Mark25 - AI 상표 분석 서비스
Google Gemini + LangGraph로 10년차 변리사 수준 분석
실사용자
500+
AI 모델
Gemini 2.5 Pro
데이터 처리
200GB 벡터화
아키텍처
Feature-Based + Clean
Team & Role
팀 구성
3명
내 역할
Full-Stack Developer (인프라 파트 담당)
Period
2025-03 - 2025-12
Tech Stack
Next.js 15React 19TypeScript 5Google Gemini 2.5 ProLangGraphGCP Agent Builder RAGDINOv2Supabase PostgreSQL
프로젝트 소개
Mark25는 AI 기반 상표 유사도 분석 서비스로, Google Gemini 2.5 Pro와 LangGraph를 활용한 대화형 분석 시스템입니다. 키프리스 벌크데이터 약 200GB의 이미지를 DINOv2 모델로 벡터화하여 유사 상표 검색 시스템을 구축했습니다.
내 역할 및 기여도
VectorDB 구축 (키프리스 200GB 데이터 벡터화), 클라우드 인프라 설계 (Supabase + GCP Cloud Run), 상표 이미지 유사도 검색 시스템 구현
핵심 기능
AI 기반 상표 유사도 분석
Gemini 2.5 Pro와 LangGraph를 활용한 대화형 분석 시스템
Gemini 2.5 ProLangGraphOpenAI Fallback
전문가급 법률 분석
GCP Agent Builder RAG로 10년차 변리사 수준 분석 제공
GCP Agent BuilderRAGVertex AI
KIPRIS 연동 검색
한국 지식재산권 정보 서비스 실시간 연동
KIPRIS APINext.js API Routes
상표 이미지 유사도 검색
DINOv2 모델로 200GB 데이터를 벡터화하여 유사 이미지 검색
DINOv2Vector DBSupabase pgvector
기술적 도전과 해결
Feature-Based 아키텍처 설계
문제
컴포넌트와 비즈니스 로직이 혼재되어 유지보수 어려움
해결
Clean Architecture 적용, _components/_services 분리, Feature 단위 모듈화
결과
코드 가독성 40% 향상, 테스트 커버리지 80% 달성
TypeScriptClean ArchitectureFeature-Based
AI 안정성 확보
문제
Gemini API 장애 시 서비스 중단 위험
해결
OpenAI GPT-4 Fallback 구현, 자동 전환 로직 설계
결과
서비스 가용성 99.9% 달성
Gemini 2.5 ProOpenAIError Handling
대용량 데이터 벡터화
문제
200GB 키프리스 이미지 데이터 처리 및 검색 최적화
해결
DINOv2 모델로 벡터화, Supabase pgvector로 유사도 검색
결과
평균 검색 속도 500ms 이내 달성
DINOv2Supabase pgvectorPython