LlamaParse 소개 — 에이전트형 문서 파서로 LLM 파이프라인 준비하기

PDF로 된 보고서, 스캔된 문서, 복잡한 표나 차트가 담긴 자료를 그대로 LLM에 넣으면 모델이 제대로 읽지 못하는 경우가 많아요. 표의 구조가 무너지고, 스캔 페이지는 노이즈가 가득하며, 토큰 비용은 문서 길이에 비례해서 늘어나죠. LlamaParse의 Parse는 바로 이 지점, 즉 문서를 모델이 잘 읽을 수 있는 형태로 '미리' 바꿔주는 단계를 책임지는 에이전트형 문서 파서예요. 레이아웃을 인식해 PDF·스캔·표·차트를 깨끗한 마크다운이나 텍스트, JSON으로 바꿔서 곧바로 파이프라인에 흘려보낼 수 있게 해줍니다.

출처: 공식문서

팀들이 Parse로 만드는 것

금융 RAG — 10-K 보고서, 실적 공지, 투자자 자료에서 표·각주·차트를 셀 구조를 잃지 않은 채 파싱해요.
컴플라이언스 워크플로 — 서류·대본·정책 문서를 깨끗한 텍스트로 바꿔 자동 검토와 이상 징후 플래그에 활용해요.
계약 인텔리전스 — 조항 계층을 보존하고, 커스텀 프롬프트로 특정 조항을 뽑아낼 수 있어요.
의료·보험 기록 — 스캔된 청구서, 검사 리포트, 접수 양식의 필드를 안정적으로 추출해요.
운영 문서 — 티켓·주문·인보이스·양식에서 다운스트림 워크플로에 필요한 필드를 뽑아내요.
과학·기술 문헌 — 다단 레이아웃, 수식, 그림, 참고문헌이 섞인 논문과 매뉴얼을 다뤄요.

왜 Parse인가

LLM 스택에서 고품질 문서 파싱은 자주 간과되지만 사실상 가장 중요한 단계예요. 모델은 여러분이 넘겨준 정보만으로 추론할 수 있는데, 실제 문서 대부분은 그대로 해석하기 어렵습니다. 다단 레이아웃, 병합된 셀, 이미지로 박혀 있는 차트, 손으로 쓴 주석, 비뚤게 스캔된 페이지까지—이런 것들이 기본 설정에선 모두 걸림돌이 되죠.

대부분의 파서는 OCR 엔진 위에 바운딩박스 검출기를 얹은 수준이에요. Parse는 달라요. 생성 모델로 문서를 처음부터 끝까지 이해하기 때문에, 레이아웃·구조·표·차트·텍스트가 모두 같은 추론 흐름에서 나옵니다. 수십 개의 취약한 휴리스틱을 이어 붙일 필요가 없어서, 기존 파서가 무너지는 복잡한 실제 문서도 처리할 수 있어요.

PDF를 LLM에 직접 넣는 것과의 차이

짧은 문서 하나라면 원본 PDF를 멀티모달 모델에 그대로 넘겨도 잘 작동하는 경우가 많아요. 하지만 규모가 커지면 문제가 생깁니다. 표는 구조를 잃고, 스캔 페이지는 시끄러운 OCR을 만들며, 토큰 비용은 실제 신호가 있든 없든 원본 페이지 길이에 비례해 늘어나죠. Parse는 구조화 작업을 업스트림에서 한 번만 해두기 때문에, 이후 모델은 깨끗하고 레이아웃을 반영한 입력만 보게 됩니다.

가장 빠른 파싱 — 5줄이면 충분해요

파싱 자체는 생각보다 간단합니다. 파일을 업로드하고, 파싱 잡을 시작하고, 결과를 가져오면 돼요. SDK가 잡 폴링까지 처리해 주는 언어도 많아요. 예를 들어 Python은 다음과 같아요.

from llama_cloud import LlamaCloud

client = LlamaCloud()  # reads LLAMA_CLOUD_API_KEY
file = client.files.create(file="doc.pdf", purpose="parse")
result = client.parsing.parse(file_id=file.id, tier="agentic", version="latest", expand=["markdown"])
print(result.markdown.pages[0].markdown)

tier는 정확도와 비용의 균형을 고르는 값, version은 파서 버전, expand는 결과로 돌려받을 필드를 지정해요. TypeScript·Go·Java·CLI도 같은 흐름이며, CLI는 셸에서 llp parsing 명령으로 파싱을 조작할 수 있어요.

설정과 예제 전반은 Getting Started 페이지를, 코딩 에이전트를 쓰고 있다면 Parse 에이전트 스킬(npx skills add run-llama/llamaparse-agent-skills --skill llamaparse)을 설치해 SDK 코드를 직접 안 짜고 문서 파싱을 맡길 수도 있어요.

핵심 기능

유연한 티어 — 작업마다 비용·정확도 균형을 고를 수 있어요. Agentic Plus는 가장 어려운 문서에서 최대 정확도를 내는 최신 모델, Agentic은 복잡하고 시각적으로 풍부한 파일용 고급 파싱 에이전트, Cost Effective는 일상 작업용 균형 성능, Fast는 고용량 일반 텍스트용 최저 지연·최저 비용 티어예요(Fast는 마크다운 대신 텍스트·공간 텍스트만 돌려줍니다).
레이아웃 인식 표 추출 — PDF·스캔·이미지에서 표를 셀 구조가 보존된 채 복원해, 다운스트림 모델과 스프레드시트가 첫 시도에 정확한 데이터를 받을 수 있게 해요.
차트·다이어그램 파싱 — 차트·플롯·다이어그램을 구조화 데이터로 추출해 LLM이 픽셀이 아니라 숫자 위에서 추론하게 해줘요.
커스텀 프롬프트·출력 스키마 — 자연어 지시나 구조화 출력 스키마로 파서를 원하는 방향으로 조종할 수 있어요.
Cost Optimizer — 문서의 각 페이지를 알맞은 티어로 자동 라우팅해요. 단순 페이지는 더 싼 cost_effective 티어로, 복잡한 페이지(표·차트·다단 레이아웃·다이어그램)는 프리미엄 티어로 보내고, 둘을 병렬 처리해 지연 페널티 없이 비용을 아껴요.
130개 이상의 파일 형식 — PDF, DOCX, PPTX, XLSX, HTML, JPEG, PNG, XML, EPUB 등 다양한 포맷을 지원해요.
프로덕션 준비 — 자동 캐싱, 웹훅, 페이지 단위 제어, 재현 가능한 출력을 위한 버전 고정 티어를 제공해요.

워크플로

문서 연결 — API·SDK·웹 UI로 문서를 업로드하거나 스트리밍하고, 엔터프라이즈 데이터 소스용 커넥터도 지원해요.
파싱 구성 — 빠른 시작을 위해 티어를 고르거나, 특정 모델·출력 형식·파싱 지시가 담긴 커스텀 구성을 정의해요.
깨끗한 결과 수령 — 파이프라인이 바로 소비할 수 있는 파싱 결과를 받아요.

더 알아보기

Getting Started — 언어별 전체 설정과 첫 파싱 잡 실행 방법
Parse 티어 가이드 — Agentic Plus vs Agentic vs Cost Effective vs Fast를 언제 쓸지
Configuring Parse — 입력·출력·처리 옵션 전체
Retrieving Results — expand 값 목록과 결과 제어 방법