chrisryugj/kordoc

해결하는 문제

Kordoc는 한국 정부 및 행정 기관의 '문서의 지옥'을 다룰 수 있도록 설계된 포괄적인 문서 처리 툴킷입니다. 기존에 해석이 어려운 형식인 HWP(한글 워드프로세서) 3.x 및 5.x 버전, HWPX, HWPML, PDF, XLS, XLSX, DOCX, 그리고 이미지(PNG/JPG/WebP) 형식의 문서에서 정보를 추출하고 분석하며 생성하는 문제를 해결합니다.

작동 방식

Kordoc는 LLM이 읽고 분석하기에 가장 적합한 Markdown 형식으로 다양한 형식을 변환합니다. 전용 파서, 스캔된 문서 및 이미지용 로컬 CPU 기반 OCR 엔진(PP-OCRv5 korean), 그리고 Hancom Office 소프트웨어를 서버에 설치하지 않고도 HWPX로 다시 렌더링할 수 있는 커스텀 리플로우 엔진을 결합 사용합니다. 또한 Markdown을 편집하고 수정한 후 원본 바이너리 파일에 다시 통합하는 '라운드트립' 워크플로우도 지원하며, 원본 포맷을 유지합니다.

대상 사용자

• AI 개발자: 한국 행정 문서를 처리해야 하는 RAG(Retrieval-Augmented Generation) 시스템 또는 AI 에이전트를 개발하는 사람.
• 정부 직원/관리자: 대량의 공식 문서와 보고서를 다루는 사람.
• AI 에이전트 사용자: Claude Desktop, Cursor 및 기타 MCP 호환 클라이언트 사용자로, AI 워크플로우에 직접 문서 파싱 및 생성 기능을 통합하고자 하는 사람.

주요 기능

• 다양한 형식 파싱: HWP, HWPX, PDF, DOCX, Excel 파일을 고정밀도로 Markdown으로 변환.
• 복잡한 테이블 복원: 병합 및 중첩된 테이블, 특히 테두리가 보이지 않는 PDF 내 테이블을 특화하여 복원.
• 정부 표준 문서 생성: 엄격한 포맷 규칙을 따르는 공식 한국 정부 문서(보고서, 초안, 공지 등)를 생성할 수 있는 엔진.
• 로컬 OCR: API 키 없이 CPU에서 로컬로 실행되는 스캔된 PDF 및 이미지용 내장 OCR.
• RAG 준비 출력: 브레드크럼 계층과 실제 페이지 번호를 포함한 구조화된 청크를 제공하여 정확한 인용 가능.
• MCP 통합: Model Context Protocol(MCP)을 통해 Claude, Cursor 등 AI 에이전트와 원활하게 연결되어 문서 읽기 및 생성 가능.
• 개인정보 마스킹: 주민등록번호, 전화번호 등 개인 정보를 자동으로 탐지하고 마스킹하면서 문서 포맷을 유지.