애플리케이션 간 연계 흐름

Runway에서 제공하는 애플리케이션 생태계는 플랫폼 앱과 사용자 앱(카탈로그 기반 배포)으로 구성되며, 각 앱은 코드 관리, 실험, 배포, 추론, 협업 흐름 안에서 역할을 나눠 유기적으로 연결될 수 있습니다. 이 문서에서는 대표적인 연계 흐름을 예시로 소개하며, 실제 프로젝트에서는 요구사항에 따라 다르게 구성할 수 있습니다.

선택 가능한 활용 패턴

이 문서에서 소개하는 연계 흐름은 Runway 플랫폼의 대표적인 활용 패턴입니다. 프로젝트 특성과 팀의 워크플로우에 따라 일부 연결만 사용하거나 다른 방식으로 구성할 수 있습니다.

---

플랫폼 앱 간 연계 흐름

플랫폼 앱은 프로젝트 공통 인프라로 활용할 수 있으며, 코드 관리부터 배포와 서비스 노출까지의 흐름을 구성할 수 있습니다. 아래는 플랫폼 앱을 활용한 대표적인 운영 흐름 예시입니다.

코드 관리 → 실험 → 배포

graph LR
    subgraph 코드 관리
        Gitea[Gitea<br/>코드 저장소]
    end

    subgraph 워크플로우
        Airflow[Airflow<br/>파이프라인 오케스트레이션]
    end

    subgraph 실험 관리
        MLflow[MLflow<br/>실험 추적 · 모델 관리]
    end

    subgraph 배포
        ArgoCD[Argo CD<br/>GitOps 배포]
    end

    Gitea -- DAG · 학습 코드 --> Airflow
    Gitea -- 배포 매니페스트 --> ArgoCD
    Airflow -- 실험 로깅 --> MLflow
    MLflow -- 모델 배포 --> ArgoCD

대표적인 파이프라인 연계

연결	설명
Gitea → Airflow	DAG 파일과 학습 스크립트를 Gitea에서 관리하고, Airflow가 이를 실행
Airflow → MLflow	Airflow 파이프라인 실행 시 MLflow에 실험 메트릭·아티팩트 자동 기록
MLflow → Argo CD	검증 완료된 모델을 Argo CD를 통해 서빙 환경에 배포

GitOps 배포 연계

연결	설명
Gitea → Argo CD	배포 매니페스트(YAML)를 Gitea에 저장하고, Argo CD가 동기화하여 배포

---

배포 → 추론 서비스 / LLM 활용

graph LR
    subgraph 배포
        ArgoCD[Argo CD<br/>GitOps 배포]
    end

    subgraph LLM_API ["LLM 활용"]
        Playground[LLM Playground<br/>LiteLLM API]
    end

    subgraph 추론 서비스
        Endpoint[추론 엔드포인트<br/>모델 서빙 API]
    end

    subgraph client ["클라이언트"]
        Chat[Chat]
        External([외부 요청])
    end

    ArgoCD -- 모델 배포 · 동기화 --> Endpoint
    ArgoCD -- 모델 등록 --> Playground
    Playground -- LLM 제공 --> Chat
    Endpoint -- REST / gRPC --> External

모델 서빙 연계

연결	설명
Argo CD → 추론 엔드포인트	모델 서빙 API를 배포하고 상태를 동기화
추론 엔드포인트 → 외부요청	REST / gRPC를 통해 외부 클라이언트에 추론 결과 제공

LLM 활용 연계

연결	설명
Argo CD → LLM Playground	배포된 모델을 LLM API 게이트웨이에 등록
LLM Playground → Chat	LLM Playground에 등록된 모델을 Chat에서 대화형으로 활용

---

플랫폼 앱과 카탈로그 앱 연계 흐름

프로젝트 앱(카탈로그 배포 앱)은 개발·실험 작업을 수행하는 실행 환경으로, 필요에 따라 플랫폼 앱과 연계하여 결과를 저장·배포·활용할 수 있습니다. 아래는 프로젝트 단위 앱이 플랫폼 앱과 연계되는 대표적인 사용 흐름입니다.

프로젝트 내 개발·활용 (앱 카탈로그 연계)

프로젝트의 앱 카탈로그에서 배포한 개발 도구와 데이터 인프라가 플랫폼 앱과 연결됩니다.

graph LR
    subgraph catalog_dev ["사용자 앱(개발환경)"]
        IDE[JupyterLab<br/><br/>Code server]
        Langflow[Langflow]
    end

    subgraph catalog_db ["사용자 앱(벡터 DB)"]
        ChromaDB[Chroma DB]
        Milvus[Milvus]
        Qdrant[Qdrant]
    end

    subgraph platform ["플랫폼 앱"]
        Gitea[Gitea]
        MLflow[MLflow]
        Chat[Chat]
    end

    IDE -- 코드 푸시 --> Gitea
    IDE -- 실험 로깅 --> MLflow
    IDE -. 임베딩 저장 · 검색 .-> catalog_db
    Langflow  --> ChromaDB
    Langflow  --> Milvus
    Langflow  --> Qdrant
    ChromaDB -. RAG 활용 .-> Chat
    Milvus -. RAG 활용 .-> Chat
    Qdrant -. RAG 활용 .-> Chat
    Langflow -- 에이전트 서빙 --> Chat

개발 환경 연계

연결	설명
JupyterLab · Code server → Gitea	개발 환경에서 작성한 코드를 Gitea 저장소에 푸시
JupyterLab · Code server → MLflow	개발 환경에서 실행한 실험 결과를 MLflow에 자동 로깅

벡터 데이터 연계

연결	설명
JupyterLab · Code server → 벡터 DB	개발 환경에서 생성한 임베딩을 벡터 DB에 저장하고 검색

RAG 파이프라인 연계

연결	설명
Langflow → 벡터 DB	Langflow에서 RAG 파이프라인 구성 시 Chroma DB · Milvus · Qdrant를 검색 소스로 활용
벡터 DB → Chat	벡터 DB에 저장된 임베딩을 Chat의 RAG 검색에 활용

에이전트 서빙 연계

연결	설명
Langflow → Chat	Langflow에서 구축한 에이전트를 Chat에서 대화형으로 서빙