라마인덱스, 140개 규칙 문서 파싱 표준 초안 공개

라마인덱스(LlamaIndex)가 10월 28일 AI가 PDF·서식·차트를 텍스트로 바꿀 때 '올바르게 해석된 페이지'가 어떤 모습이어야 하는지 정한 규칙집 '문서 파싱 프로토콜(Document Parsing Protocol, DPP)' 초안을 공개했다. 0.1 버전 작업 초안에는 규칙 140개가 담겼고, 깃허브에서 수정 제안도 받는다.

핵심 정리

• DPP 0.1은 텍스트·표·서식·차트·다이어그램 등을 다루는 규칙 140개로 구성되며, 규칙마다 예시 페이지와 기대 출력이 붙어 있다.
• 규칙은 라마인덱스가 문서 파싱 벤치마크 '파스벤치(ParseBench)' 데이터를 라벨링할 때 쓴 지침에서 나왔다.
• 코드는 MIT, 프로토콜 본문과 예시는 CC BY 4.0 라이선스이며 의견은 깃허브 이슈·풀 리퀘스트로 받는다.

문서 파싱 프로토콜이란

가우타미 폴라사니(Gauthami Polasani)와 피에르로이크 둘세(Pierre-Loic Doulcet)가 쓴 라마인덱스 블로그 글은 DPP를 "어려운 판단마다 그 이유를 단 문서 파싱의 정답지"라고 소개했다. 규칙마다 실제 페이지와 기대 결과물을 나란히 보여 준다.

프로젝트 사이트(parseprotocol.com)는 규칙을 표기 관례부터 표, 서식, 차트, 이미지·다이어그램까지 13개 장으로 나눴다.

표·서식·차트는 이렇게 바꾼다

규칙은 도구마다 제각각이던 처리 방식을 하나로 정한다. 머리글이 여러 줄인 표는 HTML로 쓴다. 마크다운으로는 여러 열에 걸친 머리글을 표현할 수 없어서다. 빈 입력란은 '[blank]', 체크박스는 '[x]' 또는 '[ ]'로 적는다.

차트는 바탕이 된 숫자를 표로 옮기고, 다이어그램은 가능하면 머메이드(Mermaid) 같은 다이어그램 코드로 바꾼다. 읽을 수 없는 글자는 '[illegible]'로 표시하고, PDF 안에 숨겨진 텍스트는 뺀다. 표 행을 thead·tbody 태그로 감쌀지는 문서 안에서 일관되기만 하면 자유다.

AI 에이전트에 공통 기준이 필요한 이유

DPP 규칙의 뿌리는 파스벤치 라벨링 지침이다. 4월 9일 아카이브(arXiv)에 올라온 파스벤치 논문에 따르면 이 벤치마크는 보험·금융·정부 분야 기업 문서 약 2,000쪽을 사람이 직접 검증해 만들었다.

논문은 시각언어모델, 전문 문서 파서, 라마인덱스의 라마파스(LlamaParse) 등 14가지 방법을 표·차트·내용 충실도·의미 서식·시각적 근거 5개 영역에서 평가했다. 최고점은 라마파스 에이전틱의 84.9%였지만, 연구진은 "다섯 영역 모두에서 꾸준히 강한 방법은 없다"고 썼다. 정답 기준이 합의되지 않으면 업체별 점수 비교도 어렵다.

Claude·ChatGPT에서 쓰는 법

라마인덱스는 프로토콜을 Claude용 스킬 파일과 ChatGPT용 참고 파일로 내려받을 수 있게 했다. Claude에서는 코드 실행을 켠 상태로 '사용자 지정(Customize)→스킬(Skills)'에 올리고, ChatGPT에서는 대화창에 파일을 첨부한다.

깃허브 저장소는 규칙 하나당 마크다운 파일 하나로 관리한다. 코드는 MIT 라이선스, 프로토콜과 예시는 'Document Parsing Protocol, LlamaIndex' 출처 표시를 조건으로 한 CC BY 4.0이다.

전망

라마인덱스는 0.1을 작업 초안으로 규정하고, 규칙이 맞지 않거나 서로 충돌하는 사례가 있으면 해당 페이지와 기대 출력을 깃허브 이슈나 풀 리퀘스트로 보내 달라고 했다. 작성자들은 규칙에 대해 "공개적으로 반박해 달라"고 적었다. 다음 버전 일정과 외부 파트너는 밝히지 않았다.

자주 묻는 질문

문서 파싱 프로토콜(DPP)은 무엇인가?
문서 페이지를 구조화된 텍스트로 바꾸는 방법을 정한 라마인덱스의 표준 제안이다. 0.1 초안에 규칙 140개와 예시 페이지가 담겼다.

무료로 쓸 수 있나?
그렇다. 코드는 MIT, 프로토콜은 출처 표시 조건의 CC BY 4.0이다.

규칙 수정은 어떻게 제안하나?
깃허브 run-llama/document_parsing_protocol 저장소에 문제의 페이지와 기대 출력을 담아 이슈나 풀 리퀘스트를 올리면 된다.

참고 자료

• Introducing the Document Parsing Protocol — LlamaIndex(2026년 10월 28일)
• run-llama/document_parsing_protocol — GitHub
• ParseBench: A Document Parsing Benchmark for AI Agents — arXiv(2026년 4월 9일)
• Document Parsing Protocol — parseprotocol.com