본문으로 건너뛰기

Zero Cost 정적 분석으로 정확한 이미지 생성 API 파라미터 추출 — 실패 사례

Lee SangHyun

2026.06.03

Zero Cost 정적 분석으로 정확한 이미지 생성 API 파라미터 추출 — 실패 사례 본문 이미지

소개

시도하고자 했던 것과 그 이유를 알려주세요.

다양한 이미지 생성 AI 모델(gpt-image-2, gemini 3 flash image, qwen, wan API 등)의 API 포맷을 통합 관리하는 시스템을 만들고자 했습니다.
각 모델마다 입력 파라미터가 다르기 때문에, 모델별 공식 문서(소개 페이지, 사양서, API Reference 등)를 입력으로 받아 필수/옵션 파라미터를 자동으로 추출하는 파이프라인이 필요했습니다.

왜 Zero Cost를 선택했나

파라미터 추출마다 Gemini/GPT 등 LLM을 호출하면 API 비용이 발생합니다.
문서 형식이 어느 정도 정형화(JSON Schema, OpenAPI, Markdown 테이블 등)되어 있으니,
규칙 기반 정적 분석만으로도 충분히 추출 가능할 것이라 판단했습니다.

진행 방법

어떤 도구를 사용했고, 어떻게 활용하셨나요?

  • 핵심 모듈: server/src/static-parser.ts (Zero Cost 파서)

Tip: 사용한 프롬프트 전문을 꼭 포함하고, 내용을 짧게 소개해 주세요.

에이전트에게 전달한 프롬프트 (요약)
이미지 생성 AI 모델의 소개 문서, 사양 문서, API Reference 등을
URL, Markdown, JSON Schema, OpenAPI 형식으로 입력받아서
LLM(Gemini) 없이 로컬 정적 분석만으로
필수/옵션 파라미터를 FieldMeta 형식으로 추출하는 Zero Cost 엔진을 만들어줘.

입력 형식:
- URL (HTML fetch)
- Markdown 텍스트
- JSON Schema
- OpenAPI 3.x Spec

출력 형식:
Record<string, { type, required, description, options? }>

Tip: 활용 이미지나 캡처 화면을 꼭 남겨주세요.

zero cost를 선택해서 실행했을 경우.

어두운 방에 있는 코드 편집기의 스크린샷

4번의 생성 코드에 원하는 필수, 옵션 항목이 제대로 표시되 지 않음.

AI(Gemini)를 이용한 경우

다른 설정이 적용된 검은색 화면의 스크린샷

4번의 생성 코드에 원하는 필수, 옵션 항목이 제대로 표시되고 있음.

결과와 배운 점

다양한 포맷에 대한 검증은 Zero Cost(규칙 기반 정적 분석)로는 무리가 있었습니다.

배운 점과 나만의 꿀팁을 알려주세요.

1. 정형화된 스펙(JSON Schema, OpenAPI)은 Zero Cost로 처리 가능하지만,
실제 세계의 API 문서는 비정형 Markdown과 SPA 렌더링이 대부분입니다.

2. 의미론적 판단(필수 여부, 파라미터 의미)은 LLM의 영역입니다.
규칙 기반은 "구조"는 읽을 수 있지만 "의미"는 읽지 못합니다.

3. Zero Cost 접근은 사전에 스펙 형식이 보장된 내부 시스템에만 실용적입니다.

과정 중에 어떤 시행착오를 겪었나요?

1. JSON Schema / OpenAPI — 그나마 가장 잘 동작했습니다

정형화된 구조 덕분에 추출 정확도가 높았습니다.
하지만 $ref 다단계 중첩, allOf/anyOf/oneOf 조합, discriminator 패턴은 처리하지 못했습니다.

2. Markdown — 문서 스타일마다 완전히 달랐습니다

공식 문서들이 저마다 다른 표 헤더 이름(Name vs Parameter vs Field vs 이름)을 사용했고,
일부는 테이블 없이 산문체로만 파라미터를 설명했습니다.
정규식으로 커버할 수 있는 패턴의 범위를 늘릴수록 오탐(false positive)도 같이 늘었습니다.

3. HTML (URL) — JS 렌더링 벽에 막혔습니다

실제로 파라미터가 필요한 문서들(Stability AI, Replicate, fal.ai 등)이
대부분 React/Next.js SPA로 구축되어, 서버 사이드 fetch로는 빈 HTML만 받아왔습니다.
Playwright/Puppeteer 같은 headless 브라우저를 붙이면 Zero Cost가 아니게 되는 딜레마가 있었습니다.

4. 필수(required) 여부 판단이 불가능했습니다

Markdown이나 산문체 문서에서 "이 파라미터는 필수입니다"라는 문장을
패턴으로 잡으려면 결국 의미론적 이해(semantic understanding)가 필요했습니다.
단순 키워드 매칭(required, 필수, mandatory)으로는 놓치는 경우가 많았습니다.

5. 오탐 vs 누락의 트레이드오프

정규식 패턴을 관대하게 하면 → 쓸모없는 필드가 추출되었습니다.
정규식 패턴을 엄격하게 하면 → 실제 파라미터를 놓쳤습니다.
이 균형점을 규칙만으로 찾는 것이 사실상 불가능했습니다.

앞으로의 계획이 있다면 들려주세요.

아직 스터디가 끝나지 않았으니 다른 프로젝트로 다시 시작해보겠습니다.

1

함께 이야기해요 1

로그인하고 댓글을 남겨 주세요

댕댕이멍멍 프로필 이미지
댕댕이멍멍2026.06.03

정적인 영역에서 Zero Cost 의 활용가치에 대해서 알게 돼서 감사하게 생각하고 있습니다. 아무래도 정적인 부분만 있는 건 아니죠.
다음 프로젝트도 기대하겠습니다.

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요

이런 사례도 있어요

사례 전체 보기