Attri AI가 AI 에이전트 전용 오픈소스 CRM을 개발해 벡터 데이터베이스 방식의 한계를 4단계 증거 체인(Artifacts → Observations → Briefs → Conflicts)으로 해결

Context

기존 CRM은 사람의 버튼 클릭을 위해 설계되었으며, AI 에이전트가 비즈니스 데이터와 상호작용할 때 정보 저장 위치, 관찰 데이터의 지속성, 충돌하는 정보 처리 등의 문제가 발생한다. 벡터 데이터베이스를 메모리로 사용하는 방식은 의미론적 검색에만 작동하고, 거래액의 정확한 값, 의사결정자, 이메일 확인 증거, 감사 추적이 필요한 경우에는 부족하다.

Technical Solution

• 증거 체인 구현: Artifacts(이메일, 트랜스크립트, 문서 등 원본 증거) → Observations(라이프사이클이 있는 형식화된 주장: current/superseded/retracted) → Briefs(Observations 인용 요약, 재생성 가능) → Conflicts(상충하는 Observations, 자동 해결 금지)
• 이중 인터페이스 아키텍처: REST API 29개 엔드포인트(HTTP/JSON, 일관된 페이지네이션, 필터링, idempotency keys, Zod 검증) + MCP Server 27개 도구(Claude Desktop/Claude Code/MCP 호환 클라이언트용)
• 불변 이벤트 로그 설계: 모든 쓰기 작업을 append-only 원장으로 생성, 필드 레벨 provenance 추적
• Headless 아키텍처 채택: 데이터 레이어를 UI와 분리하여 API를 독립적 제품화, REST API 또는 MCP 서버로 연동 가능
• SQLite 기반 로컬 우선 저장소: 클라우드 의존성 제거, 엔티티(JSON 속성 포함), 방향성 관계, FTS 인덱스 포함

Key Takeaway

AI 에이전트용 데이터 인프라는 감사 추적과 증거 수집이 필수이며, 평탄한 필드 덮어쓰기 방식 대신 계층화된 증거 체인(Artifacts-Observations-Briefs-Conflicts)으로 설계하면 충돌 해결과 진실 보존을 동시에 달성할 수 있다.