메인 콘텐츠로 건너뛰기

Documentation Index

Fetch the complete documentation index at: https://docs.fim.ai/llms.txt

Use this file to discover all available pages before exploring further.

모든 구성은 .env를 통해 수행됩니다. example.env를 복사하고 값을 입력하세요: 
cp example.env .env

​
설정 수준

각 통합에는 중요도를 나타내는 설정 수준이 있습니다:
수준의미설정되지 않았을 때의 동작
필수핵심 시스템 종속성시스템 오류 발생 — 채팅 및 주요 기능이 작동하지 않음
권장중요한 기능 활성화우아한 성능 저하 — 기능이 명확하게 사용 불가능하지만 시스템은 실행됨
선택향상 기능투명한 성능 저하 — 시스템이 정상 작동하며, 기능만 없음
참고: 관리자가 설정한 모델(관리자 → 모델 페이지)은 LLM 환경 변수를 대체할 수 있습니다. 상태 확인은 두 소스를 모두 고려합니다.

​
프론트엔드 (로컬 개발 전용)

프론트엔드에는 로컬 개발 전용 별도의 env 파일이 있습니다: frontend/.env.local.
이 파일은 Docker에서 사용되지 않습니다. Docker 컨테이너 내에서 Next.js는 /api/*를 Python 백엔드로 내부적으로 프록시합니다 (포트 8000은 컨테이너 내부용이므로), 프론트엔드 env 파일이 필요하지 않습니다.
로컬 개발의 경우 기본값이 그대로 작동합니다 — 백엔드가 기본이 아닌 포트에서 실행되지 않는 한 frontend/.env.local을 생성할 필요가 없습니다. 필요한 경우 frontend/.env.local을 수동으로 생성하여 재정의할 수 있습니다: 
echo 'NEXT_PUBLIC_API_URL=http://localhost:9000' > frontend/.env.local
변수기본값설명
NEXT_PUBLIC_API_URLhttp://localhost:8000 (자동)브라우저가 직접 API 호출(OAuth 리다이렉트, 스트리밍)에 사용하는 백엔드 URL입니다. 설정되지 않은 경우 window.location에서 자동 감지됩니다 — 백엔드가 로컬에서 비표준 포트에서 실행되는 경우에만 재정의하세요.
빌드 타임 참고: NEXT_PUBLIC_* 변수는 pnpm build 시점에 JS 번들에 포함됩니다. 런타임에 변경하는 것(예: 루트 .env를 통해)은 효과가 없습니다 — 이것이 로컬 개발 전용으로 frontend/.env.local에 있는 이유입니다.

​
LLM (필수)

변수필수기본값설명
LLM_API_KEY예—LLM 제공商의 API 키
LLM_BASE_URL아니오https://api.openai.com/v1OpenAI 호환 API의 기본 URL
LLM_MODEL아니오gpt-4o주 모델 — 계획, 분석 및 ReAct 智能体에 사용됨
FAST_LLM_MODEL아니오(LLM_MODEL로 폴백)빠른 모델 — DAG 단계 실행에 사용됨 (더 저렴하고 빠름)
LLM_TEMPERATURE아니오0.7기본 샘플링 온도
LLM_CONTEXT_SIZE아니오128000주 LLM의 상下文窗口 크기
LLM_MAX_OUTPUT_TOKENS아니오64000주 LLM의 호출당 최대 출력 토큰
FAST_LLM_API_KEY아니오(LLM_API_KEY로 폴백)빠른 모델 제공商의 API 키. 빠른 모델이 주 모델과 다른 제공商에서 호스팅될 때 사용
FAST_LLM_BASE_URL아니오(LLM_BASE_URL로 폴백)빠른 모델 제공商의 기본 URL
FAST_LLM_TEMPERATURE아니오(LLM_TEMPERATURE로 폴백)빠른 모델의 샘플링 온도
FAST_LLM_CONTEXT_SIZE아니오(LLM_CONTEXT_SIZE로 폴백)빠른 LLM의 상下文窗口 크기
FAST_LLM_MAX_OUTPUT_TOKENS아니오(LLM_MAX_OUTPUT_TOKENS로 폴백)빠른 LLM의 호출당 최대 출력 토큰
LLM_REASONING_EFFORT아니오(비활성화됨)지원되는 모델의 확장 사고 수준 (OpenAI o-series, Gemini 2.5+, Claude). 값: low, medium, high. LiteLLM은 이를 각 제공商의 네이티브 형식으로 자동 변환합니다. 모델의 사고 과정은 UI “thinking” 단계에 표시됩니다.
LLM_REASONING_BUDGET_TOKENS아니오(노력에서 자동)Anthropic 사고를 위한 명시적 토큰 예산 (최소 1024). OpenAI/Gemini의 경우 노력 수준이 직접 사용됩니다. LLM_REASONING_EFFORT가 설정된 경우에만 효과적입니다.
LLM_JSON_MODE_ENABLED아니오trueresponse_format=json_object의 전역 토글. 제공商이 LiteLLM의 어시스턴트 프리필 주입을 거부하는 경우 false로 설정 (예: AWS Bedrock 릴레이 → 2번째 이상 智能体 반복에서 ValidationException). 비활성화되면 구조화된 호출은 JSON 모드를 건너뛰고 일반 텍스트 정규식 추출로 폴백 — 품질 손실 없음. 모든 모델 (ENV 구성 및 Admin 구성)에 적용됩니다.
LLM_TOOL_CHOICE_ENABLED아니오true구조화된 출력 추출에서 강제 tool_choice의 전역 토글 (Level 1 — 네이티브 함수 호출). 모델이 강제 도구 선택으로 오류를 반환하는 경우 false로 설정 (예: tool_choice='specified'를 거부하는 사고 모드 모델). 비활성화되면 구조화된 호출은 네이티브 FC를 건너뛰고 JSON 모드에서 시작합니다. Settings → Models → Advanced에서 모델별 재정의 가능.
REASONING_LLM_MODEL아니오(LLM_MODEL로 폴백)추론 계층의 모델 이름. 깊이 있는 분석이 필요한 작업에 사용됨 (예: DAG 계획, 계획 분석)
REASONING_LLM_API_KEY아니오(LLM_API_KEY로 폴백)추론 모델 제공商의 API 키
REASONING_LLM_BASE_URL아니오(LLM_BASE_URL로 폴백)추론 모델 제공商의 기본 URL
REASONING_LLM_TEMPERATURE아니오(LLM_TEMPERATURE로 폴백)추론 모델의 샘플링 온도
REASONING_LLM_CONTEXT_SIZE아니오(LLM_CONTEXT_SIZE로 폴백)추론 모델의 상下文窗口 크기
REASONING_LLM_MAX_OUTPUT_TOKENS아니오(LLM_MAX_OUTPUT_TOKENS로 폴백)추론 모델의 호출당 최대 출력 토큰
REASONING_LLM_EFFORT아니오(LLM_REASONING_EFFORT로 폴백)추론 모델 계층의 추론 노력 수준. 값: low, medium, high
REASONING_LLM_BUDGET아니오(LLM_REASONING_BUDGET_TOKENS로 폴백)추론을 위한 토큰 예산 (주로 Anthropic). 추론 계층의 자동 계산 예산을 재정의합니다.
LLM_SUPPORTS_VISION아니오true (낙관적)ENV 모드 문서 OCR (MarkItDown + markitdown-ocr를 통해)이 시도되는지 여부를 제어합니다. Admin → Models에서 활성 모델 그룹이 구성되지 않은 경우에만 적용됩니다 (순수 ENV 모드). 기본값 true가 적용되면 convert_to_markdown 및 RAG 수집은 LLM_MODEL이 비전을 지원한다고 가정하고 이미지 OCR을 위해 호출합니다 — 이는 모든 일반적인 선택에 대한 올바른 동작입니다 (gpt-4o, claude-3-5-sonnet, gemini-1.5-pro/flash). ENV 구성된 LLM_MODEL이 비전을 지원하지 않는 경우 false로 설정하십시오 (예: deepseek-v3, qwen-chat, llama-3.1, gpt-3.5-turbo, o1-mini) 실패한 비전 호출을 건너뛰고 텍스트 전용 추출로 직접 이동합니다. Admin → Models 패널에 활성 모델 그룹이 있으면 이 플래그는 무시되고 그룹의 supports_vision 플래그가 인수합니다 — 관리자가 선별한 선택은 항상 DB 모드의 신뢰할 수 있는 출처입니다.
해결 순서: 사용자 선호도 → Admin 모델 (DB) → ENV 폴백. Admin → Models에서 역할이 “General”인 관리 모델이 구성된 경우 이러한 ENV 변수는 폴백으로만 제공됩니다. 상태 확인은 두 출처를 모두 고려합니다.

​
MarkItDown OCR 해상도

convert_to_markdown 내장 도구와 RAG 수집 파이프라인은 모두 Microsoft의 MarkItDown + 공식 markitdown-ocr 플러그인을 사용하여 문서에서 텍스트를 추출합니다 — 비전 기능이 있는 LLM을 사용할 수 있을 때 임베드된 이미지와 스캔된 PDF 페이지에 대한 OCR을 포함합니다. 비전 LLM 해상도 순서 (첫 번째 일치 우선):
#소스우선순위 근거
1에이전트의 기본 LLM (supports_vision=True인 경우)일관성: 동일한 API 키, 동일한 청구 버킷, 대화와 동일한 속도 제한 풀.
2활성 ModelGroup → Fast Model (supports_vision=True인 경우)Fast 모델(gpt-4o-mini, claude-haiku, gemini-1.5-flash)은 이상적인 OCR 워크호스입니다 — 저렴하고, 낮은 지연시간, 보통 멀티모달입니다.
3활성 ModelGroup → General Model (supports_vision=True인 경우)기본 모델이 그룹에 없을 때의 품질 폴백입니다.
4ENV 기본 LLM (LLM_MODEL)순수 ENV 모드에 대한 낙관적 폴백입니다. 활성 ModelGroup이 없을 때만 사용됩니다. LLM_SUPPORTS_VISION으로 제어됩니다.
추론 모델은 OCR에 선호되지 않습니다. 추론 계층(o1, o3-mini, DeepSeek-R1)은 역사적으로 비전 지원이 부족하며 OCR에는 잘못된 도구입니다 — OCR은 인식 작업이지 숙고 작업이 아닙니다. 워크스페이스에 supports_vision=True인 추론 모델만 있는 경우 기본 LLM 경로를 통해 여전히 선택되지만, 리졸버는 fast/general보다 높게 순위를 매기지 않습니다. 제로 회귀 폴백: 어떤 수준에서도 비전 기능이 있는 모델을 찾을 수 없을 때, OCR은 자동으로 비활성화되고 MarkItDown은 텍스트 전용 모드에서 실행됩니다. Word/PowerPoint/Excel 임베드된 이미지 OCR은 사용할 수 없게 됩니다(이 기능이 출시되기 전과 동일), 하지만 다른 모든 텍스트 추출(제목, 표, 단락 텍스트)은 변경 없이 계속 작동합니다. 이 기능을 추가하여 추출이 이전 동작보다 악화된 경우는 절대 없습니다. **OpenAI가 아닌 제공자(Anthropic, Google Gemini 등)**는 투명하게 지원됩니다: 해석된 LLM은 LiteLLMOpenAIShim으로 래핑되어 chat.completions.create(...) 호출을 litellm.completion()을 통해 라우팅하며, 이는 제공자별 메시지 형식 변환(예: Anthropic의 source.type="base64" 이미지 블록)을 처리합니다. 하나의 shim은 LiteLLM이 지원하는 모든 제공자를 포함합니다 — 새로운 제공자를 추가하는 데 FIM One에서 코드 변경이 필요하지 않습니다.

​
확장 사고 (추론)

LLM_REASONING_EFFORT가 설정되면 FIM One은 모델의 확장 사고 기능을 활성화하여 내부 사고의 연쇄가 UI의 “thinking” 단계에 표시됩니다. FIM One은 LiteLLM을 사용하여 추론 노력 매개변수를 각 제공자의 기본 형식으로 자동으로 변환합니다.

​
지원되는 제공자

제공자LLM_BASE_URL작동 방식추론 콘텐츠 반환?
OpenAI (o1 / o3 / o4-mini)https://api.openai.com/v1reasoning_effort 기본적으로 전송됨예
Anthropic (Claude 3.7+)https://api.anthropic.com/v1/LiteLLM이 기본 Anthropic API를 통해 thinking 매개변수로 라우팅예
Google Gemini (2.5+)https://generativelanguage.googleapis.com/v1beta/openai/reasoning_effort를 호환성 엔드포인트로 전송예
LiteLLM은 LLM_BASE_URL에서 제공자를 자동으로 감지하고 올바른 API 형식으로 매핑합니다. 알 수 없는 URL은 OpenAI 호환으로 처리됩니다.

​
중요한 주의사항

타사 프록시 / 사용자 정의 엔드포인트는 보장되지 않습니다. LLM_BASE_URL이 타사 API 프록시(예: OpenRouter, one-api, 사용자 정의 게이트웨이)를 가리키는 경우, LiteLLM은 URL을 기반으로 올바르게 라우팅하려고 시도합니다. 그러나 프록시가 비표준 형식을 예상하는 경우 추론이 예상대로 작동하지 않을 수 있습니다. 프록시의 예상 매개변수 형식에 대해서는 프록시의 설명서를 참조하세요.

​
추론 활성화 시 온도 제약

일부 제공자는 추론이 활성화되었을 때 온도 제약을 적용합니다:
  • Anthropic: 확장 사고가 활성화되면 temperature=1이 필수입니다. Anthropic에서 확장 사고를 사용하는 경우 LLM_TEMPERATURE=1을 반드시 설정해야 합니다 — Anthropic은 사고가 활성화되었을 때 다른 값을 거부합니다.
  • OpenAI GPT-5.x: 항상 temperature=1만 지원합니다. LiteLLM의 drop_params 필터링이 이를 자동으로 처리합니다 — 지원되지 않는 온도 값은 자동으로 삭제됩니다. GPT-5.x의 경우 사용자 조치가 필요하지 않습니다.

​
LLM_REASONING_BUDGET_TOKENS 작동 방식

이 변수는 주로 Anthropic 경로에서 의미가 있습니다. 설정되면 자동 계산된 예산을 재정의하고 LiteLLM을 통해 thinking 매개변수에서 budget_tokens로 전송됩니다. 설정되지 않으면 예산은 LLM_MAX_OUTPUT_TOKENS x 노력 비율에서 파생됩니다:
LLM_REASONING_EFFORT예산 비율예시 (max_tokens = 64000)
low20%12,800 tokens
medium50%32,000 tokens
high80%51,200 tokens
최소 예산은 1,024 tokens입니다(Anthropic의 하드 최소값). OpenAI 및 Gemini의 경우, 제공자가 reasoning_effort 수준에 따라 토큰 할당을 내부적으로 처리합니다 — LLM_REASONING_BUDGET_TOKENS는 영향을 미치지 않습니다.

​
에이전트 실행

​
ReAct 智能体

변수필수기본값설명
REACT_MAX_ITERATIONS아니오20ReAct 요청당 최대 도구 호출 반복 횟수. 높을수록 더 철저하지만 느리고 비용이 많이 듭니다
REACT_MAX_TURN_TOKENS아니오0긴급 차단기: 단일 ReAct 턴당 최대 누적 토큰(모든 반복에 걸친 프롬프트 + 완료). 기본값 0 = 무제한. 이것은 일일 토큰 제어용이 아닙니다 — 그 목적으로는 사용자별 token_quota를 사용하세요. 이것은 에이전트가 무한 도구 호출 루프에 갇혀 있는 것과 같은 극단적인 시나리오에 대한 최후의 안전 장치입니다. 이 한계에 도달하면 작업이 중간에 중단되어 지금까지 소비한 모든 토큰이 낭비되고 불완전한 결과가 반환됩니다. 특정 폭주 에이전트 문제를 포함해야 하는 경우가 아니면 0으로 유지하세요
REACT_TOOL_SELECTION_THRESHOLD아니오12등록된 도구의 총 개수가 이 임계값을 초과할 때, 각 요청 전에 가장 관련성 높은 부분 집합을 선택하는 경량 LLM 호출
REACT_TOOL_SELECTION_MAX아니오6스마트 선택 후 유지할 최대 도구 개수(도구 개수가 REACT_TOOL_SELECTION_THRESHOLD를 초과할 때만 적용)
REACT_SELF_REFLECTION_INTERVAL아니오6N개의 도구 호출마다 자기 성찰 프롬프트를 주입하여 에이전트가 방향을 수정하고 루프를 피하도록 도움
REACT_TOOL_OBS_TRUNCATION아니오8000최종 답변을 종합할 때 도구 관찰당 최대 문자 수. 높은 값은 더 많은 토큰을 대가로 더 많은 구조화된 데이터(JSON, 테이블)를 보존합니다
REACT_TOOL_RESULT_BUDGET아니오40000단일 세션의 모든 도구 결과에 대한 집계 토큰 예산. 도구 결과 토큰의 총합이 이 상한을 초과하면 새 결과는 공지와 함께 잘립니다. 대규모 API 응답(예: 각각 8K를 반환하는 5개 커넥터 호출)으로 인한 컨텍스트 팽창을 방지합니다. 상한을 비활성화하려면 0으로 설정하세요
REACT_COMPLETION_CHECK_SKIP_CHARS아니오800에이전트의 최종 답변이 이 많은 문자를 초과할 때 사후 답변 완료 확인 LLM 호출을 건너뜁니다. 길고 상세한 답변은 “내가 놓친 것이 있나?” 검증 왕복이 필요하지 않습니다. 더 적극적으로 건너뛰려면 낮게 설정하세요. 항상 확인을 실행하려면 매우 큰 값으로 설정하세요
REACT_CYCLE_DETECTION_THRESHOLD아니오2동일한 인수로 같은 도구가 연속으로 이 많은 횟수 호출될 때, 에이전트에게 다른 접근 방식을 시도하도록 지시하는 결정론적 경고가 주입됩니다. 루프를 감지하는 자기 성찰(LLM이 루프를 인식하는 것에 의존)과 달리, 이것은 우회될 수 없는 해시 기반 확인입니다. DAG 단계에도 적용됩니다
REACT_COMPLETION_CHECK_MIN_TOOLS아니오3완료 체크리스트가 실행되기 전의 최소 도구 호출 수. 간단한 작업(1-2개 도구 호출)은 불필요한 지연을 피하기 위해 검증을 건너뜁니다. 항상 켜진 검증을 위해 1로 설정하세요. DAG 단계에도 적용됩니다
REACT_TURN_PROFILE_ENABLED아니오true턴당 단계 수준 타이밍 로그(memory_load, compact, tool_schema_build, llm_first_token, llm_total, tool_exec) 내보내기. 턴당 하나의 구조화된 로그 라인. 프로파일링을 완전히 비활성화하려면 false로 설정하세요(오버헤드 없음)
LLM_RATE_LIMIT_PER_USER아니오true단일 프로세스 전역 버킷 대신 사용자별 키가 지정된 속도 제한 버킷을 사용합니다. 한 명의 시끄러운 사용자가 같은 워커의 다른 모든 사용자를 굶주리지 않도록 방지합니다. 기본 속도는 버킷당 분당 60개 요청 및 분당 100K 토큰으로 하드코딩되어 있습니다 — 이 설정은 버킷이 공유(전역)인지 분할(사용자별)인지만 제어합니다. 레거시 전역 버킷으로 되돌리려면 false로 설정하세요(권장하지 않음)

​
DAG Planner

VariableRequiredDefaultDescription
MAX_CONCURRENCYNo5DAG executor에서 병렬 실행 가능한 최대 단계 수
DAG_STEP_MAX_ITERATIONSNo15각 DAG 단계 내 최대 도구 호출 반복 횟수
DAG_STEP_TIMEOUTNo600단계 실행 타임아웃(초). 이를 초과하는 단계는 실패로 표시되고 종속 단계는 연쇄적으로 건너뜀
DAG_MAX_REPLAN_ROUNDSNo3목표 달성 실패 시 최대 자동 재계획 시도 횟수. 사용자 중단(inject)은 무제한이며 이 예산에 포함되지 않음
DAG_REPLAN_STOP_CONFIDENCENo0.8목표 달성 불가능 신뢰도가 이 임계값을 초과할 때 재시도 중단 (0.0 = 조기 중단 안 함, 1.0 = 모든 실패 시 중단)
DAG_VERIFY_TRUNCATIONNo2000단계 검증자 LLM으로 전송되는 단계 출력의 최대 문자 수
DAG_ANALYZER_TRUNCATIONNo10000실행 후 분석기 형식 지정 시 단계 결과당 최대 문자 수
DAG_REPLAN_RECENT_TRUNCATIONNo500재계획 컨텍스트 구성 시 가장 최근 라운드의 단계 결과당 최대 문자 수
DAG_REPLAN_OLDER_TRUNCATIONNo200재계획 컨텍스트 구성 시 이전 라운드의 단계 결과당 최대 문자 수. 이전 라운드는 컨텍스트 절약을 위해 더 적극적으로 잘림
DAG_TOOL_CACHENotrue단일 DAG 실행 내에서 동일한 도구 호출 캐싱. cacheable로 명시적으로 표시된 도구(검색, 지식 검색 등 읽기 전용 도구)만 캐싱됨. 캐싱을 완전히 비활성화하려면 false로 설정
DAG_STEP_VERIFICATIONNofalse각 DAG 단계 후 일반 LLM 기반 품질 검사. 실패 시 피드백과 함께 단계가 한 번 재시도됨. 기본값 비활성화 — 모든 단계에서 지연을 추가하며 거의 필요하지 않음. 대부분의 단계 출력은 재검사 없이 허용 가능함. 낮은 품질의 단계 결과가 자주 관찰될 때만 사용
DAG_CITATION_VERIFICATIONNotrue전문 도메인 단계에 대한 인용 정확성 검사. 전제 조건: 쿼리가 먼저 LLM 도메인 분류기에 의해 전문 도메인으로 분류되어야 함 (ESCALATION_DOMAINS 참조). 도메인이 감지되고 이 플래그가 true일 때, 완료된 각 단계는 법률/의료/금융 인용에 대해 스캔되고 정확성이 검증됨 — 환각된 문서 번호, 위조된 판례 참조, 잘못된 규제 인용을 포착. 도메인 분류가 null을 반환하면(일반 쿼리) 이 설정과 관계없이 인용 검증이 실행되지 않음
DAG_CITATION_VERIFY_TRUNCATIONNo6000인용 검증 프롬프트로 전송되는 단계 결과의 최대 문자 수

​
도메인 분류

ReAct 및 DAG 실행 이전에 실행되는 독립적인 LLM 기반 도메인 감지 레이어를 제어합니다. 쿼리가 전문 도메인으로 분류되면 시스템은 도메인 인식 기능을 활성화합니다: 추론 모델로의 모델 에스컬레이션, 도메인별 SOP 지침, 인용 검증(DAG만 해당).
변수필수기본값설명
ESCALATION_DOMAINS아니요legal,medical,financial,tax,compliance,patent전문 도메인의 쉼표로 구분된 목록입니다. 빠른 LLM이 각 쿼리를 이 목록에 대해 분류합니다. 일치하면 시스템은: (1) 더 높은 정확도를 위해 추론 모델로 업그레이드, (2) 도메인별 SOP 지침 주입(예: 작성 전 검색을 통해 인용 검증), (3) DAG 단계에 대한 인용 검증 활성화. 필요에 따라 사용자 정의 도메인 추가(예: legal,education,construction)

​
Context Guard

대화가 모델의 한계를 초과하지 않도록 방지하는 자동 컨텍스트 윈도우 관리를 제어합니다.
VariableRequiredDefaultDescription
CONTEXT_GUARD_DEFAULT_BUDGETNo32000컨텍스트 윈도우 관리를 위한 기본 토큰 예산입니다. 대화가 이를 초과하면 이전 메시지가 압축됩니다
CONTEXT_GUARD_MAX_MSG_CHARSNo50000단일 메시지의 하드 문자 제한입니다. 이를 초과하는 메시지는 안전 장치로 잘립니다
CONTEXT_GUARD_KEEP_RECENTNo4대화 기록을 압축할 때 보존할 가장 최근 메시지의 개수입니다

​
에이전트 워크스페이스

변수필수기본값설명
WORKSPACE_OFFLOAD_THRESHOLD아니오8000도구 출력이 이 문자 수를 초과하면 워크스페이스 파일에 저장되고 잘린 미리보기가 대화 컨텍스트에 주입됩니다
WORKSPACE_PREVIEW_CHARS아니오2000잘린 워크스페이스 참조에 포함할 미리보기 문자 수
WORKSPACE_CLEANUP_MAX_HOURS아니오72이 시간보다 오래된 워크스페이스 파일은 자동 정리 대상입니다

​
시스템

변수필수기본값설명
SYSTEM_PROMPT_RESERVE——제거됨. 이전에는 시스템 프롬프트에 대한 컨텍스트 예산에서 고정 4K 예약을 뺐습니다. ContextGuard가 이미 메시지 목록 토큰을 추정할 때 시스템 프롬프트를 포함하기 때문에 이중 계산이 발생했습니다. 이제 예산 공식은 단순히 context_size - max_output_tokens이며, 시스템 프롬프트의 실제 크기는 동적으로 계산됩니다

​
웹 도구 (선택사항)

변수필수기본값설명
JINA_API_KEY아니오—Jina API 키. 서비스별 키가 설정되지 않았을 때 검색, 가져오기, 임베딩 및 재순위 지정을 위한 공유 폴백으로 작동합니다. jina.ai에서 발급받으세요
TAVILY_API_KEY아니오—Tavily Search API 키 (설정되어 있고 WEB_SEARCH_PROVIDER가 설정되지 않은 경우 자동 선택)
BRAVE_API_KEY아니오—Brave Search API 키 (설정되어 있고 WEB_SEARCH_PROVIDER가 설정되지 않은 경우 자동 선택)
EXA_API_KEY아니오—Exa Search API 키 (설정되어 있고 WEB_SEARCH_PROVIDER가 설정되지 않은 경우 자동 선택). exa.ai에서 발급받으세요
WEB_SEARCH_PROVIDER아니오jina검색 제공자 선택: jina / tavily / brave / exa
WEB_FETCH_PROVIDER아니오jina (키가 설정된 경우, 그 외 httpx)가져오기 제공자: jina (Jina Reader API 사용) / httpx (직접 HTTP 요청, API 키 불필요)
빠른 시작 팁: JINA_API_KEY만 설정하면 웹 검색, 웹 가져오기, 임베딩 및 재순위 지정이 모두 한 번에 활성화됩니다 — 하나의 키로 네 가지 서비스를 이용할 수 있습니다. 아래 변수를 사용하여 각 서비스를 개별적으로 재정의할 수 있습니다.

​
RAG 및 지식 기반 (권장)

​
임베딩

임베딩은 텍스트를 벡터로 변환하여 지식 기반 검색에 사용합니다. FIM One은 표준 OpenAI 호환 /v1/embeddings 엔드포인트를 사용하므로, Jina뿐만 아니라 이 인터페이스를 제공하는 모든 제공자와 함께 작동합니다.
변수필수기본값설명
EMBEDDING_API_KEY아니요(falls back to JINA_API_KEY)임베딩 제공자의 API 키
EMBEDDING_BASE_URL아니요https://api.jina.ai/v1임베딩 제공자의 기본 URL
EMBEDDING_MODEL아니요jina-embeddings-v3모델 식별자
EMBEDDING_DIMENSION아니요1024벡터 차원
제공자 예시 — 세 변수를 설정하여 전환하세요:
제공자EMBEDDING_BASE_URLEMBEDDING_MODELEMBEDDING_DIMENSION
Jina (기본값)https://api.jina.ai/v1jina-embeddings-v31024
OpenAIhttps://api.openai.com/v1text-embedding-3-small1536
Voyagehttps://api.voyageai.com/v1voyage-31024
Ollama (로컬)http://localhost:11434/v1nomic-embed-text768
임베딩 모델 또는 차원을 변경하면 기존의 모든 지식 기반 벡터가 무효화됩니다. 이전 벡터는 다른 임베딩 공간에서 계산되었으므로 검색 정확도가 조용히 저하될 것입니다. 전환 후 모든 지식 기반 인덱스를 다시 구축해야 합니다.

​
검색

변수필수기본값설명
RETRIEVAL_MODE아니오groundinggrounding (인용 및 신뢰도 점수가 포함된 전체 파이프라인) 또는 simple (기본 RAG)

​
Reranker

Reranker는 검색된 문서를 다시 점수 매겨 관련성을 개선합니다. 세 가지 공급자가 지원되며 RERANKER_PROVIDER를 통해 선택하거나 시스템이 사용 가능한 API 키에서 자동 감지하도록 할 수 있습니다.
VariableRequiredDefaultDescription
RERANKER_PROVIDERNo(auto-detect)jina / cohere / openai. 설정하지 않으면: COHERE_API_KEY가 설정된 경우 Cohere를 사용하고, 그렇지 않으면 Jina 사용
RERANKER_MODELNojina-reranker-v2-base-multilingual모델 식별자 (Jina 및 OpenAI 공급자에 적용)
COHERE_API_KEYNo—Cohere API 키 (설정되고 RERANKER_PROVIDER가 설정되지 않은 경우 Cohere reranker 자동 선택)
COHERE_RERANKER_MODELNorerank-multilingual-v3.0Cohere 전용 reranker 모델
Jina는 JINA_API_KEY를 사용합니다 (위의 Web Tools에서). OpenAI는 LLM_API_KEY / LLM_BASE_URL을 재사용합니다 — 추가 키가 필요하지 않습니다. Cohere는 자체 COHERE_API_KEY가 필요합니다.
Reranker는 선택 사항입니다 — 지식 베이스 검색은 fusion 점수 매기기를 사용하여 이 없이도 작동합니다. Embedding은 지식 베이스 기능에 권장됩니다.

​
벡터 저장소

변수필수기본값설명
VECTOR_STORE_DIR아니요./data/vector_storeLanceDB 벡터 저장소 데이터용 디렉토리 (파일 기반, 외부 서비스 없음)

​
코드 실행

변수필수기본값설명
CODE_EXEC_BACKEND아니오locallocal (직접 호스트 실행) 또는 docker (격리된 컨테이너)
DOCKER_PYTHON_IMAGE아니오python:3.11-slimPython 실행용 Docker 이미지
DOCKER_NODE_IMAGE아니오node:20-slimNode.js 실행용 Docker 이미지
DOCKER_SHELL_IMAGE아니오python:3.11-slim셸 실행용 Docker 이미지
DOCKER_MEMORY아니오(Docker 기본값)컨테이너당 RAM 제한 (예: 256m, 512m, 1g)
DOCKER_CPUS아니오(Docker 기본값)컨테이너당 CPU 할당량 (예: 0.5, 1.0)
SANDBOX_TIMEOUT아니오120기본 실행 타임아웃(초)
DOCKER_HOST_DATA_DIR아니오(설정되지 않음)./data 볼륨 마운트의 호스트 측 절대 경로. DooD(Docker-outside-of-Docker) 배포에 필수이며, docker-compose.yml은 ${PWD}/data를 통해 자동으로 설정합니다.
보안: local 모드는 AI가 생성한 코드를 호스트에서 직접 실행합니다. 인터넷 공개 또는 다중 사용자 배포의 경우, 항상 CODE_EXEC_BACKEND=docker로 설정하세요.

​
도구 아티팩트

도구 실행(코드 실행, 템플릿 렌더링, 이미지 생성)으로 생성된 파일의 크기 제한입니다.
변수필수기본값설명
MAX_ARTIFACT_SIZE아니오10485760 (10 MB)단일 아티팩트 파일의 최대 크기(바이트)
MAX_ARTIFACTS_TOTAL아니오52428800 (50 MB)세션당 총 아티팩트의 최대 크기(바이트)

​
문서 처리 (선택사항)

업로드된 PDF/DOCX 파일이 LLM 사용을 위해 어떻게 처리되는지를 제어합니다. 비전 기능이 있는 모델(GPT-4o, Claude 3/4, Gemini)은 더 높은 충실도를 위해 PDF 페이지를 렌더링된 이미지로 받을 수 있습니다.
변수필수기본값설명
DOCUMENT_PROCESSING_MODE아니오autoauto (모델이 지원하면 비전), vision (항상 페이지 렌더링), text (항상 텍스트만 추출)
DOCUMENT_VISION_DPI아니오150PDF 페이지 렌더링을 위한 DPI. 높을수록 = 더 나은 품질, 더 많은 토큰
DOCUMENT_VISION_MAX_PAGES아니오20PDF당 이미지로 렌더링할 최대 페이지 수
참고: 모델별 비전 지원은 관리자 → 모델의 supports_vision 토글을 통해 구성됩니다. 명시적으로 설정되지 않으면 시스템이 모델 이름에서 비전 기능을 자동으로 감지합니다.

​
이미지 생성 (선택사항)

변수필수기본값설명
IMAGE_GEN_PROVIDER아니오googlegoogle (Gemini 네이티브 API) 또는 openai (OpenAI 호환 /v1/images/generations)
IMAGE_GEN_API_KEY아니오—Google AI Studio 키 (google) 또는 프록시/OpenAI API 키 (openai)
IMAGE_GEN_MODEL아니오gemini-3.1-flash-image-preview이미지 생성 모델 (예: dall-e-3, gemini-nano-banana-2)
IMAGE_GEN_BASE_URL아니오(공급자별)Google: https://generativelanguage.googleapis.com/v1beta; OpenAI: https://api.openai.com/v1

​
이메일 (SMTP) (권장)

SMTP_HOST, SMTP_USER, SMTP_PASS가 모두 설정되면 email_send 기본 제공 도구를 자동으로 등록합니다.
변수필수기본값설명
SMTP_HOST조건부—SMTP 서버 호스트명
SMTP_PORT아니오465SMTP 포트
SMTP_SSL아니오sslTLS 모드: ssl (포트 465) / tls (STARTTLS, 포트 587) / "" (평문)
SMTP_USER조건부—SMTP 로그인 사용자명
SMTP_PASS조건부—SMTP 로그인 비밀번호
SMTP_FROM아니오(uses SMTP_USER)From 헤더에 표시되는 발신자 주소
SMTP_FROM_NAME아니오—From 헤더에 표시되는 표시 이름
SMTP_REPLY_TO아니오—Reply-To 주소; 회신이 SMTP_FROM 대신 여기로 전송됨
SMTP_ALLOWED_DOMAINS아니오—쉼표로 구분된 도메인 허용 목록 (예: example.com,corp.io); 나열된 도메인 외의 수신자 차단
SMTP_ALLOWED_ADDRESSES아니오—쉼표로 구분된 정확한 주소 허용 목록; SMTP_ALLOWED_DOMAINS과 함께 사용; 모든 수신자를 허용하려면 둘 다 설정하지 않음 (공유 사서함의 경우 권장하지 않음)

​
커넥터

변수필수기본값설명
CONNECTOR_RESPONSE_MAX_CHARS아니오50000배열이 아닌 JSON / 일반 텍스트 커넥터 응답의 최대 문자 수
CONNECTOR_RESPONSE_MAX_ITEMS아니오10커넥터 응답이 JSON 배열일 때 유지할 최대 배열 항목 수
CREDENTIAL_ENCRYPTION_KEY아니오(설정되지 않음)커넥터 자격증명 blob에 대한 Fernet 암호화 키. 설정되면 connector_credentials에 저장된 인증 토큰이 저장 시 암호화됩니다. 설정되지 않으면 자격증명이 일반 텍스트 JSON으로 저장됩니다(하위 호환성). 이 키를 변경하면 기존의 모든 암호화된 자격증명이 무효화됩니다.
CONNECTOR_TOOL_MODE아니오progressive커넥터 도구가 에이전트에 노출되는 방식. progressive: discover/execute 하위 명령이 있는 단일 ConnectorMetaTool(커넥터당 ~30 토큰). classic: 작업당 하나의 도구(레거시, 작업당 ~250 토큰).
DATABASE_TOOL_MODE아니오progressive데이터베이스 커넥터 도구가 에이전트에 노출되는 방식. progressive: list_tables/discover/query 하위 명령이 있는 단일 DatabaseMetaTool. legacy: 데이터베이스 커넥터당 작업당 하나의 도구(각 3개 도구).
MCP_TOOL_MODE아니오progressiveMCP 서버 도구가 에이전트에 노출되는 방식. progressive: discover/call 하위 명령이 있는 단일 MCPServerMetaTool. legacy: MCP 서버 작업당 하나의 도구(원본 개별 도구).

​
Platform

VariableRequiredDefaultDescription
DATABASE_URLNosqlite+aiosqlite:///./data/fim_one.db데이터베이스 연결 문자열. SQLite (설정 불필요): sqlite+aiosqlite:///./data/fim_one.db. PostgreSQL (프로덕션): postgresql+asyncpg://user:pass@localhost:5432/fim_one. Docker Compose는 PostgreSQL을 자동으로 설정합니다.
JWT_SECRET_KEYNoCHANGE_MEJWT 토큰 서명용 비밀 키. 플레이스홀더 값 CHANGE_ME (또는 기타 레거시 기본값)는 첫 시작 시 보안 256비트 난수 키를 자동 생성하고 .env에 기록합니다. 프로덕션에서는 재시작 및 복제본 간에 토큰이 유효하게 유지되도록 명시적으로 설정하세요.
CORS_ORIGINSNo—localhost 항목 이외의 추가 허용 CORS 원본의 쉼표 구분 목록. 프론트엔드가 비localhost 도메인에서 실행될 때 필수입니다 (예: https://app.example.com).
UPLOADS_DIRNo./uploads업로드된 파일의 디렉토리
MAX_UPLOAD_SIZE_MBNo50최대 파일 업로드 크기(메가바이트, 백엔드 강제)
NEXT_PUBLIC_MAX_UPLOAD_SIZE_MBNo50프론트엔드 UI에 표시되는 최대 파일 업로드 크기. 빌드 시간 변수 — MAX_UPLOAD_SIZE_MB와 일치해야 합니다.
MCP_SERVERSNo—MCP 서버 구성의 JSON 배열 (uv sync --extra mcp 필요)
ALLOW_STDIO_MCPNofalsestdio MCP 서버 허용. 신뢰할 수 있는 로컬 배포에서만 true로 설정하세요
ALLOWED_STDIO_COMMANDSNonpx,uvx,node,python,python3,deno,bunstdio MCP 서버에 허용되는 기본 명령의 쉼표 구분 목록. ALLOW_STDIO_MCP=true일 때만 유효합니다
LOG_LEVELNoINFO로깅 수준: DEBUG / INFO / WARNING / ERROR / CRITICAL
REDIS_URLNo—워커 간 인터럽트 릴레이용 Redis 연결 URL. WORKERS>1일 때 필수 — 없으면 스트림 중 인터럽트/주입 요청이 다른 워커에 도달하여 자동으로 실패할 수 있습니다. Docker Compose에서 자동으로 구성됩니다.
WORKERSNo1Uvicorn 워커 프로세스. 1은 안전하며 외부 서비스가 필요하지 않습니다. 프로덕션 다중 워커의 경우 PostgreSQL을 사용하세요 (SQLite는 단일 쓰기). SQLite는 가벼운 로드 하에서 로컬 개발에 적합합니다. 인증, OAuth 및 파일 작업은 완전히 다중 워커 안전입니다 (JWT 기반). Docker Compose는 PostgreSQL과 Redis를 자동으로 구성합니다.
다중 워커 체크리스트 (WORKERS>1):
  • 중지 (스트림 중단) — 항상 작동하며 추가 구성이 필요하지 않습니다 (신호는 동일한 TCP 연결을 통해 전달됨).
  • 주입 (스트림 중 후속) — REDIS_URL 필수. Redis 없으면 주입 요청이 실행 중인 실행에 대한 지식이 없는 다른 워커에 도달하여 자동으로 실패할 수 있습니다.
  • 프로덕션: PostgreSQL (DATABASE_URL) 사용. SQLite의 단일 쓰기 잠금은 동시 쓰기 시 경합을 유발할 수 있습니다.
  • 로컬 개발: SQLite + 다중 워커는 가벼운 사용에 적합합니다. 주입 기능을 사용하는 경우 REDIS_URL을 추가하세요.

​
워크플로우 실행 보존

오래된 워크플로우 실행을 자동으로 삭제하는 백그라운드 정리 작업입니다. 워크플로우 설정 UI에서 구성된 워크플로우별 재정의가 이러한 전역 기본값보다 우선합니다.
변수필수기본값설명
WORKFLOW_RUN_MAX_AGE_DAYS아니오30이 일수보다 오래된 워크플로우 실행 삭제
WORKFLOW_RUN_MAX_PER_WORKFLOW아니오100워크플로우당 최대 이 많은 실행 유지 (가장 오래된 항목부터 삭제)
WORKFLOW_RUN_CLEANUP_INTERVAL_HOURS아니오24백그라운드 정리 작업이 실행되는 빈도 (시간 단위)

​
채널 확인 요청 만료

백그라운드 스위퍼로, 채널 훅(예: FeishuGateHook 또는 Approval Playground)에서 생성된 오래된 대기 중인 승인 요청을 만료된 것으로 표시합니다. 며칠 후 잊혀진 카드를 클릭해도 이미 해제된 에이전트 상태가 변경되지 않도록 합니다.
VariableRequiredDefaultDescription
CHANNEL_CONFIRMATION_TTL_MINUTESNo1440이보다 오래된 대기 중인 확인은 자동으로 만료됩니다 (기본값: 24시간)
CHANNEL_CONFIRMATION_SWEEP_INTERVAL_SECONDSNo600만료 스위퍼가 실행되는 빈도 (기본값: 10분마다)

​
OAuth (선택 사항)

공급자에 대해 CLIENT_ID와 CLIENT_SECRET이 모두 설정되면 로그인 페이지에 해당 OAuth 버튼이 자동으로 표시됩니다.
변수필수기본값설명
GITHUB_CLIENT_ID아니오—GitHub OAuth App 클라이언트 ID. github.com/settings/developers → OAuth Apps에서 생성
GITHUB_CLIENT_SECRET아니오—GitHub OAuth App 클라이언트 시크릿
GOOGLE_CLIENT_ID아니오—Google OAuth 클라이언트 ID. console.cloud.google.com/apis/credentials에서 생성
GOOGLE_CLIENT_SECRET아니오—Google OAuth 클라이언트 시크릿
DISCORD_CLIENT_ID아니오—Discord OAuth2 클라이언트 ID. discord.com/developers에서 생성
DISCORD_CLIENT_SECRET아니오—Discord OAuth2 클라이언트 시크릿
FEISHU_APP_ID아니오—Feishu (Lark) App ID. open.feishu.cn에서 생성. contact:user.email:readonly 권한 필요
FEISHU_APP_SECRET아니오—Feishu (Lark) App Secret
FRONTEND_URL프로덕션http://localhost:3000OAuth 완료 후 브라우저가 이동할 위치. 프로덕션에서 설정 필수 (예: https://yourdomain.com)
API_BASE_URL프로덕션http://localhost:8000외부에서 접근 가능한 백엔드 URL, OAuth 콜백 URL 구성에 사용. 프로덕션에서 설정 필수
NEXT_PUBLIC_API_URL프로덕션(자동 감지: <hostname>:8000)OAuth 리다이렉트를 위한 브라우저 측 API 기본 URL. 이것은 프론트엔드 빌드 타임 변수입니다 — 로컬 개발의 경우 frontend/.env.local에서 설정하거나, 커스텀 프로덕션 배포의 경우 Docker 빌드 인자로 전달하세요. 자동 감지는 표준 리버스 프록시 설정(포트 80/443)에서 작동합니다.
프로덕션 = 로컬에서는 선택 사항(기본값 작동), 하지만 인터넷에 노출된 배포의 경우 필수입니다.

​
각 제공자에 등록할 OAuth 콜백 URL

백엔드는 콜백 URL을 다음과 같이 구성합니다: {API_BASE_URL}/api/auth/oauth/{provider}/callback
제공자등록할 콜백 URL
GitHubhttps://yourdomain.com/api/auth/oauth/github/callback
Googlehttps://yourdomain.com/api/auth/oauth/google/callback
Discordhttps://yourdomain.com/api/auth/oauth/discord/callback

​
Cloudflare Tunnel (선택사항)

Cloudflare의 네트워크를 통해 모든 트래픽을 라우팅하여 포트를 직접 노출하지 않습니다. Nginx, SSL 인증서 및 열린 방화벽 규칙의 필요성을 제거합니다. 설정 지침은 프로덕션 배포 섹션을 참조하세요.
중국 본토 사용자: Cloudflare Free/Pro/Business 플랜은 중국 본토에 PoP가 없습니다. 트래픽이 해외 엣지로 라우팅되어 502 오류가 자주 발생합니다. 중국 네트워크가 있는 Cloudflare Enterprise가 없는 한 주요 사용자가 중국 본토에 있는 경우 이를 사용하지 마세요.
변수필수기본값설명
CLOUDFLARE_TUNNEL_TOKEN예 (Tunnel 사용 시)—Cloudflare Zero Trust → Networks → Tunnels → your tunnel → Configure에서 가져온 토큰입니다. eyJ...로 시작합니다. docker-compose.tunnel.yml의 cloudflared 사이드카에 필요합니다.

​
분석 (선택사항)

모든 분석 제공자는 선택사항입니다. 원하는 조합으로 설정하면 모든 활성 제공자가 동시에 로드됩니다. 분석을 완전히 비활성화하려면 모두 비워두세요 (로컬 개발에 권장).
변수필수기본값설명
NEXT_PUBLIC_GA_MEASUREMENT_ID아니오—Google Analytics 4 측정 ID (예: G-XXXXXXXXXX). analytics.google.com에서 발급받으세요
NEXT_PUBLIC_UMAMI_SCRIPT_URL아니오—Umami 분석 스크립트 URL (예: https://your-umami.com/script.js). 자체 호스팅, 개인정보 보호 친화적 대안 — umami.is
NEXT_PUBLIC_UMAMI_WEBSITE_ID아니오—Umami 웹사이트 ID. NEXT_PUBLIC_UMAMI_SCRIPT_URL이 설정되어 있을 때 필수
NEXT_PUBLIC_PLAUSIBLE_DOMAIN아니오—Plausible 분석 도메인 (예: yourdomain.com). 경량, 개인정보 보호 친화적 — plausible.io
NEXT_PUBLIC_PLAUSIBLE_SCRIPT_URL아니오https://plausible.io/js/script.js자체 호스팅 인스턴스용 커스텀 Plausible 스크립트 URL
모든 NEXT_PUBLIC_* 분석 변수는 빌드 타임입니다 — 변경사항이 적용되려면 프론트엔드를 다시 빌드해야 합니다.