포지션 상세
DeepConnector는 어떤 제품인가요?
DeepConnector는 기업 안에 흩어져 있는 문서를 AI가 이해하고 활용할 수 있는 지식으로 연결하는 엔터프라이즈 지식 플랫폼입니다.
PDF, 한글(HWP), 오피스 문서, 이미지 등 다양한 형태의 문서를 업로드하면 파싱·청킹·임베딩 과정을 거쳐 AI가 검색하고 활용할 수 있는 지식으로 변환합니다. 이렇게 만들어진 지식은 컬렉션 단위로 관리되며, 사용자와 조직에 따라 어떤 지식까지 접근할 수 있는지 세밀하게 통제할 수 있습니다.
축적된 지식은 MCP(Model Context Protocol)를 통해 Claude, Cursor와 같은 AI 클라이언트와 연결됩니다. 사용자는 별도의 문서를 찾아다니지 않아도 AI가 필요한 사내 지식을 직접 검색하고 활용하도록 만들 수 있습니다.
DeepConnector는 특정 검색 엔진에 종속되지 않습니다. pgvector, Qdrant, Elasticsearch, Apache AGE, Oracle 23ai AI Vector Search 등 고객사의 인프라와 요구사항에 맞는 검색 엔진을 선택할 수 있으며, Vector Gateway가 각 엔진의 차이를 하나의 인터페이스로 추상화합니다.
그리고 DeepConnector는 데모나 PoC에 머무르는 제품이 아닙니다. 인터넷이 차단된 금융·공공·엔터프라이즈 폐쇄망에서도 실제 사용자 트래픽을 처리하며 운영되는 제품입니다.
외부 인터넷 없이 컨테이너 번들만으로 전체 서비스를 구축하고 운영할 수 있어야 하며, PII 가명화, 감사 로그, 세밀한 권한 관리와 같은 엔터프라이즈 보안 요구사항도 제품 설계 단계부터 함께 다룹니다.
우리는 단순히 문서를 검색하는 서비스를 만드는 것이 아니라, 기업의 지식을 AI가 안전하게 사용할 수 있는 기반을 만들고 있습니다.
제품 화면 설계 및 개발
• Next.js 기반의 컬렉션·문서 관리, 검색 콘솔, 권한 설정, MCP 토큰 발급 등의 관리 UI를 설계하고 구현합니다.
• 문서 미리보기, 대용량 파일 업로드, SSE 기반 실시간 작업 상태 등 복잡한 사용자 인터랙션을 구현합니다.
백엔드 API 및 도메인 설계
• NestJS 기반 API 서버에서 권한 모델, 문서 처리 파이프라인, 변경 이력, 평가 배치 등의 기능을 설계하고 구현합니다.
• 기능 구현에 필요한 DB 스키마를 직접 설계하고 마이그레이션을 운영합니다.
검색 품질 개선
• 하이브리드 검색, 리랭킹, 용어사전 기반 질의 확장 등을 적용해 검색 품질을 개선합니다.
• 평가셋과 벤치마크를 통해 변경 전후의 검색 품질을 수치로 확인하고 개선합니다.
엔터프라이즈·온프레미스 환경 대응
• Oracle 호환, 폐쇄망 이미지 번들 등 다양한 고객사 인프라 환경에 대응합니다.
• 개발 환경에서는 재현되지 않는 온프레미스 환경의 문제를 분석하고 해결합니다.
AI 및 MCP 연동 설계
• AI가 사내 지식을 효과적으로 활용할 수 있도록 MCP Tool의 역할과 인터페이스를 설계합니다.
• LLM이 사용하기 좋은 Tool 구조와 파라미터를 고민하고 제품에 적용합니다.
• TypeScript 기반으로 프론트엔드와 백엔드를 모두 실무에서 개발해 본 경험이 있는 분
• NestJS와 Next.js 중 하나를 깊이 있게 다룰 수 있고, 다른 하나도 독립적으로 기능을 구현할 수 있는 분
• 관계형 데이터베이스의 스키마 설계 및 ORM 마이그레이션을 운영해 본 경험이 있는 분
• JWT 및 역할·스코프 기반의 인증·인가 기능을 직접 구현해 본 경험이 있는 분
• Python 코드를 읽고 기존 로직을 이해할 수 있는 분
• Docker를 활용해 로컬 개발 환경을 스스로 구성할 수 있는 분
• 요구사항이 완전히 정해지지 않은 상황에서도 필요한 질문을 던지고, 문제의 범위를 구체화하며 개발할 수 있는 분
DeepConnector는 기업 안에 흩어져 있는 문서를 AI가 이해하고 활용할 수 있는 지식으로 연결하는 엔터프라이즈 지식 플랫폼입니다.
PDF, 한글(HWP), 오피스 문서, 이미지 등 다양한 형태의 문서를 업로드하면 파싱·청킹·임베딩 과정을 거쳐 AI가 검색하고 활용할 수 있는 지식으로 변환합니다. 이렇게 만들어진 지식은 컬렉션 단위로 관리되며, 사용자와 조직에 따라 어떤 지식까지 접근할 수 있는지 세밀하게 통제할 수 있습니다.
축적된 지식은 MCP(Model Context Protocol)를 통해 Claude, Cursor와 같은 AI 클라이언트와 연결됩니다. 사용자는 별도의 문서를 찾아다니지 않아도 AI가 필요한 사내 지식을 직접 검색하고 활용하도록 만들 수 있습니다.
DeepConnector는 특정 검색 엔진에 종속되지 않습니다. pgvector, Qdrant, Elasticsearch, Apache AGE, Oracle 23ai AI Vector Search 등 고객사의 인프라와 요구사항에 맞는 검색 엔진을 선택할 수 있으며, Vector Gateway가 각 엔진의 차이를 하나의 인터페이스로 추상화합니다.
그리고 DeepConnector는 데모나 PoC에 머무르는 제품이 아닙니다. 인터넷이 차단된 금융·공공·엔터프라이즈 폐쇄망에서도 실제 사용자 트래픽을 처리하며 운영되는 제품입니다.
외부 인터넷 없이 컨테이너 번들만으로 전체 서비스를 구축하고 운영할 수 있어야 하며, PII 가명화, 감사 로그, 세밀한 권한 관리와 같은 엔터프라이즈 보안 요구사항도 제품 설계 단계부터 함께 다룹니다.
우리는 단순히 문서를 검색하는 서비스를 만드는 것이 아니라, 기업의 지식을 AI가 안전하게 사용할 수 있는 기반을 만들고 있습니다.
주요업무
DeepConnector에서는 프론트엔드와 백엔드를 구분해 티켓을 처리하기보다, 한 명의 엔지니어가 화면부터 API, 데이터, 검색 품질까지 하나의 기능을 끝까지 책임지는 방식으로 일합니다.제품 화면 설계 및 개발
• Next.js 기반의 컬렉션·문서 관리, 검색 콘솔, 권한 설정, MCP 토큰 발급 등의 관리 UI를 설계하고 구현합니다.
• 문서 미리보기, 대용량 파일 업로드, SSE 기반 실시간 작업 상태 등 복잡한 사용자 인터랙션을 구현합니다.
백엔드 API 및 도메인 설계
• NestJS 기반 API 서버에서 권한 모델, 문서 처리 파이프라인, 변경 이력, 평가 배치 등의 기능을 설계하고 구현합니다.
• 기능 구현에 필요한 DB 스키마를 직접 설계하고 마이그레이션을 운영합니다.
검색 품질 개선
• 하이브리드 검색, 리랭킹, 용어사전 기반 질의 확장 등을 적용해 검색 품질을 개선합니다.
• 평가셋과 벤치마크를 통해 변경 전후의 검색 품질을 수치로 확인하고 개선합니다.
엔터프라이즈·온프레미스 환경 대응
• Oracle 호환, 폐쇄망 이미지 번들 등 다양한 고객사 인프라 환경에 대응합니다.
• 개발 환경에서는 재현되지 않는 온프레미스 환경의 문제를 분석하고 해결합니다.
AI 및 MCP 연동 설계
• AI가 사내 지식을 효과적으로 활용할 수 있도록 MCP Tool의 역할과 인터페이스를 설계합니다.
• LLM이 사용하기 좋은 Tool 구조와 파라미터를 고민하고 제품에 적용합니다.
자격요건
• 웹 서비스 개발 경력 3년 이상이신 분• TypeScript 기반으로 프론트엔드와 백엔드를 모두 실무에서 개발해 본 경험이 있는 분
• NestJS와 Next.js 중 하나를 깊이 있게 다룰 수 있고, 다른 하나도 독립적으로 기능을 구현할 수 있는 분
• 관계형 데이터베이스의 스키마 설계 및 ORM 마이그레이션을 운영해 본 경험이 있는 분
• JWT 및 역할·스코프 기반의 인증·인가 기능을 직접 구현해 본 경험이 있는 분
• Python 코드를 읽고 기존 로직을 이해할 수 있는 분
• Docker를 활용해 로컬 개발 환경을 스스로 구성할 수 있는 분
• 요구사항이 완전히 정해지지 않은 상황에서도 필요한 질문을 던지고, 문제의 범위를 구체화하며 개발할 수 있는 분
