35+ AI Provider 메타데이터의 자동 동기화 및 표준화 데이터 레이어 구축

Context

기존 AI 모델 카탈로그들의 파편화된 데이터 구조와 느린 업데이트 주기로 인한 모델 선택의 병목 발생. 특정 서비스에 종속된 Non-agnostic 구조와 데이터 불완전성으로 인해 실시간 모델 벤치마킹 및 라우팅 결정에 한계 노출.

Technical Solution

• GitHub Actions를 활용한 24시간 주기 자동 Fetching 파이프라인 구축으로 데이터 최신성 유지
• Provider별 전용 Adapter 패턴을 도입하여 서로 다른 API 응답과 문서를 단일 Shared Schema로 정규화
• 데이터 저장소로 TOML 파일 트리 구조를 채택하여 Git Diff 기반의 변경 사항 추적 및 다국어 환경에서의 가독성 확보
• Local Override 메커니즘(metadata.toml)을 통해 자동 생성 데이터와 사용자 정의 데이터의 전략적 병합 구조 설계
• Zod Schema 기반의 엄격한 Validation 및 하드코딩된 Endpoint 설정을 통한 외부 데이터 주입 공격 방어
• 대역폭 최적화를 위해 full JSON과 minified JSON 두 가지 배포 버전을 제공하는 정적 데이터 전략 수립