으로 탐색하고, 검색 시점 권한 제어와 MCP 서버를 지원하는 오픈소스 문서 관리 도구 Jevbox가 공개되었습니다.

tau · 2026년 10월 3일

#Jevbox #Jev #MCP #오픈소스 #문서검색 #개발도구

Jevbox: 벡터 DB 없이 계층적 분류로 동작하는 오픈소스 자동 정리 문서 드라이브

Extend의 Andrew Luo와 Kushal Byatnal이 2026년 10월 3일, TypeSafe Jev 의사결정 모델을 기반으로 문서를 자동 분류하고 계층적으로 질의하는 오픈소스 문서 드라이브 프로젝트 'Jevbox'를 공개했습니다. 원본 파싱 엔진인 Extend Parse와 Jev 분류기를 결합한 구조로, 전체 소스 코드가 GitHub(extend-hq/jevbox)에 오픈소스로 릴리즈되었습니다.

계층적 폴더 분류와 검색 시점 권한 제어를 시각화한 Jevbox 오픈소스 문서 드라이브 아키텍처 다이어그램

이미지 출처: @kushalbyatnal via X

기존 RAG(검색 증강 생성) 시스템이 문서를 잘게 쪼개 고차원 임베딩 벡터로 변환한 뒤 벡터 데이터베이스(Vector DB)에서 유사도 검색을 수행했던 것과 달리, Jevbox는 사람이 폴더를 정리하고 목차를 따라가듯 단계별 분류(Classification)를 통해 원하는 정보를 찾아내는 새로운 검색 아키텍처를 제시합니다.

임베딩과 벡터 DB 없는 계층적 탐색 및 자동 문서 정리

Jevbox의 핵심 설계는 문서를 업로드하는 순간부터 질의를 처리하는 전 과정에서 임베딩 연산과 벡터 데이터베이스를 완전히 배제한 점입니다.

문서가 시스템에 업로드되면 Jev 의사결정 모델이 내용을 분석해 적합한 카테고리를 판별하고, 사전에 정의된 폴더 트리(Folder Tree) 내부의 올바른 위치로 문서를 자동으로 배치합니다. 사용자가 자연어로 질문을 입력했을 때 수행되는 검색 과정 역시 하향식 계층 구조를 따릅니다.

  • 단계별 계층적 검색(Hierarchical Search): 질문이 들어오면 Jev가 먼저 관련 가능성이 가장 높은 상위 폴더를 선택하고, 해당 폴더 안에서 특정 문서를 선별한 뒤, 문서 내부의 세부 섹션(Section)으로 범위를 단계적으로 좁혀 들어갑니다.
  • 정밀한 출처 인용(Citation): 대규모 텍스트 청크에서 유사도 점수만으로 추출하는 방식이 아니기 때문에, Jevbox가 생성하는 모든 답변에는 해당 근거가 추출된 원본 페이지 번호와 섹션 출처가 명확하게 함께 제공됩니다.

이러한 방식은 대규모 임베딩 인덱스를 구축하고 유지 관리하는 인프라 비용과 청크 분할 시 발생하는 문맥 손실 문제를 줄여주는 대안으로 주목받고 있습니다.

검색 시점 권한 검증과 AI 에이전트용 MCP 서버 내장

기업 및 조직 환경에서의 실무 활용을 고려한 보안 및 연동 기능도 기본 탑재되었습니다.

문서 관리 및 RAG 도입 시 가장 큰 난제 중 하나는 접근 권한이 서로 다른 사용자 간의 정보 유출 문제입니다. Jevbox는 검색(Retrieval) 시점에 실시간으로 사용자 권한을 검증하는 정책을 적용했습니다.

  • 실시간 권한 제어: 사용자가 특정 원본 소스 문서에 대한 접근 권한을 잃게 되면, 해당 문서를 기반으로 생성되는 답변 역시 검색 시점에 즉시 접근이 차단됩니다. 인덱스 재생성 없이도 권한 변경 사항이 검색 결과에 즉각 반영되는 구조입니다.
  • MCP(Model Context Protocol) 서버 기본 지원: 외부 AI 코딩 에이전트나 워크스페이스 도구가 Jevbox 내 문서 라이브러리를 안전하게 참조할 수 있도록 MCP 서버를 내장하고 있습니다. 에이전트 역시 사용자에게 허용된 권한 범위와 동일한 보안 규칙 하에서 문서 컨텍스트를 호출하게 됩니다.

배포 경로 및 운영 환경 고려사항

Jevbox는 자체 호스팅 환경과 클라우드 원클릭 배포를 모두 지원합니다.

공식 GitHub 저장소에는 직접 인프라를 구축하려는 개발자를 위한 셀프 호스팅 안내가 제공되며, Render 플랫폼을 통해 원클릭으로 웹 애플리케이션을 배포할 수 있는 구성도 함께 마련되어 있습니다.

도입 시 주의해야 할 기술적 제약 사항도 존재합니다. Jevbox는 텍스트 임베딩 벡터 간의 코사인 유사도를 계산하는 대신 TypeSafe Jev의 의사결정·분류 모델 API를 호출하여 작동하므로, 시스템 구동을 위해 Jev API 연동 환경이 필수적으로 갖추어져야 합니다. 또한 비정형 문서 구조가 지나치게 복잡하거나 동일 문서의 다중 버전 관리가 요구되는 환경에서는 초기 폴더 계층 설계와 분류 프롬프트의 정밀도에 따라 검색 품질이 영향을 받을 수 있습니다.

출처