refactor #565: productize knowledge search language

src/main/java/com/cloudhandson/vpdbackoffice/service/McpSseService.java

@@ -103,7 +103,7 @@ public class McpSseService {
     if (isVectorTool(tool)) {
       ObjectNode embedding = objectMapper.createObjectNode();
       embedding.put("type", "array");
-      embedding.put("description", "외부 임베딩 모델이 만든 검색 벡터. 이 예제 fixture는 4차원입니다.");
+      embedding.put("description", "외부 임베딩 모델이 만든 검색 벡터. 개발 환경에서는 4차원 벡터를 사용합니다.");
       ObjectNode items = objectMapper.createObjectNode();
       items.put("type", "number");
       embedding.set("items", items);

src/main/java/com/cloudhandson/vpdbackoffice/service/OpenAiCompatibleClient.java

@@ -64,7 +64,7 @@ public class OpenAiCompatibleClient {
 
   public List<Double> embedding(String input) {
     if (!embeddingConfigured()) {
-      throw new AppException("AI 임베딩 설정이 없습니다. BACKOFFICE_AI_EMBEDDING_MODEL을 설정하거나 데모 임베딩을 선택하세요.");
+      throw new AppException("AI 임베딩 설정이 없습니다. BACKOFFICE_AI_EMBEDDING_MODEL을 설정하거나 로컬 임베딩(개발용)을 선택하세요.");
     }
 
     BackofficeProperties.Ai ai = properties.ai();

src/main/java/com/cloudhandson/vpdbackoffice/service/ProtectedObjectService.java

@@ -138,7 +138,7 @@ public class ProtectedObjectService {
         defaultOrdsPath(normalizedOwner, normalizedObjectName),
         String.join(",", columns),
         "",
-        "DB 객체를 한 개의 ORDS 조회 Handler로 노출하는 예제 대상"
+        "DB 객체를 한 개의 ORDS 조회 Handler로 노출하는 기본 구성"
     );
     long objectId = mapper.nextObjectId();
     mapper.insertObject(objectId, command);

src/main/java/com/cloudhandson/vpdbackoffice/service/VectorKnowledgeService.java

@@ -65,7 +65,7 @@ public class VectorKnowledgeService {
         chunks,
         tags,
         registered,
-        embeddingClient.embeddingConfigured() ? embeddingClient.embeddingModelName() : "DEMO-4D"
+        embeddingClient.embeddingConfigured() ? embeddingClient.embeddingModelName() : "로컬 임베딩(개발용)"
     );
   }
 
@@ -120,7 +120,7 @@ public class VectorKnowledgeService {
             "CB_VECTOR_SEARCH_DOCUMENTS 보호 객체가 없습니다. 28_agent_ords_vector_tag_vpd_setup.sql을 먼저 실행하세요."));
     String mode = normalizeMode(embeddingMode);
     String requestBody = "{\"embedding\":" + json(embed(normalizedQuery, mode)) + "}";
-    IssuedToken temporary = tokenService.issueTemporaryToken(userId, "벡터 지식자료 검색 임시 실행");
+    IssuedToken temporary = tokenService.issueTemporaryToken(userId, "지식 검색 검증 세션");
     try {
       ProbeResult probe = ordsProbeService.runProbe(new ProbeCommand(
           temporary.keyId(), vectorObject.objectId(), temporary.plainToken(), normalizeLimit(limit), requestBody));
@@ -223,16 +223,16 @@ public class VectorKnowledgeService {
   private String normalizeMode(String mode) {
     String normalized = mode == null ? DEMO_MODE : mode.trim().toUpperCase(Locale.ROOT);
     if (!DEMO_MODE.equals(normalized) && !AI_MODE.equals(normalized)) {
-      throw new AppException("임베딩 방식은 DEMO 또는 AI만 사용할 수 있습니다.");
+      throw new AppException("임베딩 방식은 로컬 임베딩 또는 AI 임베딩만 사용할 수 있습니다.");
     }
     if (AI_MODE.equals(normalized) && !embeddingClient.embeddingConfigured()) {
-      throw new AppException("AI 임베딩이 설정되지 않았습니다. 설정에서 embedding model/API key를 추가하거나 DEMO 임베딩을 선택하세요.");
+      throw new AppException("AI 임베딩이 설정되지 않았습니다. 설정에서 embedding model/API key를 추가하거나 로컬 임베딩(개발용)을 선택하세요.");
     }
     return normalized;
   }
 
   private String embeddingModel(String mode) {
-    return AI_MODE.equals(mode) ? embeddingClient.embeddingModelName() : "DEMO-4D";
+    return AI_MODE.equals(mode) ? embeddingClient.embeddingModelName() : "로컬 임베딩(개발용)";
   }
 
   private String json(List<Double> values) {