피드로 돌아가기
Dev.toAI/ML
원문 읽기
Agent-readable Docs 설계를 통한 LLM 컨텍스트 획득 효율 극대화
Making your docs site agent-readable: llms.txt, MCP, and the .well-known files that actually matter
AI 요약
Context
브라우저 중심의 HTML 렌더링 구조로 인한 AI Agent의 스크래핑 비용 및 데이터 해석 오류 발생. 단순 크롤링 방식의 비효율성을 해결하기 위한 기계 읽기 가능(Machine-readable) 인터페이스 부재.
Technical Solution
- /llms.txt 도입을 통한 전체 리소스 맵 제공으로 Agent의 탐색 비용 최소화
- Content Negotiation 기반의 Markdown 제공을 통한 토큰 효율성 및 데이터 순도 확보
- OpenAPI Spec 및 RFC 9727 표준 적용으로 API 엔드포인트의 자가 발견(Self-discovery) 구조 설계
- Model Context Protocol(MCP) 서버 구축을 통한 도구 호출 기반의 능동적 문서 검색 체계 구현
- .well-known 표준 파일 및 JSON-LD 기반의 Entity Graph 설계를 통한 신원 검증 및 데이터 정합성 확보
- robots.txt 내 AI Crawler 명시적 허용 및 Content-Signal 지시어 적용으로 데이터 수집 경로 최적화
실천 포인트
1. /llms.txt 파일 생성 및 30k characters 이내의 핵심 인덱스 구성 여부 확인
2. Accept: text/markdown 헤더 요청 시 raw Markdown 반환 로직 구현
3. MCP 서버를 통한 search/get-by-id 수준의 최소 도구 셋 노출 검토
4. schema.org 기반 JSON-LD 적용을 통한 외부 레지스트리(GitHub 등) 연동 확인
5. .well-known 경로 내 API 카탈로그 및 Agent Skill 정의서 배치