GraphRAG의 개요
GraphRAG는 언어 모델로 문서에서 엔티티와 관계를 추출해 지식 그래프를 만들고, 이를 커뮤니티로 묶어 각각의 요약을 씁니다. 그러면 질의가 이 요약을 바탕으로, 코퍼스 전체의 주요 주제처럼 일반 벡터 검색이 잘 다루지 못하는 넓은 질문에 답할 수 있습니다. 2026년 8월부터 README는 프로젝트가 대체로 유지보수 모드라고 밝힙니다. Microsoft는 버그를 고치고 의존성을 업데이트하고 CVE를 패치하지만, 새 풀 리퀘스트를 받거나 기능을 추가하지는 않습니다.
여러 모드 가운데 글로벌 검색(커뮤니티 요약 대상)과 로컬 검색(특정 엔티티 주변)을 제공합니다. Microsoft Research는 모델 작업 대부분을 질의 시점으로 미루는 더 저렴한 변형인 LazyGraphRAG도 소개했습니다.
Microsoft Research가 시연용 코드로 공개한 Python 라이브러리이자 CLI이며, README는 Microsoft가 공식 지원하는 제품이 아니라고 말합니다.
GraphRAG, 쓸 만한 가치가 있습니까?
GraphRAG는 이제 성장하는 라이브러리가 아니라 완결된 연구 결과물입니다. 2026년 8월 Microsoft는 README에 공지를 추가해, 2024년 7월 첫 릴리스 이후 프런티어 모델이 크게 달라졌으며 프로젝트는 버그 수정, 의존성 업데이트, CVE 패치만 받고 새 기능은 받지 않는다고 밝혔습니다. 릴리스도 이를 뒷받침합니다. 2026년 10월 8일의 v3.3.0에는 SQLite 성능 수정 하나만 들어 있었습니다. 저장소의 스타는 약 36,400개입니다.
아이디어 자체는 낡지 않았습니다. 글로벌 검색은 인덱싱 시점에 작성한 커뮤니티 요약으로 답하므로, "이 이야 기의 주요 주제는 무엇인가?" 같은 질문에 벡터 검색이 가져오는 몇 개의 청크가 아니라 코퍼스 전체를 활용합니다. 빠른 시작은 Project Gutenberg 텍스트로 이를 보여 주며, 책 한 권을 인덱싱하는 데 OpenAI나 Azure 키로 몇 분이 걸립니다.
대부분의 팀이 멈추는 이유는 비용입니다. README와 문서 모두 인덱싱이 비싸다고 경고하고, 모든 문서가 추출과 요약을 위해 모델을 거치므로 저렴한 모델로 작게 시작하라고 권합니다. Microsoft Research의 LazyGraphRAG 글은 벡터 RAG 인덱싱 비용을 전체 GraphRAG의 0.1%로 봅니다. 문서가 바뀌면 대체로 재구축해야 하고, README는 프롬프트 튜닝 단계 없이는 기본 결과가 실망스러울 수 있다고 경고합니다.
업그레이드에도 잡일이 따릅니다. 마이너 버전에는 `graphrag init --force`가 필요한데, 이는 설정과 튜닝한 프롬프트를 덮어씁니다. 메이저 버전에서 재인덱싱을 피하려면 마이그레이션 노트북이 필요합니다. 한 번 인덱싱해 몇 년 동안 질의하는 고정된 아카이브라면, 더는 바뀌지 않는 파이프라인이 오히려 장점일 수 있습니다. 계속 바뀌는 문서 집합이라면, 2026년의 비교 글 대부분이 꼽는 상대는 인덱싱이 더 저렴한 LightRAG입니다.
제 역할을 하는 곳
발간 보고서의 고정 아카이브를 가진 정책 연구소의 리서치 분석가
컬렉션 전체에 되풀이되는 주제 찾기
저렴한 모델로 한 번 인덱싱하고 프롬프트를 튜닝한 뒤 글로벌 검색을 씁니다. 비용은 모든 보고서를 한 번 훑는 모델 토큰입니다. 아카이브가 바뀌지 않으므로 비싼 재구축은 다시 돌아오지 않습니다.
검색 방식을 평가하는 로펌의 데이터 엔지니어
비용을 치르기 전에 문서 간 질문에서 그래프가 하이브리드 검색보다 나은지 입증하기
빠른 시작을 실행한 뒤 사건 일부 표본을 인덱싱하고 평가 세트와 답을 비교합니다. 모든 문서가 설정한 OpenAI 또는 Azure 엔드포인트로 가므로, 해당 제공자와 맺은 로펌의 데이터 계약이 적용됩니다.
Azure 테넌트 안의 ML 플랫폼 팀
디스크에 API 키를 저장하지 않고 그래프 기반 검색 서비스 제공하기
azure_managed_identity 인증을 쓰고 parquet 출력을 테넌트 안에 둡니다. 상위 프로젝트가 유지보수 모드이므로, 기능 작업은 포크에서 직접 맡을 각오를 해야 합니다.
도입 전 확인할 점
- 설정
- Python 3.10~3.12에서 `python -m pip install graphrag`, `graphrag init`을 실행하고 OpenAI 또는 Azure 키를 추가한 뒤 `graphrag index`를 실행합니다. 문서에 따르면 샘플 책은 몇 분 안에 인덱싱됩니다.
- 연동
- CLI와 Python 라이브러리. 빠른 시작은 Azure 관리 ID를 포함해 OpenAI와 Azure OpenAI를 다룹니다. 인덱스는 parquet 파일로 저장됩니다.
- 데이터와 개인정보
- 모든 문서가 추출과 요약을 위해 설정한 모델 엔드포인트로 전송되고, 인덱스는 로컬이나 사용자 자신의 저장소에 남습니다. MIT 라이선스. GitHub에 공개된 보안 권고는 없습니다.
- 대규모 사용 시 비용
- 유료 에디션은 없습니다. 비용은 코퍼스 전체를 추출하고 요약하는 모델 토큰이며, 문서가 바뀌면 반복됩니다. Microsoft Research는 벡터 RAG 인덱싱 비용을 그 0.1%로 봅니다.
- 제한
- 새 기능이 없는 유지보수 모드. Python 3.13 미지원. 마이너 업그레이드가 설정을 덮어씀. 문서가 바뀌면 대체로 재구축이 필요.
좋은 점
- 벡터 RAG가 놓치는 코퍼스 전체 질문에 글로벌 검색으로 답함
- 커뮤니티 요약 자체가 유용한 결과물
- MIT 라이선스, 자체 Azure 테넌트에서 실행
- 여전히 버그 수정과 CVE 패치를 받음
아쉬운 점
- 2026년 8월부터 유지보수 모드, 새 기능 없음
- 인덱싱 시 코퍼스 전체 를 언어 모델에 보냄
- 마이너 업그레이드가 설정과 튜닝한 프롬프트를 덮어씀
- README에 따르면 기본 프롬프트는 튜닝이 필요
추천 대상
문서 간 질문이 비싼 일회성 인덱스를 정당화하는, 고정된 고가치 문서 집합을 가진 팀.
GraphRAG 대안
GraphRAG: 자주 묻는 질문
- GraphRAG, 쓸 만한 가치가 있습니까?
- 코퍼스 전체에 관한 질문을 위한 참조 설계로서 여전히 유효하지만, Microsoft는 개발을 멈췄고 인덱싱 비용은 여전히 큽니다. 평점은 5점 만점에 3.5점입니다.
- GraphRAG의 가격은 얼마입니까?
- MIT 라이선스의 무료 오픈소스입니다. 인덱싱은 사용자의 OpenAI 또는 Azure OpenAI 크레딧으로 실행되며, README는 비용이 많이 들 수 있다고 경고합니다.
- GraphRAG의 단점은 무엇입니까?
- 2026년 8월부터 유지보수 모드, 새 기능 없음; 인덱싱 시 코퍼스 전체를 언어 모델에 보냄; 마이너 업그레이드가 설정과 튜닝한 프롬프트를 덮어씀; README에 따르면 기본 프롬프트는 튜닝이 필요.
- GraphRAG에 적합한 사람은 누구입니까?
- 문서 간 질문이 비싼 일회성 인덱스를 정당화하는, 고정된 고가치 문서 집합을 가진 팀.
- 팀이나 프로덕션 환경에서 GraphRAG의 비용은 얼마입니까?
- 유료 에디션은 없습니다. 비용은 코퍼스 전체를 추출하고 요약하는 모델 토큰이며, 문서가 바뀌면 반복됩니다. Microsoft Research는 벡터 RAG 인덱싱 비용을 그 0.1%로 봅니다.
- GraphRAG에 회사 데이터를 맡겨도 안전합니까?
- 모든 문서가 추출과 요약을 위해 설정한 모델 엔드포인트로 전송되고, 인덱스는 로컬이나 사용자 자신의 저장소에 남습니다. MIT 라이선스. GitHub에 공개된 보안 권고는 없습니다.
- GraphRAG의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 LlamaIndex, RAGFlow 및 Haystack입니다.
답변 확인일: 2026년 10월 26일.