데이터 분석에서 자주 막히는 지점은 “무엇을 물어볼까?”보다 “이 질문을 SQL로 어떻게 바꿀까?”입니다. datasette-agent 0.1a2는 바로 이 간극을 줄이려는 시도입니다. Datasette 안에서 SQLite 데이터를 자연어로 묻고, LLM이 필요한 SQL을 작성해 실행하는 AI 어시스턴트입니다.1
datasette-agent는 무엇인가
datasette-agent는 Datasette용 오픈소스 플러그인입니다.2 역할은 단순한 챗봇이 아니라, SQLite 데이터베이스와 대화형으로 상호작용하는 분석 보조 도구에 가깝습니다.2
사용자가 질문을 입력하면 에이전트는 관련 테이블을 살펴보고, 답을 찾기 위한 SQL 쿼리를 작성한 뒤 실행할 수 있습니다.1 예를 들어 “최근 특정 이벤트가 언제 있었나?” 같은 질문을 던지면, 사용자가 직접 테이블 구조를 확인하고 쿼리를 조립하기 전에 에이전트가 탐색의 출발점을 만들어줍니다.
SQL을 모르는 사람에게는 데이터 접근 장벽을 낮추고, SQL을 아는 사람에게는 초안 쿼리를 검토하며 더 빠르게 분석을 진행할 수 있게 해주는 방식입니다.
핵심 가치는 ‘정답 생성’보다 ‘탐색 지원’에 있다
datasette-agent가 흥미로운 이유는 단일 질문에 답하는 데서 그치지 않기 때문입니다. 테이블 하나 또는 전체 데이터베이스를 탐색하며 사용자가 놓쳤을 수 있는 패턴을 찾을 수 있습니다.1
이 점에서 기존 BI 대시보드와 성격이 다릅니다. 대시보드는 미리 정한 지표를 안정적으로 보여주는 데 강합니다. 반면 datasette-agent는 질문을 바꿔가며 데이터를 파고드는 탐색형 인터페이스에 가깝습니다. 데이터 구조를 완전히 파악하지 못한 상태에서도 “무엇이 들어 있는지”, “어떤 이상한 패턴이 있는지”, “어떤 테이블을 봐야 하는지”를 빠르게 좁혀갈 수 있습니다.
모델 선택지는 도입 판단의 중요한 기준이다
datasette-agent는 OpenAI, Anthropic, Google Gemini 같은 도구 호출 지원 모델을 사용할 수 있습니다.2 또한 자체 하드웨어에서 실행하는 오픈 웨이트 모델도 지원합니다.2
이는 실제 도입에서 중요한 차이를 만듭니다. 데이터가 민감한 조직이라면 외부 API 사용 여부를 신중히 봐야 하고, 비용을 통제해야 하는 팀이라면 로컬 또는 자체 인프라에서 실행 가능한 모델 지원이 유용할 수 있습니다. 즉, datasette-agent를 평가할 때는 “자연어로 SQL을 만들 수 있는가”뿐 아니라 “어떤 모델을 어디서 실행할 것인가”도 함께 봐야 합니다.
0.1a2에서 특히 봐야 할 변화: 권한
0.1a2는 알파 릴리스입니다. 이 버전에서 눈여겨볼 부분은 도구 사용 가능 여부를 required_permission에 연결할 수 있게 된 점입니다. 기본 백그라운드 에이전트 도구에는 새 datasette-agent-background 권한이 필요해졌습니다.3
작아 보이지만 중요한 변화입니다. 데이터베이스에 붙은 AI 에이전트는 단순히 문장을 생성하는 것이 아니라 쿼리를 실행하고 도구를 호출합니다. 따라서 실제 운영 환경에서는 “무엇을 할 수 있는가”만큼 “누가, 어떤 권한으로, 어떤 도구를 실행할 수 있는가”가 중요합니다.
이 관점에서 0.1a2는 기능 확장보다 운영 통제의 방향을 보여주는 릴리스로 볼 수 있습니다.
데모를 볼 때 확인할 점
agent.datasette.io 데모는 남용 방지를 위해 GitHub 계정 로그인을 요구합니다.2 데모 환경에서는 llm-gemini 플러그인을 통해 Gemini 3.1 Flash-Lite를 사용하며, 이 모델은 Datasette Agent 테스트에서 SQLite 쿼리 작업에 능숙한 것으로 소개됐습니다.2
데모를 볼 때는 답변 문장만 확인하기보다 다음을 함께 보는 편이 좋습니다.
어떤 테이블을 참조하는가
어떤 SQL을 작성하는가
쿼리 결과를 어떻게 해석하는가
사용자가 검증하거나 수정할 여지가 있는가
권한과 모델 실행 위치를 어떻게 통제할 수 있는가
결론: 자연어 분석보다 중요한 것은 검증 가능한 에이전트
datasette-agent 0.1a2는 완성된 분석 제품이라기보다, SQLite 데이터 탐색에 AI 에이전트를 붙였을 때 어떤 워크플로가 가능한지 보여주는 초기 릴리스입니다. Simon Willison이 2026년 5월 15일에 소개한 이 프로젝트는 Datasette 생태계 안에서 LLM을 실용적인 데이터 탐색 도구로 연결하려는 흐름을 보여줍니다.2
SQLite 데이터가 있고 Datasette를 사용하고 있다면 datasette-agent는 충분히 살펴볼 만합니다. 다만 평가 기준은 “자연어로 질문할 수 있다”에 머물러서는 안 됩니다. 실제로는 권한 관리, 생성된 SQL의 검증 가능성, 모델 선택, 실행 위치, 비용 통제가 더 중요합니다.
즉, datasette-agent 0.1a2의 가치는 AI가 데이터를 대신 분석해준다는 약속보다, 사람이 검증 가능한 방식으로 더 빠르게 데이터를 탐색하도록 돕는 데 있습니다.
1Datasette Agent: an AI assistant for Datasette to help explore and analyze data in SQLite
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.