Google의 OKF로 나만의 지식 브레인 구축하기 — 실전 사례

Search Engine Journal에서 Marie Haynes가 Google의 Open Knowledge Format(OKF)을 이용해 자신만의 “개인 브레인”을 구축한 경험을 상세히 공유했다. OKF의 표준 구조를 활용해 AI 에이전트가 커스텀 소프트웨어 없이 지식을 읽고 활용할 수 있도록 만든 실전 사례다.

무엇이 새로운가

OKF 파일은 마크다운 상단에 YAML 프론트매터를 두고, concept·entity·playbook·reference·system 등의 타입으로 지식을 분류한다. 에이전트는 먼저 index.md를 읽어 관련 영역만 선별적으로 접근하므로, 전체 지식 베이스에 RAG를 수행할 필요가 없다. 새로운 콘텐츠를 수집하면 기존 concept와의 연결을 자동으로 생성해 지식 그래프를 시각화할 수 있고, Google 문서 변경 사항을 매일 체크해 참조 파일을 자동 갱신하는 파이프라인도 구축했다고 한다. 또한 클라이언트 제안서 작성, Google 업데이트 후 사이트 영향 분석 등의 작업을 플레이북으로 문서화해 에이전트가 실행하도록 했으며, 분석 소요 시간이 이틀에서 수 시간으로 줄었다고 밝혔다. 이 접근법은 Andrej Karpathy의 LLM Wiki 아이디어에서 영감을 받았다.

설정 파일에 어떤 의미인가

OKF 자체가 설정 파일 포맷은 아니지만, 설정 관리 관점에서 주목할 부분이 있다. YAML 프론트매터 + 마크다운이라는 구조는 이미 Hugo, Jekyll, Docusaurus 같은 정적 사이트 생성기나 MDX 기반 문서 시스템에서 익숙한 패턴이다. 차이는 이 구조를 사람이 아닌 AI 에이전트가 소비하도록 표준화했다는 점이다. 기존 도구 설정 파일(ESLint, TypeScript 등)과 직접적인 상호작용은 없지만, 팀 내부의 설정 결정 근거나 마이그레이션 판단 기준을 OKF 형태로 문서화하면, 에이전트가 “왜 이 설정인가”를 맥락과 함께 참조할 수 있는 가능성이 열린다. 다만 원문은 SEO·콘텐츠 영역에 초점을 맞추고 있으며, 개발 설정 파일 워크플로우와의 구체적 통합 방법은 다루지 않았다. OKF 공식 스펙은 원문에 링크된 Google Cloud의 GitHub 저장소에서 확인할 수 있다.

다음 단계 제안

OKF를 직접 살펴보고 싶다면, 원문에 포함된 Google Cloud 블로그 포스트와 GitHub의 OKF 스펙 문서를 먼저 읽어보길 권한다. 코딩 경험이 없어도 Claude Code, ChatGPT Codex, Google Antigravity 같은 에이전트에게 원문의 프롬프트를 그대로 넘겨 초기 구조를 잡아볼 수 있다. 개발 팀이라면 내부 의사결정 기록이나 온보딩 지식을 OKF 번들로 정리하는 실험부터 시작해 보는 것이 현실적이다. 표준이 아직 초기 단계이므로 스펙 변경 가능성을 염두에 두고 작은 범위에서 시도하는 편이 낫다.

---

원문 전체 보기: Build An OKF Brain Like Mine! (Search Engine Journal)