1. 서비스 개요

정자 (Jeong Ja)

(’정확한 자문’)

• 목표: 일반 사용자가 법률 문서나 판례에 기반하여
  정확하고 신뢰도 높은 국내 법률 상담을 받을 수 있도록 지원
• 핵심 기능:
  • 법률 문서 및 판례 기반 질의응답
  • AI 기반 질의 분류 및 적절한 도구 자동 호출
  • 사용자 피드백 기반 반복 개선
  • 스트리밍 대화 처리
• 기반 데이터: ‘최근 3년간의 법원도서관에서 제공한 판례공보’ 및 법률 문서(개인정보 보호법, 근로기준법, 주택임대차보호법)를 수집하여 벡터 데이터베이스(Pinecone)에 구축

근로기준법(법률)(제18176호)(20211119).pdf

개인정보 보호법(법률)(제19234호)(20240315).pdf

주택임대차보호법(법률)(제19356호)(20230719).pdf

법원도서관 판례공보 페이지

---

2. 아키텍처 구성

2-1. 주요 아키텍처

2-2. 기술 스택

• LangGraph: 멀티에이전트 그래프 처리 및 상태 관리
• Pinecone: 벡터 기반 법률 데이터베이스
• OpenAI GPT-4o: 고급 질의 이해 및 도구 호출
• SentenceTransformer (Ko-SRoBERTa): 한국어 문서 임베딩
• Gradio: 사용자용 인터페이스 (웹 기반)

2-3. LangGraph 기능

---

3. 아키텍처 Flow

3-1. 사용자 워크 플로우

사용자 질의가 들어오면 다음과 같은 흐름으로 처리됩니다

Langraph Workflow

1. START → 사용자의 질의가 LangGraph에 입력됨
2. Validator 노드에서 예외 처리 조건 확인
   - 질문이 너무 짧거나 (10자 미만)
   - 법률과 관련 없는 질문이거나
   - 외국법 관련 질문인 경우
   → error 노드로 분기되어 안내 메시지를 생성하고 종료
   
3. 조건을 만족하는 유효한 질문이면 Agent 노드로 이동
4. Agent Node에서 질문을 이해하고 필요한 경우 도구 호출을 위한 ToolCall을 생성
5. 도구 호출이 있을 경우 ToolNode가 Pinecone에서 판례/법령 문서를 검색
6. 검색 결과는 ToolMessage로 전달되며, context_handler 노드에서 해당 결과를 context로 저장
7. Agent Node는 이 context를 포함하여 최종 응답을 생성
8. 응답이 완료되면 END 노드로 흐름 종료

이러한 구조는 사용자의 질문을
분석 → 검증 → 벡터 검색 → ‘컨텍스트 통합’ → 답변 생성을
LangGraph 기반으로 순차적으로 처리합니다.

3-2. Agent 노드 정의

각 Agent 노드는 state: LegalState를 입력으로 받아,
특정 작업을 수행하고 상태를 갱신하여 반환합니다.

---

law_agent_node

기능: 문서 내 [법률 관련 정보] 섹션을 요약하여 반환합니다.

플로우:

1. state["context"]에서 [관련 판례] 이전 부분을 추출
2. 해당 내용을 자연스럽고 간결하게 요약 요청 (law_prompt)
3. 결과는 law_output에 저장
4. 메시지 스택에 응답 추가

예외 처리:

• context가 없으면 "법률 정보가 없습니다." 반환

law_section = context.split("[관련 판례]")[0].replace("[법률 관련 정보]", "").strip()
law_prompt = f"다음 법률 정보를 자연스럽고 간결하게 정리해 주세요:\n{law_section}"

---

case_agent_node

기능: 문서 내 [관련 판례] 섹션을 요약하여 반환합니다.

플로우:

1. context에서 [관련 판례] 이후 텍스트를 추출
2. 간결한 요약 요청 (case_prompt)
3. 결과는 case_output에 저장
4. 메시지 스택에 응답 추가

예외 처리:

• [관련 판례] 섹션이 없으면 "관련 판례 정보가 없습니다." 반환

case_section = context.split("[관련 판례]")[1].strip()
case_prompt = f"다음 판례 정보를 자연스럽고 간결하게 정리해 주세요:\n{case_section}"

---

summary_agent_node

기능: 질문 + 법률 정보 + 판례 정보를 종합해 최종 답변을 생성합니다.

플로우:

1. messages[0].content로부터 질문 추출
2. law_output과 case_output을 조합
3. 종합적이고 자연스러운 답변 생성 (summary_prompt)
4. 결과는 summary_output에 저장

summary_prompt = (
    f"질문: {messages[0].content}\n"
    f"법률 정보: {law_output}\n"
    f"판례 정보: {case_output}\n"
    f"위 정보를 바탕으로 종합적인 답변을 자연스럽게 작성해 주세요."
)

---

4. UI 화면 구성

인터페이스 구성 설명

inputs

• gr.Textbox로 구성되어 있어, 사용자가 질문을 텍스트로 입력할 수 있습니다.
• label="질문을 입력하세요": 텍스트 박스 위에 표시되는 라벨입니다.
• placeholder="예: 재산 분할 기준 알려줘": 사용자가 무엇을 입력할 수 있는지 힌트를 줍니다.

outputs

• 총 세 개의 Textbox로 구성되어 있으며 각각의 출력은 다음을 의미합니다:
  1. 법률 정보: 관련 법령이나 조항을 요약해 보여줍니다.
  2. 관련 판례: 법률적 판단에 참고할 수 있는 실제 사례(판례)를 제공합니다.
  3. 종합 답변: 위의 정보들을 바탕으로 일반인이 이해하기 쉬운 형태로 정리된 최종 답변입니다.

title & description

• title="법률 상담 AI": 인터페이스 상단에 표시될 이름입니다.
• description="법률 관련 질문을 입력하면 법률 정보, 관련 판례, 종합 답변을 각각 제공합니다.": 어떤 기능을 하는 인터페이스인지 간략히 설명합니다.

질문 UI

답변 UI

---

5. Trouble Shooting

Troubleshooting

1. Chunk_size 설정의 문제

• LM이나 임베딩 모델은 길이 제한이 있음 (예: BERT 기반: 512 토큰 이하).
• 문서 전체를 한 번에 처리하면 메모리 초과, 의미 단위 파악 실패.

주요 파라미터

• chunk_size=500: 한 덩어리로 자르는 최대 단어 수
• overlap=50: 문맥 보존을 위해 앞/뒤 덩어리 간 중첩
• 처음에는 chunk_size=1000으로 시도
  → 작은 판례 파일에서는 문제 없지만, 긴 법령에서는 문맥 단절 혹은 모델 입력 제한 초과 발생.
• overlap 없애고 처리했더니 답변에서 앞/뒤 내용 연결이 부자연스러움
  → overlap=50 적용해 문맥 유지.
• 최종적으로 500/50 조합이 정확도, 속도, 메모리 사용 측면에서 균형이 가장 좋았음

2. Pinecone에서 text 검색 불가의 문제

발전 방향

• 검색 정확도 개선 (예: 쟁점 기반 세분 검색)
• 판례/법령 요약 고도화 (사건 개요 / 판단 이유 분리)
• Gradio 기반 사용자 UI 연동 (챗봇, 파일 업로드, 요약 다운로드)
• LangSmith 연동 통한 그래프 워크플로우 모니터링 및 추적
• 사용자 정의 문서 업로드 및 맞춤 분석 기능