Prompt-centric에서 Schema-centric으로의 AI 아키텍처 패러다임 전환

The Schema IS the Prompt: Rethinking AI-Native Software Design

Leo Pessoa2026년 5월 11일4분intermediate

AI 요약

Context

기존 AI 애플리케이션은 Prompt String에 의존하여 LLM 응답을 파싱하고 검증하는 Prompt-centric 구조를 채택함. 이 방식은 프롬프트의 파편화, 런타임 시의 JSON 파싱 오류, 모델 변경 시의 유지보수 비용 증가라는 구조적 한계를 가짐.

데이터 모델(Schema)을 Single Source of Truth로 정의하여 프롬프트 의존성을 제거한 구조 설계
Object Schema와 자연어를 결합해 Typed Instance를 즉시 생성하는 Inversion 메커니즘 도입
Pydantic 기반의 경계 검증을 통해 비정형 LLM 응답이 애플리케이션 로직으로 전파되는 것을 차단
LLM을 단순한 'filling mechanism'으로 추상화하여 모델 교체 시 프롬프트 재작성 없이 환경 설정만으로 전환 가능한 인터페이스 구축
ORM이 SQL 문자열을 클래스 객체로 대체했듯, AI 호출 로직을 데이터 클래스 정의로 대체하여 개발자 인지 부하 감소

실천 포인트

1. LLM 응답을 위한 별도의 프롬프트 문자열 관리 대신 Pydantic 모델 등 타입 정의 기반의 스키마 설계를 우선 검토할 것

2. 프롬프트 수정보다 스키마 변경을 통해 요구사항을 반영하는 Schema-driven 워크플로우 적용 여부를 확인 할 것

3. LLM 제공자 변경에 유연하게 대응하기 위해 추상화 계층(Interface)을 통해 LLM을 인프라 요소로 분리할 것

태그