lasta/AI

Files

$LASTA_DEV01\lasta$ LASTA_DEV01\lasta 9e88f4c7ad ontology

2026-05-13 19:57:34 +09:00

22 KiB

Raw Blame History

범용 온톨로지 구축 플랫폼 통합 설계안

작성일: 2026-05-13
대상 자료: 오픈소스분석자료 폴더의 8개 분석 문서

0. 최종 결론

시작 프로젝트는 현재 저장소의 crawler_platform을 유지한다. 이미 FastAPI, SQLAlchemy, 프로젝트/소스/Page/Entity/Claim/Evidence 모델, 크롤링 파이프라인, 웹 UI, 연구 루프 일부가 존재하므로 이것을 버리고 외부 프로젝트 하나로 갈아타는 것은 손실이 크다.

다만 8개 오픈소스 중 “기본 엔진” 역할은 OntoCast가 가장 적합하다. OntoCast는 문서 입력에서 RDF 온톨로지와 Facts를 만들고, GraphUpdate/SPARQL 증분 갱신, renderer/critic retry loop, entity aggregation, triple store abstraction을 갖고 있어 온톨로지 구축 코어에 가장 직접적이다.

권장 구조는 다음과 같다.

crawler_platform                  # 제품/플랫폼 껍데기. 계속 유지
  Platform API / UI / DB / Jobs
  Source & Dataset Management
  Review / Approval / Versioning
  Adapters
    Trafilatura                   # 웹 본문/메타/구조 추출
    Crawl4AI                      # JS/동적/딥 크롤링, 필요 시 추가
    OntoCast Core                 # RDF ontology/facts 생성 엔진
    Guardrails                    # LLM 구조화 출력 검증 게이트
    Neo4j GraphRAG                # KG projection, GraphRAG, Text2Cypher
  Optional / reference only
    Firecrawl                     # API/옵션 설계 참고, 초기 직접 통합 제외
    Knowledge Agent               # gap/audit workflow 패턴 참고
    OpenDeepResearcher            # 외부 검색 루프 패턴 참고

초기 실제 통합 수는 최대한 줄인다.

1차 실제 통합: Trafilatura, OntoCast, Guardrails
2차 실제 통합: Neo4j GraphRAG
3차 실제 통합: Crawl4AI
코드 통합 보류: Firecrawl
패턴/프롬프트만 차용: Knowledge Agent, OpenDeepResearcher

이렇게 하면 핵심 기능은 상용제품 수준으로 설계하면서도, 한 번에 여러 거대 프로젝트를 섞어서 생기는 버그를 피할 수 있다.

1. 8개 오픈소스별 채택 판단

오픈소스	가장 큰 장점	채택 방식	초기 통합 여부
OntoCast	문서 기반 RDF ontology/facts 생성, GraphUpdate/SPARQL 증분 갱신, renderer/critic retry loop, entity aggregation	코어 엔진으로 거의 원형 유지. API/UI는 현재 플랫폼에서 새로 감싼다	필수 P0
Trafilatura	HTML 본문/메타데이터/링크/표/중복 fingerprint 추출이 안정적이고 Apache-2.0	Python API를 adapter로 사용. `bare_extraction(output_format="python")` 중심	필수 P0
Guardrails	Pydantic/JSON Schema 기반 LLM 출력 검증, validator, reask/fix/filter 정책	`OntologyGuard` facade로 감싸고 온톨로지 전용 validator 추가	필수 P0
Neo4j GraphRAG	GraphSchema, SimpleKGPipeline, Neo4jWriter, Vector/Hybrid/Text2Cypher Retriever	고정 버전 dependency + wrapper. Neo4j는 canonical store가 아니라 projection/search 계층	필수 P1
Crawl4AI	Python 기반 비동기 크롤링, Playwright, Markdown, deep crawl, dispatcher/cache	JS-heavy/dynamic source 전용 adapter. Trafilatura 실패 시 fallback	필수 P2
Firecrawl	상용급 scrape/map/crawl/batch/search API 표면과 job 운영 모델	API/옵션/상태 모델 참고. AGPL/TypeScript/운영 복잡도 때문에 초기 직접 병합 제외	보류
Knowledge Agent	지식 공백 탐지, 연구-큐레이션-감사-수정-개선 루프	LangGraph workflow와 LightRAG 프롬프트 패턴만 차용. 코드 안정화 후 일부 도입	패턴 P2
OpenDeepResearcher	검색어 생성, 검색, 페이지 유용성 평가, 추가 검색 판단 반복 루프	작은 모듈로 재작성. 원본 notebook 코드는 그대로 제품 코드에 넣지 않음	패턴 P2

2. 중복 기능 제거 원칙

중복되는 프로젝트를 동시에 같은 책임으로 쓰지 않는다.

책임	최종 선택	제외/보류
정적 웹 본문 추출	Trafilatura	Firecrawl scrape를 기본으로 쓰지 않음
동적 페이지/딥 크롤	Crawl4AI	Firecrawl과 Crawl4AI 동시 기본 사용 금지
문서 기반 RDF 온톨로지 생성	OntoCast	Neo4j GraphRAG의 자유 KG 추출을 canonical ontology로 직접 확정하지 않음
LLM 출력 검증	Guardrails	자체 ad-hoc JSON validation만으로 끝내지 않음
GraphRAG/질의응답	Neo4j GraphRAG	OntoCast triple store에 질의응답 기능을 억지로 모두 구현하지 않음
외부 검색 연구	Platform ResearchLoop	Knowledge Agent와 OpenDeepResearcher를 각각 독립 실행하지 않음
Canonical 저장소	RDF/Fuseki + relational metadata	Neo4j를 원본 truth store로 삼지 않음

핵심 규칙:

모든 수집 결과는 먼저 Document와 ContentUnit으로 정규화한다.
모든 LLM 산출물은 Candidate 상태로 저장하고 바로 published graph에 넣지 않는다.
모든 엔티티/관계/트리플은 evidence와 provenance 없이는 승인할 수 없다.
RDF/Fuseki를 canonical semantic store로 둔다.
Neo4j는 projection, graph search, GraphRAG, Text2Cypher용으로 둔다.
Firecrawl은 초기에는 직접 통합하지 않고, API 설계와 운영 상태 모델만 참고한다.

3. 상용제품 기준 전체 기능 설계

3.1 제품 모듈

Ontology Studio Platform
  Project & Tenant
    - 프로젝트 생성/설정/권한
    - 도메인 정책, 언어 정책, LLM/embedding profile
    - source trust policy, robots/license/privacy policy

  Dataset & Source
    - 파일 업로드, URL seed, sitemap/feed discovery
    - source catalog, update schedule
    - source reliability score, blocklist, allowlist

  Ingestion
    - Trafilatura static extraction
    - Crawl4AI dynamic/deep crawling
    - document parse: PDF/DOCX/HTML/JSON/CSV
    - dedup, content hash, fingerprint
    - provenance, raw artifact storage

  Ontology Build Engine
    - ContentUnit chunking
    - ontology selection or fresh ontology creation
    - GraphUpdate/SPARQL delta generation
    - facts extraction
    - renderer/critic/retry loop
    - entity aggregation and URI normalization

  Validation Gate
    - Pydantic schema validation
    - JSON repair/type normalization
    - ontology-specific validator
    - SHACL/OWL validation
    - evidence alignment validation
    - reask/fix/filter/refrain policy

  Review & Governance
    - candidate entity/relation/triple review
    - source evidence highlight
    - GraphUpdate diff viewer
    - approve/reject/merge/split/edit
    - reviewer audit log
    - schema draft -> published workflow
    - rollback/release/version tagging

  Storage
    - relational DB: project/job/source/page/review/audit metadata
    - artifact store: raw HTML, markdown, extracted JSON, TTL, screenshots
    - Fuseki/RDF store: canonical ontology/facts
    - Neo4j: graph projection, vector/fulltext index, GraphRAG

  Search & Use
    - SPARQL query
    - graph neighborhood search
    - vector/hybrid search
    - GraphRAG answer with provenance
    - read-only Text2Cypher
    - export: TTL, RDF/XML, JSON-LD, CSV, Parquet

  Research & Improvement
    - knowledge gap detection
    - external search planning
    - usefulness scoring
    - context/evidence extraction
    - repeated failure analysis
    - schema/prompt/source policy improvement suggestions

  Operations
    - async job queue
    - progress/cancel/retry
    - cost/budget tracking
    - LLM cache
    - metrics/logs/traces
    - backup/restore
    - admin safety controls

3.2 기준 데이터 모델

현재 crawler_platform 모델을 확장한다.

필수 추가/정리 모델:

모델	목적
`Dataset`	프로젝트 내 문서 묶음, import batch 단위
`Document`	URL/파일/API 응답의 정규화 원문
`ContentUnit`	chunk, source offsets, section/table/list 정보
`Artifact`	raw html, markdown, body xml, TTL, JSON, screenshot 저장 위치
`OntologySchemaVersion`	draft/published/archived schema, version, hash
`GraphDelta`	OntoCast GraphUpdate/SPARQL delta와 적용 상태
`CandidateEntity`	검수 전 엔티티 후보
`CandidateRelation`	검수 전 관계 후보
`CandidateTriple`	검수 전 RDF/property graph 후보
`ValidationRun`	Guardrails/SHACL/OWL 검증 결과
`ReviewDecision`	승인/반려/수정/병합 이력
`EntityMergeCandidate`	exact/fuzzy/embedding merge 후보
`ResearchSession`	외부 검색/공백 보완 세션
`JobRun`	수집/추출/검증/저장 작업 상태

기존 Page, Entity, Claim, Evidence, OntologyTriple, KnowledgeGap은 유지하되 아래 필드를 보강한다.

Page: markdown, body_xml_ref, fingerprint, language, change_status, last_checked_at
Claim: candidate_status, validation_status, review_status, ontology_version
Evidence: content_unit_id, char_start, char_end, selector, quote_hash
OntologyTriple: graph_uri, ontology_version_id, rdf_subject, rdf_predicate, rdf_object, provenance_graph_uri

4. 최종 아키텍처

flowchart TB
    UI["Ontology Studio UI"] --> API["FastAPI Platform API"]
    API --> JOB["Job Queue / Worker"]
    API --> DB["Relational Metadata DB"]

    JOB --> ING["Ingestion Pipeline"]
    ING --> TRA["Trafilatura Adapter"]
    ING --> C4A["Crawl4AI Adapter"]
    ING --> DOC["Document / ContentUnit Store"]

    DOC --> ONTO["OntoCast Core Engine"]
    ONTO --> GUARD["Guardrails Validation Gate"]
    GUARD --> REVIEW["Human Review Queue"]
    REVIEW --> RDF["Canonical RDF Store / Fuseki"]

    RDF --> NEO["Neo4j Projection"]
    NEO --> RAG["GraphRAG / Text2Cypher / Hybrid Search"]
    RDF --> EXPORT["TTL / JSON-LD / RDF Export"]

    DB --> OBS["Audit / Metrics / Cost Dashboard"]
    JOB --> OBS

    RESEARCH["Research Loop"] --> ING
    RESEARCH --> DOC
    RESEARCH --> REVIEW

저장소 원칙:

Relational DB: 제품 상태, 작업 상태, 검수/승인/감사 이력.
Artifact Store: 원문과 중간 산출물.
RDF Store: 승인된 canonical ontology/facts.
Neo4j: 검색/탐색/GraphRAG projection.

5. 기능별 상세 설계

5.1 Project & Tenant

상용제품 수준 필수 기능:

프로젝트 생성/복제/보관
프로젝트별 namespace/base IRI
프로젝트별 언어, ontology naming policy
LLM profile, embedding profile
source trust policy
승인 정책: 자동 승인 금지, 저위험 자동 승인, 고위험 수동 승인
사용자/역할: admin, ontologist, reviewer, operator, viewer

5.2 Source & Dataset

기능:

URL seed 등록
sitemap/feed discovery
파일 업로드
API/DB source 등록
source trust score
robots/license/privacy policy
update schedule
change detection
실패 URL과 denial reason 저장

채택 소스:

Trafilatura: feed/sitemap discovery, metadata extraction
Crawl4AI: JS-heavy/dynamic page, deep crawl
Firecrawl: map/crawl/search 옵션 설계 참고

5.3 Ingestion

표준 파이프라인:

Source
  -> URL/File discovery
  -> fetch/render
  -> raw artifact save
  -> Trafilatura bare_extraction
  -> metadata normalize
  -> content hash/fingerprint
  -> ContentUnit chunking
  -> quality score
  -> Document ready

수용 기준:

HTML 없이 텍스트만 있는 문서도 처리
JS 렌더링 필요 시 Crawl4AI fallback
동일 URL/동일 본문/near duplicate 구분
제목/날짜/저자/canonical URL/source URL 보존
table/list/heading 구조를 잃지 않음
evidence offset 또는 selector를 가능한 한 보존

5.4 Ontology Build

OntoCast를 중심에 둔다.

기능:

ontology 선택 또는 신규 생성
RDFGraph/ Ontology/ContentUnit 모델 사용
GraphUpdate 기반 증분 갱신
facts renderer/critic loop
ontology renderer/critic loop
unit별 병렬 처리
entity aggregation
URI 정규화
owl:sameAs 보존
budget/caching

플랫폼에서 추가할 기능:

project/dataset/job 식별자
다중 문서 corpus 처리
비동기 job progress
output artifact 저장
Korean/domain prompt profile
versioning/diff/rollback
human review 연결

5.5 Validation Gate

Guardrails를 OntologyGuard로 감싼다.

초기 필수 validator:

Validator	기능	실패 정책
`EntityIdFormatValidator`	ID/URI 형식 검증	fix/reask
`UniqueEntityValidator`	중복 엔티티 후보 검증	reask/filter
`RelationEndpointExistsValidator`	관계 양끝 엔티티 존재 확인	reask
`PredicateVocabularyValidator`	허용 predicate/ontology schema 매핑	custom/reask
`EvidenceExistsValidator`	evidence가 원문 ContentUnit에 존재하는지 확인	filter/reask
`NoHallucinatedClassValidator`	근거 없는 class/property 생성 차단	reask
`ConfidenceRangeValidator`	0~1 confidence 보정	fix
`SHACLShapeValidator`	SHACL/OWL 제약 검증	exception/reask
`NoUnsafeCypherValidator`	Text2Cypher write/delete 차단	exception

정책:

parsing/schema 오류는 reask 1회
의미가 바뀔 수 있는 자동 fix는 금지
evidence 없는 triple은 저장 금지
최종 실패는 review queue로 이동

5.6 Review & Versioning

상용제품 차별화의 핵심이다.

필수 화면/API:

candidate entity/relation/triple 목록
원문 evidence highlight
GraphUpdate diff
accepted/rejected/edited 상태
schema draft/published 전환
version diff
rollback
merge/split editor
reviewer comment
audit log

승인 상태:

generated
  -> validated
  -> pending_review
  -> approved
  -> published
  -> superseded / rejected / archived

5.7 Storage & Projection

Canonical:

Fuseki/RDF store에 승인된 ontology/facts 저장
provenance는 named graph 또는 side graph로 분리

Projection:

Neo4j에 RDF/property graph projection
Document/Chunk/Entity/Relation/Evidence 연결 유지
vector/fulltext index 생성
GraphRAG와 Text2Cypher는 read-only API로 제공

보안:

Text2Cypher는 read-only 검사
result limit, timeout, 금지 키워드, 권한 필터
schema allowlist 적용

5.8 Research Loop

Knowledge Agent와 OpenDeepResearcher는 독립 프로젝트로 붙이지 않는다. 현재 crawler_platform.app.core.research 아래에 하나의 ResearchLoop로 재구성한다.

기능:

knowledge gap detection
검색어 생성
검색 provider 인터페이스
URL 중복 제거
page usefulness scoring
context/evidence extraction
gap coverage 계산
추가 검색 판단
source curation
review queue로 후보 전달

차용:

Knowledge Agent: Analyst/Researcher/Curator/Auditor/Fixer/Advisor 역할 분리, LightRAG JSON 추출 프롬프트
OpenDeepResearcher: 반복형 검색 루프, page usefulness, 추가 검색 판단, 비동기 병렬 처리

필수 수정:

notebook/CLI/input 구조 제거
eval 금지
JSON schema + Guardrails 검증
API key/config 하드코딩 제거
session history DB 저장
cancellation/retry/progress 추가

6. 단계별 통합 계획

각 단계는 독립적으로 완료/검증한 뒤 다음 단계로 간다. 한 단계에서 실패하면 다음 오픈소스를 붙이지 않는다.

Phase 0. 기준선 고정

목표:

현재 crawler_platform 기능과 테스트 기준선을 고정한다.

작업:

현재 테스트 전체 실행
DB schema snapshot 작성
주요 API smoke test 작성
sample HTML 수집 -> entity/claim 저장 흐름 고정

완료 조건:

기존 기능 regression 없음
현재 DB 모델과 API 목록 문서화

Phase 1. 공통 데이터 계약 먼저 구축

목표:

외부 소스 통합 전 내부 표준 모델을 확정한다.

작업:

Document, ContentUnit, Artifact, CandidateTriple, ValidationRun, ReviewDecision, GraphDelta 모델 추가
기존 Page/Claim/Evidence/OntologyTriple과 호환 mapping 작성
모든 ingestion 결과가 Document -> ContentUnit으로 들어오게 한다.

완료 조건:

기존 crawl 결과가 새 Document/ContentUnit으로 저장됨
기존 Claim/Evidence 저장이 깨지지 않음

Phase 2. Trafilatura 통합

목표:

정적 웹 문서를 ontology-ready document로 안정 정제한다.

작업:

TrafilaturaAdapter 추가
bare_extraction(output_format="python", with_metadata=True) 사용
metadata, body XML, fingerprint, links/tables를 Artifact/ContentUnit에 저장
기존 parser/fetcher와 교체하지 않고 source profile로 선택 가능하게 한다.

완료 조건:

한국어/영어 sample HTML 10개 이상에서 본문/메타/링크 추출
table/list/heading chunk 보존
동일 본문 fingerprint 중복 감지

Phase 3. OntoCast Core 통합

목표:

문서에서 ontology/facts RDF 후보를 생성한다.

작업:

OntoCast의 onto/, agent/, stategraph/, tool/ 핵심만 별도 package로 가져온다.
Robyn API/CLI는 가져오지 않는다.
OntologyBuildService.process_document() facade 작성
ContentUnit -> OntoCast ContentUnit adapter 작성
output TTL/GraphUpdate/Facts를 Artifact와 GraphDelta로 저장

완료 조건:

단일 문서로 ontology TTL과 facts TTL 생성
GraphUpdate delta 저장
critic retry 결과와 budget 기록
아직 published store에는 자동 반영하지 않음

Phase 4. Guardrails 검증 게이트 통합

목표:

LLM 산출물의 schema 오류와 근거 없는 triple을 저장 전에 차단한다.

작업:

OntologyGuard facade 작성
Pydantic output schema 정의
최소 validator 5개 구현
OntoCast output과 기존 extractor output을 같은 검증 게이트에 통과
ValidationRun 저장

완료 조건:

잘못된 JSON/schema는 저장 차단
evidence 없는 triple은 후보에서 제거 또는 reask
validation log가 UI/API에서 조회 가능

Phase 5. Review/Versioning 최소 구현

목표:

검증된 후보를 사람이 승인해야 canonical graph에 반영한다.

작업:

candidate list API
evidence 조회 API
approve/reject/edit API
GraphDelta publish API
ontology schema draft/published version 모델

완료 조건:

candidate -> approved -> published 상태 전이
rollback 가능한 version 기록
누가 무엇을 승인했는지 audit log 저장

Phase 6. Neo4j GraphRAG 통합

목표:

승인된 RDF/claim을 Neo4j projection으로 만들고 검색/RAG를 제공한다.

작업:

neo4j-graphrag 고정 버전 의존성 추가
RDF/Claim/ContentUnit -> Neo4j graph projection 작성
Vector/Hybrid/VectorCypher retriever wrapper 작성
GraphRAG API 작성
Text2Cypher read-only sandbox 작성

완료 조건:

approved graph가 Neo4j에 projection됨
chunk -> entity -> evidence 검색 가능
Text2Cypher가 쓰기/삭제 명령을 차단

Phase 7. Crawl4AI 통합

목표:

JS-heavy/dynamic site와 deep crawl을 안정 처리한다.

작업:

Crawl4AIAdapter 추가
source profile: static, dynamic_page, deep_discovery, structured_extract
rendered HTML/markdown/screenshot 선택 저장
rendered HTML을 Trafilatura에 다시 넣는 hybrid path 구성

완료 조건:

JS page에서 rendered HTML 추출
cache/session/dispatcher 설정 가능
deep crawl은 domain/path/rate limit 정책을 지킴

Phase 8. Research Loop 통합

목표:

사용자가 seed URL을 몰라도 지식 공백을 기반으로 외부 자료를 찾는다.

작업:

ExternalResearchLoop 추가
search provider interface 작성
query/usefulness/context/next-decision JSON schema 작성
KnowledgeGap과 ResearchSession 연결
유용 context를 Document/ContentUnit/Candidate로 저장

완료 조건:

gap -> search query -> useful page -> evidence context -> candidate 저장
session history/cost/progress/cancel 지원

Phase 9. Firecrawl optional adapter 검토

목표:

필요할 때만 Firecrawl을 외부 수집 서비스로 붙인다.

조건:

Crawl4AI 운영이 불안정하거나, Firecrawl의 self-host scrape/map/crawl API가 운영상 더 낫다고 판단될 때만 진행
AGPL/라이선스 검토 완료
TypeScript service를 Python 코드베이스에 직접 병합하지 않음

완료 조건:

FirecrawlAdapter가 외부 HTTP API만 호출
core ontology pipeline은 Firecrawl에 의존하지 않음

7. 개발 지시 원칙

다른 AI 에이전트에게 작업시킬 때 반드시 지킬 원칙:

한 번에 하나의 오픈소스만 붙인다.
원본 코드를 직접 대량 수정하지 말고 adapter/facade를 만든다.
외부 프로젝트 API가 흔들리면 wrapper만 고친다.
canonical data contract는 Document, ContentUnit, Candidate, Evidence, GraphDelta, ValidationRun이다.
published graph는 review/approval 없이 변경하지 않는다.
Firecrawl과 Crawl4AI를 같은 기본 crawler로 동시에 쓰지 않는다.
OntoCast와 Neo4j GraphRAG의 역할을 섞지 않는다. OntoCast는 RDF 생성/갱신, Neo4j는 projection/search/RAG다.
Guardrails를 통과하지 않은 LLM output은 DB에 확정 저장하지 않는다.
evidence/provenance 없는 entity/relation/triple은 폐기하거나 review queue로 보낸다.
각 단계마다 unit test, integration test, DB migration test, sample data smoke test를 통과한 뒤 다음 단계로 간다.

8. 최종 권장 구현 순서 요약

가장 안전한 순서:

현재 crawler_platform 기준선 테스트 고정
공통 데이터 계약 확장
Trafilatura adapter
OntoCast core facade
Guardrails validation gate
review/versioning workflow
Neo4j GraphRAG projection/search
Crawl4AI dynamic crawler
Knowledge Agent/OpenDeepResearcher 기반 ResearchLoop
Firecrawl optional adapter

가장 중요한 결정:

기본 프로젝트: 현재 crawler_platform
기본 온톨로지 엔진: OntoCast
기본 웹 정제 엔진: Trafilatura
기본 검증 엔진: Guardrails
기본 검색/RAG 엔진: Neo4j GraphRAG
동적 크롤링 엔진: Crawl4AI
Firecrawl: 초기 제외, 설계 참고 또는 선택 외부 서비스

이 설계는 “있는 소스를 최대한 그대로 쓰되, 제품으로 필요한 연결/검수/버전/운영 계층만 우리가 만든다”는 방향이다. 실제 통합 코드는 얇은 adapter와 안정된 내부 데이터 계약 위에 쌓아야 한다.

22 KiB Raw Blame History

범용 온톨로지 구축 플랫폼 통합 설계안

0. 최종 결론

1. 8개 오픈소스별 채택 판단

2. 중복 기능 제거 원칙

3. 상용제품 기준 전체 기능 설계

3.1 제품 모듈

3.2 기준 데이터 모델

4. 최종 아키텍처

5. 기능별 상세 설계

5.1 Project & Tenant

5.2 Source & Dataset

5.3 Ingestion

5.4 Ontology Build

5.5 Validation Gate

5.6 Review & Versioning

5.7 Storage & Projection

5.8 Research Loop

6. 단계별 통합 계획

Phase 0. 기준선 고정

Phase 1. 공통 데이터 계약 먼저 구축

Phase 2. Trafilatura 통합

Phase 3. OntoCast Core 통합

Phase 4. Guardrails 검증 게이트 통합

Phase 5. Review/Versioning 최소 구현

Phase 6. Neo4j GraphRAG 통합

Phase 7. Crawl4AI 통합

Phase 8. Research Loop 통합

Phase 9. Firecrawl optional adapter 검토

7. 개발 지시 원칙

8. 최종 권장 구현 순서 요약

22 KiB

Raw Blame History