Unstract는 PDF, 이미지, 스캔, Office 문서 같은 비정형 자료에서 구조화 JSON을 추출하는 LLM 기반 문서 자동화 플랫폼이다. 정규식이나 공급사별 템플릿을 직접 만드는 대신, Prompt Studio에서 추출할 필드를 자연어로 정의하고 API 또는 ETL 파이프라인으로 배포하는 흐름을 제공한다.
어떤 문제를 푸나
송장, 보험 청구서, 은행 명세서, KYC 문서처럼 형식이 조금씩 다른 문서에서 값을 뽑는 작업은 전통적으로 템플릿·OCR·정규식 유지보수 비용이 크다. Unstract는 LLM과 문서 파서를 결합해 “새 문서 유형을 며칠 개발”하는 흐름을 “프롬프트와 검증으로 빠르게 구성”하는 흐름으로 바꾸려 한다.
| 작업 | 기존 방식 | Unstract 방식 |
|---|---|---|
| 스키마 정의 | 정규식·템플릿 작성 | 자연어 프롬프트로 필드 정의 |
| LLM 통합 | 직접 파이프라인 구현 | OpenAI, Anthropic, Bedrock, Gemini, Ollama 어댑터 |
| 배포 | 별도 API·worker 구성 | REST API 또는 ETL 파이프라인으로 배포 |
| 출력 | 텍스트 blob 후처리 | 데이터베이스에 넣기 쉬운 JSON |
주요 기능
| 기능 | 설명 |
|---|---|
| Prompt Studio | 추출 스키마와 지시를 자연어로 작성 |
| API Deployment | 문서를 REST API로 보내고 JSON을 반환 |
| ETL Pipeline | 폴더·스토리지에서 문서를 가져와 웨어하우스로 적재 |
| MCP Server | Claude 같은 에이전트가 Unstract 기능을 도구로 호출 |
| n8n Node | 기존 자동화 워크플로에 문서 추출 단계를 삽입 |
지원 문서 형식은 PDF, DOCX, DOC, ODT, TXT, CSV, JSON, XLSX, PPTX, PNG, JPG, TIFF 등으로 넓다. 소스 커넥터는 S3, MinIO, Google Cloud Storage, Azure Blob, Google Drive, Dropbox, SFTP를 포함하고, 목적지는 Snowflake, Redshift, BigQuery, PostgreSQL, MySQL, SQL Server, Oracle 등을 지원한다.
빠른 실행
로컬 실행은 Docker와 Docker Compose를 전제로 한다.
git clone https://github.com/Zipstack/unstract.git
cd unstract
./run-platform.sh기본 접속 주소는 http://frontend.unstract.localhost이고, 초기 계정은 문서 기준 unstract / unstract다. 운영 환경에서는 adapter credential을 암호화하는 ENCRYPTION_KEY를 반드시 백업해야 한다.
사용 대상
- 금융, 보험, 의료, KYC/compliance처럼 문서 형식이 많고 구조화 추출이 반복되는 팀
- OCR 결과를 LLM으로 정제해 API나 데이터 웨어하우스에 넣고 싶은 데이터 엔지니어
- n8n이나 MCP 기반 에이전트 워크플로에 문서 이해 단계를 붙이고 싶은 자동화 팀
AGPL-3.0 라이선스이므로 SaaS나 폐쇄형 배포에 넣을 때는 라이선스 검토가 필요하다.
관련 문서
- hyper-extract — 문서에서 구조화 데이터를 추출하는 AI 도구
- rag-anything — 문서·이미지·표·수식을 함께 처리하는 멀티모달 RAG
- n8n — AI 자동화 워크플로 플랫폼
- mcp — 에이전트와 외부 시스템을 연결하는 표준 프로토콜
참고 자료
- Zipstack/unstract — GitHub 공식 저장소