LlamaParse 퀵스타트 — 60초 만에 첫 파싱 잡 돌리기

Parse를 처음 써보는 분을 위한 빠른 시작 안내예요. Python·TypeScript·Go·Java·CLI·REST API·웹 UI 중 어느 경로를 택하든, 첫 파싱 잡을 1분 안에 돌려볼 수 있도록 구성했습니다. 문서 전체를 읽지 않아도, 여기 나온 흐름대로 따라 하면 실제 결과를 화면에서 확인할 수 있어요.

출처: 공식문서

시작 전에 준비할 것

Parse를 호출하려면 LlamaCloud API 키가 필요해요. 키를 발급받은 뒤 환경변수로 설정하면 SDK가 자동으로 읽어옵니다.

export LLAMA_CLOUD_API_KEY="llx-..."

이 값 하나만 세팅해 두면, 아래 코드에서 LlamaCloud()를 LLAMA_CLOUD_API_KEY 직접 지정 없이 생성할 수 있어요.

60초짜리 첫 파싱 — Python 기준

Python SDK를 설치하고, 파일을 업로드한 뒤 파싱 잡을 시작하면 됩니다.

pip install llama-cloud>=2.8

from llama_cloud import LlamaCloud

client = LlamaCloud()  # reads LLAMA_CLOUD_API_KEY from the environment

# Upload and parse a document
file = client.files.create(file="./attention_is_all_you_need.pdf", purpose="parse")
result = client.parsing.parse(
    file_id=file.id,
    tier="agentic",
    version="latest",
    expand=["markdown"],
)

# Print the markdown for the first page
print(result.markdown.pages[0].markdown)

client.parsing.parse()가 잡 폴링을 대신 처리해 줘요. 즉 잡이 끝날 때까지 블로킹된 뒤 전체 결과를 돌려주므로, 별도로 상태를 기다릴 필요가 없습니다. 비동기가 필요하면 LlamaCloud 대신 AsyncLlamaCloud를 쓰고 호출을 await하면 돼요.

파싱 잡을 원하는 대로 조절하기

위 코드는 기본값만 쓴 것이에요. 출력을 다듬고 싶을 때 input_options, output_options, processing_options를 추가하면 됩니다.

result = client.parsing.parse(
    file_id=file.id,
    tier="agentic",
    version="latest",
    output_options={
        "markdown": {"tables": {"output_tables_as_markdown": True}},
        "images_to_save": ["screenshot"],
    },
    processing_options={
        "ocr_parameters": {"languages": ["en"]},
    },
    expand=["text", "markdown", "items", "images_content_metadata"],
)

각 옵션 그룹은 전용 참조 페이지가 따로 있어요.

Input Options — 페이지 범위, 크롭 박스, 파일 형식별 제어, 캐시 동작
Output Options — 마크다운 스타일, 공간 텍스트, 스크린샷, 표를 스프레드시트로 내보내기 등
Processing Options — OCR 언어, 무시 규칙, 차트 파싱, 비용 최적화
Retrieving Results — 모든 expand 값과 반환 내용을 제어하는 방법

다른 언어·도구로도 해보기

파이프라인이 Python이 아니어도 문제없어요. 같은 흐름(파일 업로드 → 파싱 잡 시작 → 결과 수령)을 TypeScript·Go·Java·CLI·REST API·웹 UI로 그대로 구현할 수 있습니다.

TypeScript — npm install @llamaindex/llama-cloud 후 import LlamaCloud from '@llamaindex/llama-cloud'로 같은 방식 사용. Python처럼 parsing.parse()가 잡 폴링을 처리해 줘요.
Go — go get github.com/run-llama/llama-parse-go. 여기선 SDK가 자동 폴링을 하지 않아, result.Job.Status를 COMPLETED까지 주기적으로 확인합니다.
Java — 그래들에 implementation("ai.llamaindex:llama-cloud:1.3.0")을 추가하고, 업로드·잡 생성·폴링을 명시적으로 진행해요.
CLI — go install github.com/run-llama/llama-parse-cli/cmd/llp@latest로 llp를 설치하고, llp files create → llp parsing create → llp parsing get 순으로 조작해요. 옵션은 케밥-케이스 플래그(--tier agentic, --output-options.markdown '{tables: ...}')로 전달하고, --expand를 반복해 결과 필드를 요청할 수 있어요.
REST API — SDK를 쓰지 않으려면 직접 curl로 호출해요. SDK와 달리 원시 API는 비동기라, 파일 업로드(POST /api/v1/beta/files) → 파싱 잡 시작(POST /api/v2/parse) → 결과 폴링(GET /api/v2/parse/<job_id>?expand=markdown) 순서로 진행합니다. 이때 주의할 점이 하나 있는데, 잡 생성 응답의 status는 최상위에 있지만 결과 엔드포인트에서는 job.status로 중첩되어 있어요. .status 경로를 그대로 재사용하면 항상 undefined를 읽게 됩니다.
웹 UI — 코드를 쓰기 전에 파싱을 시험해보고 싶다면 cloud.llamaindex.ai/parse에서 티어를 고르고 문서를 업로드한 뒤 Run Parse를 누르면 브라우저에서 바로 결과를 확인할 수 있어요.

티어 선택하기

Parse는 네 가지 티어를 제공해요.

Agentic Plus — 복잡한 표, 빽빽한 차트, 다단 레이아웃 같은 가장 어려운 문서에서 최대 정확도를 내는 최신 모델
Agentic — 시각적으로 풍부한 문서용 고급 파싱 에이전트로, 대부분 워크로드의 기본값으로 적합해요
Cost Effective — 시각 구조가 적은 텍스트 중심 문서에서 성능과 비용의 균형을 맞춰요
Fast — 고용량 일반 텍스트용 최저 지연·최저 비용 티어. 텍스트·공간 텍스트만 반환하고 마크다운 출력은 지원하지 않아요

코딩 에이전트로 대체하기

Claude Code, Cursor 같은 코딩 에이전트를 이미 쓰고 있다면 SDK를 손으로 짜지 않아도 돼요. Parse 에이전트 스킬을 설치하면 에이전트가 문서를 그 자리에서 파싱해 줍니다.

npx skills add run-llama/llamaparse-agent-skills --skill llamaparse

설치 후에는 "이 PDF를 파싱해서 마크다운으로 텍스트를 추출해" 같은 요청만 하면 에이전트가 SDK 호출을 직접 작성해요. 티어 선택부터 옵션 구성, 출력 저장까지 처리합니다. 요구 사항은 Node 18 이상과 환경변수 LLAMA_CLOUD_API_KEY예요. 로컬에서 API 키 없이 돌아가는 liteparse 스킬도 제공돼요.

다음 단계

올바른 티어 고르기 — Tiers 가이드에서 Agentic Plus vs Agentic vs Cost Effective vs Fast를 언제 쓸지 확인해요.
옵션 구성 배우기 — Configuring Parse에서 입력·출력·처리 옵션 전반을 다뤄요.
긴 문서에서 비용 아끼기 — Cost Optimizer가 각 페이지를 알맞은 티어로 자동 라우팅해요.
실제 예제 보기 — Parse Examples에서 일반적인 사용 사례용 실행 가능 튜토리얼을 확인해요.

더 알아보기

LlamaParse 소개 — Parse가 무엇이고 왜 쓰는지
Configuring Parse — 입력·출력·처리 옵션 전체 레퍼런스
Tiers — 티어별 정확도·비용 특성 비교
Pricing & credits — 비용 구조와 크레딧 정책