chrisryugj/kordoc

해결하는 문제

Kordoc은 한국 정부 문서(HWP, HWPX, PDF 등)의 복잡한 포맷을 처리하고 구조화된 데이터나 Markdown으로 변환하는 고정밀도 문서 파서 라이브러리 및 도구 세트입니다. 기존 한국어 워드프로세서 형식을 RAG(Retrieval-Augmented Generation) 파이프라인에 사용 가능한 AI 대응 형식(예: Markdown)으로 변환할 때 복잡한 표의 구조가 손실되는 문제를 해결합니다.

작동 방식

Kordoc은 HWP 3.x/5.x, HWPX, HWPML, PDF, 일반적인 사무용 형식(XLS, XLSX, DOCX, PPTX) 및 이미지(PNG, JPG, WebP)를 지원하는 다중 포맷 파서를 제공합니다. Node.js 라이브러리, 명령줄 인터페이스(CLI), 또는 MCP(Model Context Protocol) 서버로 사용 가능하여, Claude나 Cursor와 같은 AI 에이전트가 문서를 직접 파싱하고 비교할 수 있습니다.

대상 사용자

• AI 엔지니어: 한국 정부 문서를 높은 구조 정확도로 가져와야 하는 RAG 시스템을 구축하는 분들.
• 개발자: HWP/HWPX 파일을 Markdown 또는 JSON으로 자동 변환해야 하는 분들.
• 행정 직원: 한국 정부 공식 서류의 자동 생성 및 작성에 관심 있는 분들.

주요 특징

• 극도의 표 정확도: 내부 벤치마크 기준으로 HWPX 문서의 표에서 100% 구조 일치를 달성한다고 주장합니다.
• AI 에이전트 통합: Claude Desktop 및 Cursor와 같은 AI 클라이언트와의 원활한 통합을 위한 내장된 MCP 서버 지원.
• RAG 최적화: RAG 파이프라인에서의 인덱싱을 개선하기 위해 GFM 파이프 테이블과 같은 특정 출력 형식을 포함합니다.
• 양방향 변환: Markdown으로의 파싱뿐만 아니라 공식 문서 프리셋을 사용해 Markdown에서 HWPX 파일을 생성하는 기능도 제공합니다.
• 고성능 PDF 파싱: 공개된 PDF → Markdown 벤치마크(opendataloader-bench)에서 1위를 기록하며 0.960의 점수를 달성했습니다.