확장 가능한 AI 어시스턴트인 Datasette Agent의 첫 번째 릴리스를 공식 발표했습니다. 저는 지난 3년여간 LLM 파이썬 라이브러리를 개발해 왔는데, Datasette Agent는 LLM과 Datasette이 마침내 하나로 합쳐지는 결실을 맺은 프로젝트입니다. 정말 기대되는 순간입니다!
Datasette Agent는 Datasette에 저장된 데이터를 대화형으로 질문하고 탐색할 수 있는 인터페이스를 제공합니다. datasette-agent-charts 플러그인을 추가하면 데이터를 차트로 시각화하는 것도 가능합니다.
공식 발표 포스트(새로 개설된 Datasette 프로젝트 블로그)에는 다음과 같은 데모 영상이 포함되어 있습니다:
영상은 새롭게 공개된 라이브 데모 인스턴스인 agent.datasette.io를 대상으로 녹화했습니다. 이 인스턴스는 WRI의 대표적인 데이터셋인 global-power-plants와 제 블로그의 Datasette 백업 사본 등 예시 데이터베이스를 기반으로 Datasette Agent를 실행합니다.
라이브 데모는 Gemini 3.1 Flash-Lite로 구동됩니다. 비용 효율적이고 빠르며, SQLite 쿼리 작성에도 전혀 어려움이 없습니다.
데모에서 제가 던진 질문 중 하나는 다음과 같습니다:
Simon이 가장 최근에 펠리컨을 본 게 언제야?
이 질문에 대해 다음 SQL 쿼리가 실행됐습니다:
SELECT
title, commentary, created
FROM
blog_beat
WHERE
beat_type = 'sighting'
AND (title LIKE '%pelican%' OR commentary LIKE '%pelican%')
ORDER BY
created DESC
LIMIT
5그리고 돌아온 답변은 다음과 같습니다:
Simon이 펠리컨을 가장 최근에 목격한 기록은 2026년 5월 20일입니다.
해당 관찰 기록에는 캘리포니아 갈색 펠리컨 외에도 아비새(Common Loon), 캐나다 기러기(Canada Goose), 줄무늬 갯강구(Striped Shore Crab), 캘리포니아 바다사자(California Sea Lion)가 함께 포함되어 있었습니다.
블로그에 올린 해당 관찰 기록과 전체 대화 내용의 마크다운 내보내기도 함께 확인할 수 있습니다.
제가 Datasette Agent에서 가장 마음에 드는 기능은, Datasette의 다른 부분과 마찬가지로 플러그인을 통해 기능을 확장할 수 있다는 점입니다.
현재까지 출시된 플러그인은 세 가지입니다:
플러그인 개발은 정말 재미있습니다. 아직 알파 품질에는 미치지 못하는 프로토타입도 여러 개 만들어두고 있습니다.
Claude Code와 OpenAI Codex 모두 플러그인 작성에 탁월한 성능을 보여줍니다. datasette-agent 저장소를 참고 자료로 지정하고, 원하는 기능을 설명하기만 하면 됩니다!
새 플러그인을 로컬 모델과 함께 실행해 보는 것도 꽤 재미있었습니다. Mac에서 LM Studio의 gemma-4-26b-a4b에 플러그인을 연결해 실행하는 uv 원라이너 명령어는 다음과 같습니다:
uvx --prerelease=allow \
--with datasette-agent --with llm-lmstudio \
datasette --internal internal.db --root \
-s plugins.datasette-llm.default_model lmstudio/google/gemma-4-26b-a4b \
data.dbDatasette Agent가 제대로 동작하려면 안정적인 도구 호출(tool call)과 SQLite 쿼리 생성 능력이 필요합니다. 최근 6개월 사이 공개된 오픈 웨이트 모델들은 이 두 가지 요건을 점점 더 잘 충족하고 있습니다.
Datasette Agent는 LLM과 Datasette 생태계 전반에 수많은 가능성을 열어줍니다.
이미 LLM 0.32a0의 대규모 리팩터링에도 영향을 미쳤으며, 조만간 안정 릴리스로 전환할 준비가 거의 다 됐습니다. Datasette Agent에서 추출한 "LLM 에이전트" 추상화를 일부 추가하는 방향도 검토 중입니다.
Claude Artifacts에서 영감을 받아 나름의 방식으로 접근을 시도해 보고 있는데, 플러그인 형태로 꽤 그럴듯하게 만들어지고 있습니다.
Datasette Agent를 활용해 나만의 Claw를 만들어 보는 것도 기대됩니다. 이는 디지털 생활 곳곳에서 가져온 데이터를 중심으로 구축하는 개인 AI 어시스턴트로, 예전에 만들었던 Dogsheep 계열 도구들을 다시 들여다볼 좋은 계기가 될 것 같습니다.
Datasette Cloud 사용자를 대상으로 한 Datasette Agent 출시도 순차적으로 진행할 예정입니다.
프로젝트에 대해 이야기 나누고 싶다면 #datasette-agent 디스코드 채널에 참여해 주세요.
현재 블로그의 장문 아티클만 표시되고 있습니다. 모든 포스트를 받아보려면 /atom/everything/을 구독하거나, 다른 구독 옵션을 확인해 보세요.