Databench by Alkera — 데이터 팀을 위한 오픈소스 협업형 에이전트 작업 공간

AI 요약

Databench by Alkera는 데이터 과학, 분석, 엔지니어링 작업을 위한 오픈소스 협업 공간입니다. 팀원과 AI 에이전트가 노트북과 채팅에서 동시에 작업하고, 셀이나 에이전트를 개인 노트북, 원격 컴퓨터, GPU 노드에서 실행합니다. 여러 에이전트를 병렬로 띄워 아이디어를 탐색할 수 있으며, 결과가 어떤 데이터와 코드에서 나왔는지 추적하는 데 초점을 둡니다.

노트북과 실행 환경

Databench는 SQL 및 Python 노트북을 제공하며, 팀원과 에이전트가 실시간으로 함께 편집합니다. SQLAlchemy 호환 데이터베이스에 연결할 수 있어 PostgreSQL, SQLite, MySQL 등을 지원합니다. marimo 기반 반응형 노트북은 SQL이나 Python 코드가 바뀌면 오래된 셀을 다시 실행합니다. 웹 기반 편집기를 제공하며, 노트북과 채팅은 로컬 컴퓨터뿐 아니라 원격 컴퓨팅 노드와 GPU 클러스터에서도 실행합니다.

공개 범위와 추적성

제품의 오픈소스 구성 요소는 Apache 2.0 라이선스로 공개됩니다. 창업자들은 기존 Jupyter 노트북 협업에서 셀 내용이 동기화되지 않는 문제를 겪었고, 에이전트가 편집에 참여하면 이를 관리하기가 더 어려워진다고 설명합니다. 또 에이전트가 만든 분석을 검증하고 재현하려면 데이터와 코드의 출처를 확인할 수 있어야 한다고 강조합니다. 창업자에 따르면 Databench는 데이터 계층 전체를 파악해 분석 파이프라인을 구성하는 방향을 지향하며, 기업 환경에서는 결론뿐 아니라 그 결론에 이른 과정을 확인하는 일이 중요합니다.

Product Hunt 반응

• @cloudalchemist — 좋네요! 저는 SQL을 좋아하지 않아서 SQL을 더 쉽게 쓰게 해주는 제품이라면 언제나 반갑습니다. 주요 경쟁사는 누구고, 어떤 점이 더 나은가요?
  • @rick_gao — 데이터 스택 곳곳에 경쟁사가 있습니다. 사용자 대상 도구로는 Hex 같은 플랫폼이 주요 경쟁사입니다. Hex나 Sigma와 비교하면 데이터 계층 전체를 볼 수 있어 데이터 엔지니어가 따로 구축해야 했던 분석 파이프라인을 처음부터 제공할 수 있습니다. 기업에서는 재현성과 안전성도 중요합니다. “어떻게 이 결론에 도달했는가”가 결론 자체보다 중요한 경우가 많기 때문입니다.
• @andrewtran28 — 저는 CTO이며 Databench 개발을 이끌었습니다. 노트북 실시간 협업은 늘 불안정하다고 느꼈습니다. VS Code Live Share로 Jupyter 노트북을 함께 편집하다 셀 동기화가 어긋나는 일을 여러 번 겪었고, 에이전트까지 편집에 참여하면 더 복잡해집니다. Databench에서는 멀티플레이어 협업을 제품의 중심에 뒀습니다. 또 GPU가 필요한 분석은 노트북에서 실행하기 어려워, 원격 컴퓨팅과 상호작용하도록 처음부터 설계한 환경을 원했습니다.
• @oleksii_sekundant — 출시를 축하합니다! 데이터와 코드가 에이전트의 작업 옆에 계속 보인다는 점이 좋습니다. 모두가 답을 얻은 과정을 확인할 수 있으면 논의하기도 훨씬 쉽습니다.
  • @rick_gao — 감사합니다! 플랫폼에 관한 의견을 듣고 싶습니다.
• @orange472 — 창업자 토니입니다. Alkera를 시작하기 전에는 스포츠북과 예측 시장의 배당을 모아 기대값이 양수인 베팅과 차익 거래를 찾는 프로젝트를 했습니다. 데이터 파이프라인은 Python 파일과 데이터 웨어하우스에 있었지만, 데이터가 어떻게 흘러가는지 볼 수 없었고 여러 도구에 걸친 데이터를 다루는 코딩 에이전트도 믿기 어려웠습니다. Databench는 제가 원했고 지금 쓰는 작업 공간입니다.

원문: Product Hunt / 번역·요약: Trawling