Kairos 오픈소스 사기 결정 플랫폼: 코딩 에이전트가 튜닝하는 실시간 위험 점수

Kairos는 Finic의 오픈소스 Apache-2.0 사기 및 위험 결정 플랫폼입니다. 가입, 로그인, 주문, 결제 및 지급을 실시간으로 평가하여 승인, 강화 인증, 검토 또는 차단을 위험 점수와 결정 이유와 함께 반환합니다.

Kairos는 Sardine, Sift, Riskified 및 SEON의 오픈소스 대안으로 자리매김합니다. 두 가지 주요 차별점은 MCP를 통한 에이전트 우선 튜닝과 팀이 전통적인 머신러닝 모델을 훈련시키기에 충분한 레이블을 확보하기 전에 사기를 잡아내도록 설계된 결정 모델입니다.

Kairos가 하는 일

Kairos는 한 번의 호출로 실시간 결정을 내립니다. 응답에는 결과, 위험 점수 및 대상의 이력, 다른 사람과 공유하는 기기, 카드, 주소, 현재 세션에서 파생된 이유가 포함됩니다.

Kairos는 사기 운영을 세 가지 핵심 기능으로 구성합니다:

실시간 결정: 한 번의 호출로 승인, 강화 인증, 검토 또는 차단을 위험 점수와 이유와 함께 반환합니다.
워크플로: 워크플로는 결정 모델에 질문하고, 모델로 점수를 매기고, 분기하고, 웹훅을 호출하고, 케이스를 열고, 나중에 다시 결정할 수 있습니다.
큐 및 케이스: 인간 검토자가 케이스를 처리하고, 그들의 해결 결과는 향후 모델 훈련을 위한 레이블이 됩니다.

Kairos는 모든 결정을 그 뒤에 있는 신호와 함께 유지합니다. 이 기록은 검토, 설명 및 모델 개선을 지원합니다.

MCP를 통한 에이전트 우선 튜닝

Kairos는 MCP 서버를 노출하여 Claude Code, Cursor, Codex 및 VS Code와 같은 코딩 에이전트가 결정을 읽고 워크플로를 구축할 수 있게 합니다. 모든 에이전트 작업은 해당 키 아래에 기록됩니다.

의도된 워크플로는 코딩 에이전트가 사기 ML 엔지니어의 작업을 수행하는 것입니다:

워크플로 구축. 에이전트는 무엇을 결정할지, 결정 모델에 어떤 질문을 할지, 어떤 필드를 점수화할지 정의합니다.
실험 설계. 에이전트는 결정 모델 단독, 고객 수치에 대한 로지스틱 회귀, 그래디언트 부스팅 트리, 모델 스택, 또는 결정 모델의 답변과 고객 수치를 하나의 모델로 결합한 변형을 제안합니다.
Kairos가 실험을 실행하도록 합니다. Kairos는 각 변형을 가장 오래된 레이블 데이터로 훈련시키고, 다음 부분으로 선택하고, 가장 최신 데이터로 테스트합니다. ROC-AUC, PR-AUC, 95% 구간의 기준선 대비 개선, 구성된 임계값에서의 정밀도와 재현율을 보고합니다.
승자를 선택하고 배포합니다. 에이전트는 선택을 설명하고, 승리한 변형을 워크플로의 다음 버전으로 적용하며, 새 레이블이 도착하면 돌아옵니다.

README에는 차지백이 증가하고 에이전트가 shopify_order에 대한 더 나은 모델을 찾아 이기면 게시하라는 요청을 받는 예시 에이전트 상호작용이 포함되어 있습니다. 에이전트는 6개의 변형을 설계하고, 실험을 실행하며, 주문 수치와 Grayson의 답변을 결합한 로지스틱 회귀가 검증에서 ROC-AUC 0.949, 테스트에서 0.930으로 승리한다고 보고한 후 v6로 게시합니다. 이 수치는 README의 예시일 뿐 독립적인 벤치마크가 아닙니다.

결정 모델과 전통적인 ML의 결합

Kairos는 Finic의 결정 모델인 Grayson을 중심으로 구축되었습니다. 사용자는 배송 주소가 재배송업체처럼 보이는지, 이메일이 일회용인지와 같은 질문을 평이한 언어로 Grayson에게 묻고, Grayson은 보정된 확률로 답변합니다.

Grayson은 전통적인 ML이 약한 경우를 위해 설계되었습니다:

적은 레이블: Grayson은 팀이 지도 학습 모델에 필요한 수천 건의 차지백을 확보하기 전인 첫날부터 작동합니다.
비정형 데이터: Grayson은 설명, 이메일, 이름, 주소, 메모 및 항목 제목을 읽으며, 그래디언트 부스팅 트리는 직접 소비할 수 없습니다.
설명: 모든 답변은 사용자가 작성한 질문에 해당하므로 모든 결정은 이유를 명시할 수 있습니다.

전통적인 모델은 결정 모델이 약한 곳에서 강합니다. 로지스틱 회귀와 그래디언트 부스팅 트리는 고객의 자체 수치에서 고객의 결과를 정확히 학습하며, 결정당 비용이 들지 않습니다. Kairos는 Kairos 내부에서 훈련되거나 외부에서 업로드된 로지스틱 회귀 및 XGBoost 호환 그래디언트 부스팅 트리를 지원합니다.

Kairos는 팀이 두 접근 방식을 결합할 수 있게 합니다. Grayson의 답변은 로지스틱 회귀 또는 그래디언트 부스팅 트리에서 고객의 자체 필드 옆에 있는 특징이 되며, 실험은 고객 데이터에서 어떤 조합이 가장 잘 수행되는지 보여줍니다.

개발자 표면 및 배포

Kairos는 TypeScript(@finic-ai/kairos) 및 Python(finic-kairos)용 SDK, CLI, HTTP API 및 Docker 기반 자체 호스팅을 제공합니다.

Kairos Cloud의 경우 사용자는 kairos.finic.ai에 가입하고, 샌드박스 환경과 비밀 키를 만든 다음 이벤트를 보낼 수 있습니다. 에이전트를 연결하려면 사용자는 콘솔에서 설정 › MCP를 열고, 에이전트가 필요한 도구 그룹을 활성화하고, 키를 만듭니다. Claude Code 연결은 베어러 토큰이 있는 HTTP MCP 엔드포인트를 사용합니다.

자체 호스팅의 경우 Kairos는 Node.js 22, pnpm 10 및 portal.finic.ai의 Grayson API 키가 필요합니다. 서버가 자체 Postgres를 시작하므로 별도의 데이터베이스 설정은 필요하지 않습니다. 로컬 개발 명령은 pnpm kairos dev이며, API를 http://localhost:8787에서, 콘솔을 http://localhost:5273에서 실행합니다. 팀 배포의 경우 저장소는 docker compose up --build를 제공합니다.

CLI는 로컬 서버에 가입하고, 원격 프로필에 로그인하고, 비밀 키를 만들고, 작업을 정의하고, CSV에서 이벤트를 가져오고, 결정을 실행하고, 워크플로를 실행하는 것을 지원합니다. 저장소에는 Shopify 주문 및 Stripe와 같은 공급자의 인바운드 웹훅 통합도 포함되어 있습니다.

코드베이스는 HTTP API 및 MCP 서버용 apps/server, React 및 Vite 웹 콘솔용 apps/console, kairos 명령용 apps/cli, 결정 경로 및 모델 스코어러용 packages/core, 클라이언트용 packages/sdk 및 packages/sdk-python, 평가 스위트 및 실험용 packages/eval로 분할됩니다. 테스트는 pnpm test로 실행되고, Python SDK 테스트는 pnpm test:python으로 실행됩니다.

라이선스 및 커뮤니티 반응

Kairos는 Apache License 2.0으로 라이선스됩니다. 작성 시점에 Hacker News Show HN 게시물은 37포인트와 4개의 댓글이 있었습니다.

한 댓글 작성자는 개인적으로 필요하지 않음에도 프로젝트를 환영했습니다:

필요하지는 않지만 오픈소스이면서 실시간 흐름을 보여준다는 점이 정말 멋지네요.

— @edude03

또 다른 댓글 작성자는 이름 충돌을 지적했습니다:

이미 그 이름을 가진 메타 리눅스 배포판이 있습니다 :( https://kairos.io/

— @Messier43

kairos.io에 있는 기존 Kairos 메타 리눅스 배포판은 사기 및 위험 플랫폼이 관련 없는 오픈소스 프로젝트와 이름을 공유한다는 것을 의미하며, 이는 검색 가능성과 검색 결과에 영향을 줄 수 있습니다.