피드로 돌아가기
Dev.toAI/ML
원문 읽기
NASA InSAR 데이터 기반 mm 단위 지반 침하 분석 AI 에이전트 구현
Tell your AI agent if the ground is sinking: measured ground-motion with SibFly + LangChain
AI 요약
Context
기존 부동산 리스크 분석은 모델링된 예측 데이터에 의존하여 실제 지반 변동 감지에 한계 존재. NASA의 OPERA Sentinel-1 InSAR 원천 데이터는 400MB 규모의 HDF5 포맷과 복잡한 Radar Geometry 구조로 인해 AI 에이전트가 직접 쿼리하기 불가능한 구조적 병목 발생.
Technical Solution
- 원천 데이터의 ETL 과정을 거쳐 좌표 기반의 JSON API로 추상화한 SibFly 인터페이스 도입
dry_run파라미터를 통한 Coverage 및 Confidence 사전 검증으로 불필요한 API 비용 최적화assessment_code라는 Stable Enum을 활용하여 자연어 응답의 불확실성을 제거한 로직 분기 설계max_age_days및min_confidence서버 사이드 필터링을 통한 데이터 품질 보장 및 비용 청구 방지- LangChain 및 MCP(Model Context Protocol) 서버 지원을 통한 에이전트의 도구 호출 유연성 확보
velocity_uncertainty및neighbor_consistent플래그를 통한 단일 픽셀 노이즈 제거 및 데이터 신뢰도 검증
실천 포인트
- 대용량 데이터셋 연동 시 LLM이 처리 가능한 JSON 형태로 추상화된 API 레이어 구축 - API 비용 절감을 위해 '검증 단계(Free)'와 '실행 단계(Paid)'를 분리한 워크플로우 설계 - LLM의 판단 근거를 위해 단순 텍스트가 아닌 Stable Enum 기반의 상태 코드 반환 구조 채택