'법제처 API로는 부족하다'... 커뮤니티, 로컬 법령 데이터베이스 직접 구축 나서

한 참여자가 법령 검색 전용 MCP(모델이 외부 도구를 불러 쓰게 해주는 연결 표준) 도구를 써본 사람이 있는지 물으며 대화가 시작됐다.

"혹쉬 korean-law-mcp-main 써보신분 계신가요??"

공공 분야에 AI를 적용해온 다른 참여자가 곧바로 경험을 풀어놨다. 2005년부터 쌓아온 개별 법령 질의 데이터까지 통째로 활용하고 있다는 설명이었다. 법제처가 제공하는 공식 API만 연결해서는 실무에서 쓸 만한 답변 품질이 나오지 않는다는 게 참여자들의 공통된 문제의식이었다. 단순히 현행 법령 조문을 검색해 보여주는 수준으로는 부족하고, 실제 상담에서 부딪히는 질문은 조문과 조문 사이의 빈틈, 혹은 법 해석이 갈리는 회색지대에서 나온다는 지적이 뒤따랐다.

"법은 이미 나온 법령을 보여주는것보다 사각지대랑 법적으로 모호한 부분을 처리하는게 더 관건입니다"

이 발언을 기점으로 대화의 무게중심이 옮겨갔다. 단순 검색기를 넘어 판례와 유권해석, 실제 상담 이력까지 포함한 데이터셋을 어떻게 쌓고 최신 상태로 유지할지가 논의의 핵심이 됐다. 이 지점에서 다른 참여자가 이미 존재하는 오픈소스 프로젝트를 소개했다. 법령 전체를 깃(git)으로 버전 관리하며 자치법규나 행정규칙 같은 지방 단위 규정까지 포괄하고 있다는 내용이었다.

"법령 통짜로 git 으로 관리되는 프로잳트가 있어요"

법령 개정이 잦고 지역별 조례까지 따지면 수작업 업데이트는 현실적으로 불가능하다는 공감대가 형성됐다. 결국 자동 업데이트 파이프라인을 갖춘 로컬 데이터셋이 법률 특화 AI 서비스의 최소 전제조건이라는 쪽으로 논의가 정리됐다. 법제처 API를 얇게 감싼 챗봇 수준을 넘어서려면, 데이터 축적과 사각지대 처리 로직 양쪽에 투자해야 한다는 실전 감각이 오간 대화였다.

이런 흐름은 법률 분야만의 이야기가 아니다. 의료·세무·행정처럼 규정이 자주 바뀌고 예외가 많은 전문 영역일수록, 공식 API를 그대로 얹은 챗봇과 자체 데이터셋을 구축한 서비스 사이의 품질 격차가 벌어진다. 참여자들이 로컬 데이터 축적과 자동 갱신 파이프라인을 강조한 이유도 여기에 있다. 최신성을 유지하지 못한 법률 답변은 실무에서 곧바로 신뢰를 잃기 때문이다. 결국 이날 대화는 '무엇을 검색하느냐'보다 '어떤 데이터를 어떻게 쌓고 언제 갱신하느냐'가 전문 영역 AI 서비스의 승부처라는 점을 다시 확인시켰다.