AI가 데이터에 답하는 시대에 차트 생성 자체는 더 이상 특별하지 않습니다. 더 중요한 질문은 이것입니다. 그 차트가 어떤 데이터, 어떤 SQL, 어떤 축 매핑에서 나왔는가?
datasette-agent-charts 0.1a2는 이 질문에 맞닿아 있는 플러그인입니다. Datasette Agent에 Observable Plot 기반 차트 생성 기능을 추가해, 대화형 데이터 분석 흐름 안에서 SQL 결과를 시각화할 수 있게 합니다.12
Datasette Agent에 차트 도구를 추가한다
datasette-agent-charts는 Datasette Agent용 Observable Plot 차트 플러그인입니다.2 Datasette Agent는 SQLite 데이터를 대화형으로 탐색하고 분석하도록 돕는 AI assistant이며, 플러그인을 통해 기능을 확장할 수 있습니다.1
설치는 Datasette와 같은 환경에서 진행합니다.2
datasette install datasette-agent-charts설치 후 핵심적으로 추가되는 것은 render_chart 도구입니다. 이 도구는 SQL 쿼리 결과를 Observable Plot 차트로 렌더링합니다.2 사용자는 예를 들어 “시간에 따른 다운로드 막대 차트를 그려줘”처럼 요청할 수 있고, 에이전트는 데이터 조회와 차트 생성을 하나의 분석 흐름으로 연결합니다.
중요한 것은 차트보다 검토 가능한 분석 흐름이다
이 플러그인의 가치는 “예쁜 차트를 자동으로 그린다”는 데만 있지 않습니다. 더 중요한 점은 자연어 요청, SQL, 차트 설정이 하나의 도구화된 흐름으로 묶인다는 것입니다.
render_chart의 필수 입력은 다음과 같습니다.2
데이터베이스 이름
SQL
차트 유형
x축 컬럼
y축 컬럼
선택 입력으로는 색상 인코딩 컬럼, 제목, x축 라벨, y축 라벨을 지정할 수 있습니다.2 지원하는 차트 유형은 barX, barY, line, dot, areaY, waffleY입니다.2
이 구조는 AI 데이터 분석에서 특히 중요합니다. 에이전트가 만든 답을 단순히 결과물로만 보면 검증이 어렵습니다. 반면 SQL과 축 매핑이 드러나는 방식이라면, 사용자는 “이 차트가 어떤 기준으로 만들어졌는지”를 확인할 수 있습니다. 자동화의 장점은 살리되, 분석 과정을 검토 가능한 형태로 남기는 셈입니다.
어떻게 써볼 수 있나
먼저 확인할 것은 데이터의 형태입니다. 시간, 범주, 수치 컬럼이 명확할수록 에이전트가 적절한 SQL과 차트 구성을 만들기 쉽습니다. 처음부터 복잡한 분석을 맡기기보다는 다음처럼 단순한 질문으로 시작하는 편이 좋습니다.
월별 건수 추이
카테고리별 합계
시간에 따른 다운로드 변화
항목별 비율 비교
개발 환경에서는 다음 명령으로 플러그인이 인식되는지 확인할 수 있습니다.2
uv run datasette plugins작은 SQLite 데이터베이스에서 먼저 차트 생성 흐름을 확인한 뒤, SQL과 축 설정이 기대한 대로 구성되는지 살펴보는 것이 실용적입니다.
작은 플러그인이 보여주는 방향
datasette-agent-charts 0.1a2는 거대한 제품 발표라기보다 Datasette Agent가 어떤 방향으로 확장될 수 있는지를 보여주는 작은 조각에 가깝습니다. 텍스트 답변과 표 조회에 머물던 대화형 분석이 SQL 기반 차트 생성으로 이어질 수 있음을 보여줍니다.
핵심은 차트 자동 생성이 아닙니다. AI가 만든 분석 결과를 사람이 다시 확인할 수 있는 도구 흐름으로 만드는 것입니다. 데이터 분석에서 신뢰는 결과의 화려함보다, 그 결과가 만들어진 과정을 추적할 수 있는지에서 나옵니다.
1Datasette Agent: an AI assistant for Datasette to help explore and analyze data in SQLite
2GitHub - datasette/datasette-agent-charts: Observable Plot charts for Datasette Agent
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.