Rasa란
Rasa는 성숙한 대화형 AI 프레임워크로, 학습된 NLU 파이프라인을 통한 인텐트 분류와 엔터티 추출, 그리고 규칙, 스토리, 정책을 통한 대화 관리를 제공합니다. Python 네이티브이고 자체 호스팅이 가능하며, 수년간 대량의 스크립트형 고객 서비스 어시스턴트에 대한 기본 답이었습니다. Rasa Pro는 LLM 기반 대화를 포함한 상용 티어를 더합니다.
같은 문제, 다른 세대의 해법
EDDI와 Rasa는 모두 대화형 AI 세계에서 나왔으며, EDDI는 2006년부터 대화형 플랫폼으로 지속적으로 개발되어 왔습니다. 차이는 지능이 어디에 있느냐입니다. Rasa는 이를 자신의 레이블 데이터로 학습시키는 모델에 두며, 정밀하고 반복 가능한 제어를 얻습니다. EDDI는 이를 선언적 구성으로 통제되는 오케스트레이션된 LLM에 두며, 어느 정도의 결정론을 범위와 변경 속도와 맞바꿉니다.
대화, 도구, 그리고 변경 비용
| 항목 | Rasa | EDDI |
|---|---|---|
| 이해 | 학습된 NLU: 레이블 데이터에서 인텐트 분류와 엔터티 추출 | LLM 이해와 인텐트 기반 에이전트 탐색 및 라우팅 |
| 동작 변경 | 학습 데이터 업데이트, 재학습, 평가, 재배포 | JSON 구성 편집, 재학습도 재배포도 없음 |
| 결정론 | 높음. 규칙과 정책이 플로를 반복 가능하고 테스트 가능하게 만듦 | 본질적으로 낮음, behavior rules와 승인 게이트로 보완 |
| 언어 | Python, 사용자 정의 액션은 Python 코드 | JVM 런타임, 에이전트 로직은 구성이고 도구는 선언됨 |
| 도구 생태계 | 직접 구축하고 호스팅하는 사용자 정의 액션 서버 | 84개 MCP 도구, 내장 에이전트 도구, 그리고 모든 OpenAPI 엔드포인트 |
| 멀티 에이전트 | 배포당 하나의 어시스턴트가 일반적인 패턴 | 코디네이터 기반 오케스트레이션과 7가지 그룹 토론 스타일 |
| 라이선스 | 커뮤니티 에디션과 상용 라이선스의 Rasa Pro 티어, 최신 조건을 확인할 것 | Apache 2.0, OSI 승인 |
| 규정 준수 | 자체 호스팅으로 데이터 레지던시 지원, 프레임워크는 배포마다 구현 | 플랫폼에서 감사 원장, 정보 주체 권리 API, 15+개 프레임워크 대응 |
다른 도구에 대한 내용은 2026년 10월 기준으로 공식 문서와 저장소를 확인한 것입니다. 이러한 프로젝트는 변화가 빠르므로, 결정하기 전에 해당 벤더에서 최신 동작을 확인하세요.
둘 사이에서 고르기
Rasa가 더 나은 선택인 경우
- 이미 레이블이 붙은 대화 데이터가 있고 NLU 파이프라인을 유지할 수 있는 ML 팀이 있습니다.
- 규제 또는 브랜드 제약상 언어 모델이 관여하지 않는, 감사 가능한 의사결정 경로를 가진 결정론적 어시스턴트가 필요합니다.
- 좁은 인텐트 집합에 대한 매우 높은 물량으로, 턴당 LLM 비용이 지배적일 것입니다.
- 분류 신뢰도 임계값과 폴백 동작에 대한 세밀한 제어가 필요합니다.
EDDI가 더 나은 선택인 경우
- 어시스턴트가 재학습 주기보다 빠르게 바뀌는 문서와 시스템을 바탕으로 답해야 합니다.
- 비즈니스 사용자가 ML 엔지니어, 학습 실행, 배포 없이 동작을 바꿔야 합니다.
- 하나의 평평한 인텐트 트리가 아니라 여러 전문 에이전트가 협업해야 하는 문제입니다.
- LLM의 유연성을 원하지만, 출시 전에 규정 준수 담당자가 승인 게이트와 서명된 로그를 요구합니다.
- 모델 계층의 종속을 피하고 싶습니다: 19개 제공자, 또는 Ollama나 Jlama를 통한 로컬 모델.
Rasa에서 어시스턴트 옮기기
둘은 지능을 서로 다른 곳에 두므로 매핑은 기계적이 아니라 개념적입니다. 파일을 변환하기보다 인텐트 구조를 라우팅과 프롬프트로 번역하게 된다고 예상하세요.
| Rasa | EDDI |
|---|---|
| 인텐트와 학습 예시 | 인텐트 기반 에이전트 탐색, 레이블 데이터는 학습 입력이 아니라 평가 자료가 됨 |
| 엔터티와 슬롯 | 구조화된 추출과 영속 사용자 메모리 |
| 스토리와 규칙 | Behavior rules와 파이프라인 구성 |
| 사용자 정의 액션 서버 | MCP 도구 또는 httpCall 도구 정의 |
| 응답과 도메인 파일 | 재사용 가능하고 버전 관리되는 프롬프트 스니펫 |
| 폴백 정책 | 타임아웃 정책을 갖춘 Human-in-the-Loop 에스컬레이션 |
자주 묻는 질문
EDDI는 학습된 NLU를 대체하는 또 하나의 LLM 래퍼일 뿐인가요?
EDDI는 현재의 LLM 세대보다 훨씬 이전인 2006년부터 대화형 플랫폼으로 개발되어 왔으며, 중요했던 부분인 인텐트 기반 라우팅, 관리되는 대화 상태, 파이프라인 아키텍처를 유지했습니다. LLM이 대체한 것은 이해 계층이지, 그 주위의 오케스트레이션이 아닙니다.
규정 준수를 위해 결정론적 답변이 필요합니다. 그렇다면 EDDI는 제외되나요?
꼭 그렇지는 않지만, 이 거래는 명시적이어야 합니다. LLM 출력은 결정론적이지 않습니다. EDDI는 응답을 제약하는 behavior rules, 중대한 동작에 대한 사람 승인 게이트, 무엇을 왜 결정했는지 기록하는 서명된 감사 원장으로 이를 다룹니다. 의사결정에 언어 모델이 전혀 관여하지 않아야 한다는 것이 요구사항이라면 Rasa가 더 나은 답입니다.
전환 기간에 둘 다 운영할 수 있나요?
네. 흔한 패턴은 알려진 대량 인텐트를 기존 Rasa 어시스턴트로 라우팅하고 EDDI가 개방형 질의와 시스템 통합을 처리하다가, 확신이 쌓이면 트래픽을 옮기는 것입니다. EDDI는 httpCall로 Rasa 엔드포인트를 호출할 수 있습니다.