AI
A2A 기반 Recipe Agent 개발기
두줄요약
A2A와 Genkit으로 레시피 추천용 AI 에이전트를 구축한 과정을 다뤘습니다. 330만 건 비교 문제를 필터링, 프롬프트 최적화, 병렬 인프라로 해결했습니다.
문제 상황
- 워크플로우·마케팅 레시피 수가 많아 사용자가 적합한 템플릿을 찾기 어려운 발견성 문제
- 레시피 유사성 판단과 성과 집계에 330만 건 규모의 비교가 필요해 수작업·규칙 기반 방식이 한계에 도달
- JSON 구조와 로직 패턴이 복잡해 키워드 매칭이나 결정론적 코드만으로는 의미적 유사성 판단이 어려움
해결 방법
- A2A와 Genkit, TypeScript를 활용해 워크플로우·마케팅용 Recipe Agent를 분리 구성
extract-core-logic로 JSON 레시피를 핵심 로직 요약으로 변환한 뒤 의미적 유사성 비교 수행- AI는 카테고리별 점수 산정에 집중하고, 합계·임계값 판단은 결정론적 코드로 분리
성능/운영 포인트
- 언어·메신저·응답 크기 기준 사전 필터링으로 비교 대상을 330만 건에서 30만 건으로 축소
- F1 스코어, 임계값 탐색, 오탐 패턴 분석, 가중치 조합 탐색으로 프롬프트와 판정 기준을 반복 최적화
- Kubernetes StatefulSet과 다중 API 키, 로드 밸런싱으로 rate limit을 우회해 대규모 병렬 처리 구성