Agentic Workflow 구조 개선에 대한 피드백과 테스트를 진행하고, 프론트엔드 고도화 및 UI 개선에 참여
PatentSense
자연어 아이디어와 유사 특허를 분석하는 AI 특허 검증 에이전트
KIPRIS 특허 검색과 임베딩 유사도 분석을 결합한 LangGraph 기반 AI 에이전트
사용자가 자연어로 입력한 아이디어를 기술 검색어로 변환하고, KIPRIS에서 관련 한국 특허를 수집한 뒤 Solar Embedding 기반 유사도 랭킹과 LLM 분석을 결합해 특허 유사도 리포트를 자동 생성하는 AI 에이전트. 검색·랭킹·분석·예외 처리를 각각의 단계로 나눈 LangGraph 기반 agentic workflow로 설계해, 단일 LLM 호출이 아니라 검증 가능한 파이프라인으로 동작하는 시스템. AI·SW 마에스트로 17기 AI 기술교육 팀 프로젝트(서울센터 22조)로 진행했으며, 코치로부터 구현 완성도와 Agentic Workflow 이해도에 대해 긍정적인 평가를 받은 프로젝트.
Problem
창업·발명 아이디어를 검토할 때 기존 특허와의 유사성을 빠르게 파악하기 어려운 점. 특허 검색은 정확한 기술 용어와 분류 체계에 대한 이해를 요구해 진입장벽이 높고, 비전문가가 자신의 아이디어가 이미 존재하는지 판단하기까지 많은 시간이 드는 구조.
Solution
자연어 아이디어를 기술 검색 키워드로 변환하고, KIPRIS 특허 수집 → 임베딩 유사도 랭킹 → LLM 리포트 생성을 하나의 agentic workflow로 자동화하는 흐름. 사용자는 아이디어를 평소 언어로 적기만 하면, 유사 특허와 충돌 요소·차별화 전략이 담긴 리포트를 받는 경험.
Key features
키워드 추출
사용자가 일상 언어로 적은 아이디어를 특허 검색에 적합한 기술 키워드로 변환해, 전문 검색 지식이 없어도 정확한 탐색을 시작할 수 있게 하는 변환 기능.
특허 수집·랭킹
KIPRIS Plus API로 관련 한국 특허를 수집하고 Solar Embedding 기반 임베딩 유사도로 정렬해 가장 유사한 상위 5건을 산출하는 랭킹.
분석 리포트 생성
유사 특허와의 충돌 요소, 차별화 전략을 포함한 한국어 마크다운 리포트를 생성해 의사결정에 바로 쓸 수 있는 결과물.
Tech stack
Team / Role
Team project · 4명
기획서 작성, 발표 자료 구성, 프로젝트 문서화 및 전체 발표 흐름을 담당
백엔드 구현 보조 및 GitHub 협업 규칙 정리와 프로젝트 운영을 담당
Agentic Workflow 구현 및 테스트를 중심으로 전체 시스템 구현에 핵심적으로 참여
Architecture
LangGraph로 검색·수집·랭킹·분석·fallback을 분리한 선형 agent workflow를 구성하고, FastAPI·Python 백엔드, Next.js/Streamlit UI, KIPRIS Plus API와 Solar LLM·Embedding을 연동한 구성. Docker Compose로 실행 환경을 묶고 SSE로 진행 상황을 실시간 전달하는 구조.
Metrics
Learnings
단순히 LLM을 한 번 호출하는 방식보다, 검색·랭킹·분석·예외 처리를 단계로 분리한 agentic workflow가 결과의 완성도와 신뢰도를 크게 높인다는 점. 각 단계에 fallback을 두는 설계가 실제 사용 환경에서의 안정성을 좌우한다는 교훈.

