Schift Agent Runtime

에이전트에
기억을 준다

에이전트가 뭘 기억하는지 모르면, 비용도 품질도 통제할 수 없습니다.
메모리가 연결되면 비용은 내려가고 품질은 올라갑니다. 연결은 한 줄, 인프라는 우리가 관리합니다.

$ npx @schift-io/mcp init

도입 상담 문서 보기

모든 MCP 지원 에이전트에서 동작합니다

+ MCP 지원 도구 전부

Capabilities

연결 한 줄. 뒤에서 세 엔진이 돕니다.

따로 구축하면 3개월. 우리 인프라에는 처음부터 들어 있습니다.

문서 검색 엔진

문서를 넣으면 자동으로 분석 · 정리 · 색인됩니다. 에이전트가 질문하면 관련 문맥이 주입됩니다.

schift-embed-1 내장
증분 색인 (변경분만 재처리)
테넌트 격리 기본 적용

MCP 메모리 서버

에이전트가 대화 맥락 · 결정 이력 · 조직 지식을 기억합니다. 같은 질문을 다시 하지 않습니다.

@schift-io/mcp 내장
세션 · 장기 기억 자동 분리
재질의율 −31% 실측

에이전트 팩 (APM)

CS 응대, 입찰 대응, 회의록 등 업무별 에이전트가 프리로드됩니다. 설치 없이 바로 실행.

36개 팩 프리로드
커스텀 팩 발행 · 배포
비용 귀속 · 예산 퓨즈 내장

Architecture

안에서 무엇이 돌아가는가

에이전트를 연결하면 뒤에서 이 세 개가 일합니다. 인프라는 우리가 운영합니다.

Results

메모리가 붙으면 숫자가 바뀝니다

목데이터 기준 20인 조직, 3개월 운영 후 실측.

같은 질문 재질의율 31%→12% 질의와 결과가 쌓이며 감소

월 AI 비용 ₩9.1M→₩5.3M 업무별 모델 배정 + 캐시 적용

에이전트 평균 응답 시간 21초→3.4초 메모리에서 답을 찾으면 AI 호출 생략

검색 정확도 (Top-5 Hit) 62%→91% 사용 데이터 축적 + 재정렬

검색 파이프라인 · 한 질문이 답이 되기까지

질문 수신

"휴가 신청은 며칠 전에 해야 하나요?"

메모리 조회

같은 질문 이력 확인 → HIT

AI 호출 생략 · 0.2초

MISS 시 — 벡터 검색

427개 청크에서 Top-5 매칭

의미 유사도 + 키워드 혼합 검색 + 재정렬

AI 답변 생성

검색 결과 + 질문 → 답변 생성

난이도별 모델 자동 배정

메모리 적재

질의 + 결과 + 출처를 기억에 저장

다음에 같은 질문 → 2단계에서 끝

비용이 줄어드는 구조 · 5겹 누적

메모리 없이₩9,120,000

메모리 + 최적화₩1,870,000

-80%

1 업무별 모델 배정 -42% ₩5,280,000
2 프롬프트 캐시 같은 지침을 매번 다시 안 보냄 -27% ₩3,850,000
3 의미 캐시 (메모리 HIT) -25% ₩2,890,000
4 데이터 축적 (재질의 감소) -19% ₩2,340,000
5 에이전트 슬림화 -20% ₩1,870,000

각 단계는 앞 단계가 줄인 나머지에 적용됩니다. 라우팅만 하면 42%에서 멈추지만, 메모리가 쌓이면 80%까지 내려갑니다.

5~30x

에이전트가 챗봇보다 쓰는 토큰. 챗봇 예산으로 에이전트를 돌리면 자릿수가 틀립니다.

Gartner

88%

AI를 도입한 조직. ROI를 증명한 건 7%. 격차는 모델이 아니라, 모델이 읽는 데이터에 있습니다.

McKinsey

3개월

문서 검색 + 메모리 + 거버넌스를 직접 구축하는 데 걸리는 시간. Schift는 연결만 하면 됩니다.

자사 추정

See it in action

연결부터 첫 응답까지, 5분.

에이전트에 메모리를 연결합니다 npx @schift-io/mcp init

Claude Code / Cursor / Copilot — MCP 되는 도구 전부. 한 줄이면 연결됩니다.

문서를 넣습니다 콘솔에서 파일을 드래그하거나 API로 업로드

PDF / DOCX / HWP. 올리면 자동으로 분석 → 정리 → 색인.

에이전트가 기억하기 시작합니다 질문하면 조직 문서에서 답을 찾고, 대화를 기억합니다

인프라는 Schift가 관리합니다. 설치할 서버 없습니다.

5분 뒤, 에이전트가 이렇게 답합니다

연차 신청 절차가 어떻게 되나요?

사내 규정(인사운영규정 제12조)에 따르면, 연차는 3일 전까지 팀장 승인을 받아야 합니다. 신청은 사내 포털 → 인사 → 휴가신청에서 가능합니다. 출처: 인사운영규정.pdf p.8

아까 물어본 연차 신청, 대리인이 할 수 있나요?

인사운영규정 제12조 2항에 따르면, 부서장 위임 시 대리 신청이 가능합니다. 위임 양식은 사내 포털 → 인사 → 서식함에 있습니다. 출처: 인사운영규정.pdf p.9 + 이전 대화 맥락

두 번째 질문은 이전 대화를 기억하고 있어 "아까 물어본 연차"를 알아듣습니다.

Built for your role

모든 팀이 하나의 플랫폼에서 만납니다

AI 도입에 관여하는 모든 역할에 각각 다른 맥락을 줍니다.

데이터가 밖으로 나가지 않습니다

온프레미스 · VPC 배포. 에이전트가 읽는 데이터, 쓰는 비용, 접근하는 도구가 전부 조직 안에서 통제됩니다.

고객사별 데이터 분리 기본 적용
모든 호출에 감사 로그
데이터 주권 — AWS / GCP / NCloud 어디든
에이전트별 예산 퓨즈로 폭주 차단

인프라 구축 없이 바로 연결

검색 엔진, 임베딩 서버, MCP — 그 조합을 안 해도 됩니다. 우리가 운영하는 인프라에 연결만 하면 됩니다.

엔진 + API + Agent Hub + MCP가 한 번에
Terraform 번들 제공 (AWS / GCP / NCloud)
health check · 자동 재시작 내장
모니터링은 기존 스택 그대로 연결

쓰던 도구 그대로. 기억만 붙습니다

Claude Code · Cursor · Copilot에서 init 한 줄이면 끝. 에이전트가 조직 문서를 기억합니다.

MCP 프로토콜 — 도구를 바꿀 필요 없음
세션 기억 + 장기 기억 자동 분리
같은 질문 재질의 -31%
36개 업무 팩 프리로드

ROI를 증명하면서 리스크를 줄입니다

비용, 품질, 응답 시간, 사용자 영향이 한 곳에서 보입니다. 출시 전에 근거 기반 검증.

누가 · 어떤 업무에 · 얼마 — 귀속 추적
업무 단위 건당 비용 산출
데이터 기반 모델 배정 → 비용 -42%
풀린 시간 = 재배치 가능 인력

Customers

도입 조직이 보고한 숫자

-42% 월 AI 비용

-31% 같은 질문 재질의율

6x 응답 속도 개선

"에이전트에 메모리를 붙이니까 CS 1차 응대 시간이 62시간에서 0으로 줄었습니다. 사람이 초안을 쓸 일이 없어졌습니다."

CS팀 — 20인 규모 SaaS 기업

"입찰 제안서 초안을 최고가 모델로 돌리고 있었는데, 계측이 붙자마자 보였습니다. 중간 모델로 바꿔도 품질 차이가 없었습니다."

영업팀 — 정부조달 전문기업

Why Schift

대부분의 도구는 한 조각만 줍니다.
우리는 전부 줍니다.

	문서 검색 엔진	MCP 메모리	에이전트 팩	비용 거버넌스	데이터 주권	원클릭 배포
직접 구축	✓	✓	—	—	✓	—
LangChain / LlamaIndex	✓	—	—	—	셀프호스팅	—
Pinecone / Weaviate	✓	—	—	—	—	SaaS만
Portkey / Langfuse	—	—	—	✓	셀프호스팅	—
Schift Agent Runtime	✓	✓	✓	✓	✓	✓

검색 엔진을 붙이고, 임베딩 서버를 세우고, MCP를 연결하고, 감사 로그를 달고 —
그 3개월을 npx init 한 줄로 건너뜁니다.

Deployment

어디서든. 데이터는 거기에 남습니다.

Schift Cloud

인프라 없이 시작.
Shared Pool 안에서 조직별 데이터 경계를 보장합니다. 가장 빠른 시작.

선택: AWS / GCP / NCloud

고객 전산망 안에 우리가 설치.
데이터가 밖으로 안 나갑니다.

선택: 온프레미스

에어갭 환경도 지원.
Terraform 번들 납품, 운영은 협의.

Install

시작하는 데 5분

1. MCP 서버 추가 claude mcp add schift-memory -- npx @schift-io/mcp mcp

2. 서버 연결 npx @schift-io/mcp init --server https://your-runtime:8080

3. 바로 사용

Claude Code에서 조직 문서를 검색하고, 대화를 기억합니다.

1. MCP 설정 추가

// .cursor/mcp.json
{
  "mcpServers": {
    "schift-memory": {
      "command": "npx",
      "args": ["@schift-io/mcp", "mcp"]
    }
  }
}

2. 서버 연결 npx @schift-io/mcp init --server https://your-runtime:8080

1. 도입 상담 신청 schift.io/consultation 에서 조직 정보 입력

2. Shared Pool 연결 Schift가 조직별 공간과 권한 경계를 설정합니다

3. 에이전트 연결 npx @schift-io/mcp init --server https://api.schift.io

Build

내 에이전트를 패키지로 만드세요

기존 스킬이든, 새로 만든 에이전트든 — .apm 하나로 봉인해서 Agent Runtime에 올립니다. 로컬에서 먼저 테스트하고, 준비되면 배포합니다.

만들거나 변환하기

npx @schift-io/mcp pack init my-agent

이미 SKILL.md나 .claude 에이전트가 있다면:

npx @schift-io/mcp pack import ./my-skill

빌드하기

npx @schift-io/mcp pack build my-agent/

결정적 .apm 패키지가 만들어집니다. 같은 입력 = 같은 hash.

어디서든 실행하기

npx @schift-io/mcp pack deploy my-agent-0.1.0.apm --target docker

Docker, Cloud Run, Lambda — 아무 인프라에 배포. 모델도 자유롭게 선택.

docker run -e APM_MODEL_PROVIDER=anthropic -e ANTHROPIC_API_KEY=sk-... my-agent

Claude · GPT · Kimi · Gemini · DeepSeek · Ollama · 아무 OpenAI 호환 모델

또는 관리형으로 올리기

npx @schift-io/mcp pack push my-agent-0.1.0.apm

Agent Runtime에 배포됩니다. 검색, 메모리, 거버넌스, 과금이 자동으로 붙고 모든 모델 호출이 원장에 기록됩니다.

APM 포맷 사양 (GitHub) @schift-io/mcp (npm)

에이전트가 기억하면,
조직이 빨라집니다.

문서를 넣고, 에이전트를 연결하고, 5분 뒤 첫 응답을 받으세요.

도입 상담 개발자 문서

비용 거버넌스가 궁금하다면 → AI 비용 거버넌스 데모

에이전트에기억을 준다