자연어로 지리공간 SQL, 지오SQL 스킬 공개

지도 데이터를 자연어로 분석하고 결과를 지도로 그려주는 에이전트 스킬 지오SQL(GeoSQL)이 공개됐다. 클로드(Claude), 코덱스(Codex), 깃허브 코파일럿(GitHub Copilot)에 붙여 쓸 수 있으며, 포스트지스(PostGIS)·빅쿼리(BigQuery)·스노우플레이크(Snowflake)·웨어로봇츠(Wherobots) 같은 데이터 웨어하우스와 연동된다. 별도 SaaS 계정 없이 100% 로컬이나 셀프호스트로 돌아간다는 점이 특징이다.

무슨 일인가

지오SQL은 개발자에게 익숙한 방식으로 설치된다. pip install geosql 후 geosql install claude(또는 codex·copilot)를 실행하거나, 클로드 코드에서는 플러그인 마켓플레이스로 바로 추가할 수 있다. 설치 후에는 "주요 도로를 따라 EV 충전소 밀도를 지도로 보여줘" 같은 프롬프트만 던지면 된다. 제작사는 지도를 분석 루프 안에 넣었을 때 지리공간 작업 성능이 4배 개선됐다고 주장한다. 지도 렌더링에는 오픈소스 케플러(Kepler.gl) 기반 백엔드인 데카르트(Dekart)를 선택적으로 쓰며, 도커 한 줄로 로컬에서 띄울 수 있다. 깃허브에서 별 294개, 포크 27개를 받았다.

핵심 짚어보기

이 스킬의 핵심은 에이전트가 스스로 데이터 구조를 파악하고 안전하게 질의한다는 점이다. 먼저 발견(Discovery) 단계에서 스키마를 추측하지 않고 웨어하우스의 테이블·컬럼·타입 메타데이터를 직접 탐색한다. 이어 SQL 단계에서 엔진에 맞는 공간 함수(ST_INTERSECTS, ST_DISTANCE, H3 인덱스, bbox 겹침 등)를 골라 질의를 작성한다. 특히 눈에 띄는 것은 비용 점검(Cost check) 단계다. 빅쿼리에서는 모든 질의를 먼저 드라이런으로 돌려 스캔될 바이트 양을 추정하고 과금 상한을 걸어, 실수로 대용량 쿼리가 청구서를 터뜨리는 일을 막는다. 부동산 학교 접근성 분석, 매장 입지 선정, EV 충전 인프라 분석 등이 예시 프롬프트로 제시됐다.

1인기업 실전 적용 포인트

• 상권·입지 분석을 SQL 전문가 없이 자연어로 처리한다. "경쟁점 반경 5km 밖에서 유동인구 높은 후보지 10곳" 식의 질의를 그대로 던진다.
• 데이터를 외부 SaaS에 올리지 않고 로컬·셀프호스트로 돌려, 고객 위치 데이터의 유출 위험을 원천 차단한다.
• 빅쿼리 드라이런 비용 추정 기능을 켜 두고, 대용량 공간 질의를 돌리기 전 예상 과금을 먼저 확인하는 습관을 들인다.
• 데카르트를 도커로 띄워 분석 결과를 지도 이미지로 뽑고, 그대로 제안서·블로그·SNS 콘텐츠 자산으로 재활용한다.

전망

지리공간 분석은 그동안 전용 GIS 도구와 SQL 지식을 요구해 진입장벽이 높았다. 지오SQL처럼 에이전트가 스키마 탐색·질의 작성·비용 통제를 대신하는 흐름은 이 장벽을 크게 낮춘다. 다만 결과 지도와 수치는 여전히 사람이 검증해야 하며, 잘못된 공간 조인이 그럴듯한 지도로 포장될 수 있다는 점은 주의해야 한다.

출처: GitHub (https://github.com/dekart-xyz/geosql)