Supabase 사용해보기 (5) | Edge Function으로 약품 정보 검색하기

4편에서 Voyage AI로 임베딩을 생성하고 Supabase에 벡터 데이터를 적재했습니다. 이번 편에서는 적재된 데이터를 실제로 검색하는 search Edge Function을 구현하고, RAG 파이프라인을 완성하는 과정을 다룹니다.

---

이번 편에서 다루는 내용

• search Edge Function 구현
• similarity 임계값 설정 원리
• Claude API로 최종 답변 생성
• RAG 검색 품질 테스트

---

1. 검색 아키텍처

3편에서 등록한 search_medicines, search_medicines_hybrid 함수를 활용해 아래 흐름으로 검색합니다.

사용자 질문
    │
    ▼
[Voyage AI] → query 임베딩 생성 (input_type: "query")
    │
    ▼
[search_medicines] → top-1 similarity 확인 → 임계값 미만이면 차단
    │
    ▼
[search_medicines_hybrid] → 벡터 검색 + FTS → RRF 점수로 순위 통합
    │
    ▼
[Claude API] → 검색된 청크를 컨텍스트로 답변 생성
    │
    ▼
{ answer, sources }

참고: 저장 시 Voyage AI input_type은 "document", 검색 시에는 "query"로 구분합니다. 같은 모델이지만 용도에 따라 최적화된 임베딩을 생성해줍니다.

---

2. search Edge Function 작성

// supabase/functions/search/index.ts
import { createClient } from "jsr:@supabase/supabase-js@2";
import Anthropic from "npm:@anthropic-ai/sdk";

const VOYAGE_API_KEY    = Deno.env.get("VOYAGE_API_KEY")!;
const ANTHROPIC_API_KEY = Deno.env.get("ANTHROPIC_API_KEY")!;
const SUPABASE_URL      = Deno.env.get("SUPABASE_URL")!;
const SUPABASE_KEY      = Deno.env.get("SUPABASE_SERVICE_ROLE_KEY")!;
const API_SECRET_KEY    = Deno.env.get("API_SECRET_KEY")!;

const supabase = createClient(SUPABASE_URL, SUPABASE_KEY);
const claude   = new Anthropic({ apiKey: ANTHROPIC_API_KEY });

// 1. 질문을 query 타입 임베딩으로 변환
async function getQueryEmbedding(query: string): Promise<number[]> {
  const res = await fetch("https://api.voyageai.com/v1/embeddings", {
    method: "POST",
    headers: {
      "Content-Type": "application/json",
      "Authorization": `Bearer ${VOYAGE_API_KEY}`,
    },
    body: JSON.stringify({
      model: "voyage-3",
      input: [query],
      input_type: "query",  // 저장 시 "document", 검색 시 "query"
    }),
  });
  const data = await res.json();
  return data.data[0].embedding;
}

// 2. 관련 청크 검색
async function retrieve(query: string, topK = 5) {
  const embedding = await getQueryEmbedding(query);

  // top-1 similarity로 관련성 사전 판단 (임계값 없이 전체 검색)
  const { data: vectorData } = await supabase.rpc("search_medicines", {
    query_embedding:  embedding,
    match_threshold:  0.0,
    match_count:      1,
  });

  const topSimilarity = vectorData?.[0]?.similarity ?? 0;
  console.info(`query similarity top-1: ${topSimilarity.toFixed(4)}`);

  // 임계값 미만이면 무관한 질문으로 판단하고 차단
  if (topSimilarity < 0.35) return [];

  // Hybrid Search 실행
  const { data } = await supabase.rpc("search_medicines_hybrid", {
    query_text:      query,
    query_embedding: embedding,
    match_count:     topK,
  });

  return data ?? [];
}

// 3. 서버 핸들러
Deno.serve(async (req) => {
  const apiKey = req.headers.get("apikey");
  if (apiKey !== API_SECRET_KEY) {
    return new Response(JSON.stringify({ error: "Unauthorized" }), {
      status: 401,
      headers: { "Content-Type": "application/json" },
    });
  }

  try {
    const { query, top_k = 5 } = await req.json();

    if (!query) {
      return new Response(JSON.stringify({ error: "query is required" }), {
        status: 400,
        headers: { "Content-Type": "application/json" },
      });
    }

    // 관련 청크 검색
    const chunks = await retrieve(query, top_k);
    if (chunks.length === 0) {
      return new Response(
        JSON.stringify({ answer: "관련 약품 정보를 찾을 수 없습니다." }),
        { headers: { "Content-Type": "application/json" } }
      );
    }

    // Claude로 답변 생성
    const context = chunks
      .map((c: { content: string }, i: number) => `[${i + 1}] ${c.content}`)
      .join("\n\n");

    const message = await claude.messages.create({
      model:      "claude-sonnet-4-20250514",
      max_tokens: 1024,
      system: `당신은 약품 정보 전문 안내 AI입니다.
주어진 약품 정보 컨텍스트를 바탕으로만 답변하세요.
컨텍스트에 없는 내용은 "해당 정보가 없습니다"라고 답하세요.
의학적 판단이 필요한 경우 반드시 의사/약사 상담을 권고하세요.`,
      messages: [{
        role: "user",
        content: `## 약품 정보\n${context}\n\n## 질문\n${query}`,
      }],
    });

    const answer = (message.content[0] as { text: string }).text;

    return new Response(JSON.stringify({ answer, sources: chunks }), {
      headers: { "Content-Type": "application/json" },
    });

  } catch (err) {
    return new Response(JSON.stringify({ error: String(err) }), {
      status: 500,
      headers: { "Content-Type": "application/json" },
    });
  }
});
</number[]>

---

3. similarity 임계값 설정

임계값은 관련 없는 질문을 걸러내는 핵심 파라미터입니다.

retrieve() 함수에서 먼저 match_threshold: 0.0으로 top-1 similarity를 측정하고, 이 값이 임계값 미만이면 Hybrid Search를 아예 실행하지 않고 차단합니다. Edge Function 로그에서 아래처럼 확인할 수 있어요.

query similarity top-1: 0.8213  → 관련 있음, 검색 진행
query similarity top-1: 0.2130  → 관련 없음, 차단

Voyage-3 모델 기준으로 실제 측정한 분포는 아래와 같았습니다.

질문 유형 top-1 similarity

관련 있는 질문	0.75 ~ 0.85
관련 없는 질문	0.18 ~ 0.25

두 분포 사이인 0.35 근방을 임계값으로 설정하면 오탐/미탐을 모두 최소화할 수 있습니다. 임베딩 모델이 달라지면 이 분포도 달라지므로, 모델을 교체할 때는 반드시 재측정해야 합니다.

모델 평가 기준: 관련/무관 질문의 similarity 격차가 클수록 좋은 임베딩 모델입니다. Voyage-3는 관련 0.8대 / 무관 0.2대로 격차가 크고, 임베딩이 norm ≈ 1.0으로 정규화되어 있어 품질이 우수한 편입니다.

---

4. Edge Function 배포

supabase functions deploy search --no-verify-jwt

새 키 형식(sb_secret_)은 JWT가 아니므로 --no-verify-jwt 옵션이 필수입니다. (4편 참고)

---

5. RAG 검색 품질 테스트

검색 품질을 정량적으로 측정하는 Python 테스트 스크립트입니다.

"""
RAG 검색 품질 테스트 스크립트 (DB 실제 데이터 기반)
"""
import requests

SEARCH_URL = "https://{your-project-ref}.supabase.co/functions/v1/search"
SECRET_KEY = "sb_secret_..."
HEADERS = {
    "apikey":        SECRET_KEY,
    "Authorization": f"Bearer {SECRET_KEY}",
    "Content-Type":  "application/json; charset=utf-8",
}

# DB의 실제 chunk_type 기반으로 테스트 질문 설계
TEST_QUERIES = [
    # ✅ 관련 있는 질문 (chunk_type별로 커버)
    ("관련", "소화불량이나 체했을 때 먹는 약은?"),           # efcy
    ("관련", "기침이나 가래에 효과 있는 약은?"),             # efcy
    ("관련", "임신 중에 복용을 피해야 하는 약은?"),          # atpn
    ("관련", "만 2세 미만 소아에게 복용을 금지하는 약은?"),  # atpn
    ("관련", "식후에 복용해야 하는 약은?"),                  # useMethod
    ("관련", "두드러기나 발진 부작용이 있는 약은?"),          # se
    ("관련", "다른 약과 함께 먹으면 안 되는 약은?"),         # intrc
    # ⚠️ 무관한 질문
    ("무관", "오늘 날씨가 어때?"),
    ("무관", "맛있는 한국 음식 추천해줘"),
    ("무관", "주식 투자 좋은 종목 알려줘"),
    ("무관", "파이썬으로 웹 크롤링하는 방법은?"),
    ("무관", "서울에서 부산까지 KTX 요금은?"),
]

def search(query: str) -> list:
    res = requests.post(SEARCH_URL, headers=HEADERS,
                        json={"query": query, "top_k": 3})
    return res.json().get("sources", [])

def main():
    print("\n" + "🔬 RAG 검색 품질 테스트".center(60))
    print("※ RRF score는 순위 기반이라 절대값이 낮음 → 1위 결과의 item_name/chunk_label이 중요")

    passed, failed = 0, 0
    prev_category = None

    for category, query in TEST_QUERIES:
        if category != prev_category:
            print(f"\n\n{'━'*60}")
            print(f"  📂 [{category}] 질문")
            print(f"{'━'*60}")
            prev_category = category

        print(f"\n  🔍 {query}")
        results = search(query)

        if category == "무관":
            if not results:
                print("     ✅ 결과 없음 (정상)")
                passed += 1
            else:
                top = results[0]
                chunk_label = top.get("chunk_label", top.get("chunk_type", ""))
                print(f"     ❌ 오탐 발생! → {top['item_name']} / {chunk_label}")
                failed += 1
        else:
            if not results:
                print("     ❌ 결과 없음 (검색 실패)")
                failed += 1
            else:
                top = results[0]
                rest = results[1:]
                chunk_label = top.get("chunk_label", top.get("chunk_type", ""))
                content_key = f"{chunk_label}: "
                label_content = top["content"].split(content_key)[-1] if content_key in top["content"] else top["content"]
                print(f"     🥇 {top['item_name']} / {chunk_label}")
                print(f"          {label_content[:120]}...")
                for i, r in enumerate(rest, 2):
                    r_label = r.get("chunk_label", r.get("chunk_type", ""))
                    print(f"     [{i}] {r['item_name']} / {r_label}")
                passed += 1

    total = passed + failed
    score = passed / total * 100
    print(f"\n\n{'━'*60}")
    print(f"  📊 최종 결과: {passed}/{total} 통과 ({score:.0f}%)")
    grade = "🟢 우수" if score >= 80 else "🟡 보통" if score >= 60 else "🔴 개선 필요"
    print(f"  {grade}")
    print(f"{'━'*60}\n")

if __name__ == "__main__":
    main()

테스트 결과

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
  📂 [관련] 질문
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

  🔍 소화불량이나 체했을 때 먹는 약은?
     🥇 베스타제포르테정 / 효능
  🔍 기침이나 가래에 효과 있는 약은?
     🥇 바스칼캡슐 / 주의사항
  🔍 임신 중에 복용을 피해야 하는 약은?
     🥇 로와치넥스캡슐 / 주의사항
  🔍 만 2세 미만 소아에게 복용을 금지하는 약은?
     🥇 코푸시럽에스 / 주의사항
  🔍 식후에 복용해야 하는 약은?
     🥇 아락실과립 / 복용법
  🔍 두드러기나 발진 부작용이 있는 약은?
     🥇 알레리진정(세티리진염산염) / 부작용
  🔍 다른 약과 함께 먹으면 안 되는 약은?
     🥇 신일클로닉신리시네이트정 / 상호작용

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
  📂 [무관] 질문
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

  🔍 오늘 날씨가 어때?           ✅ 결과 없음 (정상)
  🔍 맛있는 한국 음식 추천해줘   ✅ 결과 없음 (정상)
  🔍 주식 투자 좋은 종목 알려줘  ✅ 결과 없음 (정상)
  🔍 파이썬으로 웹 크롤링하는 방법은?  ✅ 결과 없음 (정상)
  🔍 서울에서 부산까지 KTX 요금은?     ✅ 결과 없음 (정상)

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
  📊 최종 결과: 12/12 통과 (100%) 🎉
  🟢 우수
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

---

6. 마무리

이번 편의 핵심 요약입니다.

• 저장 시 input_type: "document", 검색 시 input_type: "query" 구분 필수
• similarity 임계값은 관련/무관 질문의 분포를 직접 측정한 후 그 사이 값으로 설정
• 테스트 질문은 DB의 실제 데이터와 chunk_type을 기반으로 설계해야 정확한 품질 측정 가능

 

 

끝~