diff --git a/build.gradle.kts b/build.gradle.kts
index 4576e4c..efac528 100644
--- a/build.gradle.kts
+++ b/build.gradle.kts
@@ -22,9 +22,24 @@ extra["springAiVersion"] = "1.0.0-M6"
 
 dependencies {
 	implementation("org.springframework.boot:spring-boot-starter-web")
+
+	// Kotlin 지원
 	implementation("com.fasterxml.jackson.module:jackson-module-kotlin")
 	implementation("org.jetbrains.kotlin:kotlin-reflect")
+
+	// Spring AI 의존성
 	implementation("org.springframework.ai:spring-ai-openai-spring-boot-starter")
+
+	// PDF 처리 라이브러리
+	implementation("org.apache.pdfbox:pdfbox:2.0.27")
+	
+	// Swagger/OpenAPI 의존성
+	implementation("org.springdoc:springdoc-openapi-starter-webmvc-ui:2.3.0")
+
+	// 로깅 라이브러리
+	implementation("io.github.oshai:kotlin-logging:6.0.3")
+
+	// 테스트 의존성
 	testImplementation("org.springframework.boot:spring-boot-starter-test")
 	testImplementation("org.jetbrains.kotlin:kotlin-test-junit5")
 	testRuntimeOnly("org.junit.platform:junit-platform-launcher")
diff --git a/src/main/kotlin/com/example/spring_ai_tutorial/config/OpenAiConfig.kt b/src/main/kotlin/com/example/spring_ai_tutorial/config/OpenAiConfig.kt
new file mode 100644
index 0000000..8ad303d
--- /dev/null
+++ b/src/main/kotlin/com/example/spring_ai_tutorial/config/OpenAiConfig.kt
@@ -0,0 +1,29 @@
+package com.example.spring_ai_tutorial.config
+
+import io.github.oshai.kotlinlogging.KotlinLogging
+import org.springframework.ai.openai.api.OpenAiApi
+import org.springframework.beans.factory.annotation.Value
+import org.springframework.context.annotation.Bean
+import org.springframework.context.annotation.Configuration
+
+/**
+ * OpenAI API 설정
+ */
+@Configuration
+class OpenAiConfig {
+    private val logger = KotlinLogging.logger {}
+
+    @Value("\${spring.ai.openai.api-key}")
+    private lateinit var apiKey: String
+
+    /**
+     * OpenAI API 클라이언트 빈 등록
+     */
+    @Bean
+    fun openAiApi(): OpenAiApi {
+        logger.debug { "OpenAI API 클라이언트 초기화" }
+        return OpenAiApi.builder()
+            .apiKey(apiKey)
+            .build()
+    }
+}
\ No newline at end of file
diff --git a/src/main/kotlin/com/example/spring_ai_tutorial/config/OpenApiConfig.kt b/src/main/kotlin/com/example/spring_ai_tutorial/config/OpenApiConfig.kt
new file mode 100644
index 0000000..400db70
--- /dev/null
+++ b/src/main/kotlin/com/example/spring_ai_tutorial/config/OpenApiConfig.kt
@@ -0,0 +1,21 @@
+package com.example.spring_ai_tutorial.config
+
+import io.swagger.v3.oas.models.OpenAPI
+import io.swagger.v3.oas.models.info.Info
+import org.springframework.context.annotation.Bean
+import org.springframework.context.annotation.Configuration
+
+@Configuration
+class OpenApiConfig {
+
+    @Bean
+    fun springOpenAPI(): OpenAPI {
+        return OpenAPI()
+            .info(
+                Info()
+                    .title("Spring AI Tutorial API")
+                    .version("1.0")
+                    .description("Spring AI를 활용한 챗봇 API")
+            )
+    }
+}
diff --git a/src/main/kotlin/com/example/spring_ai_tutorial/controller/ChatController.kt b/src/main/kotlin/com/example/spring_ai_tutorial/controller/ChatController.kt
new file mode 100644
index 0000000..017d4b3
--- /dev/null
+++ b/src/main/kotlin/com/example/spring_ai_tutorial/controller/ChatController.kt
@@ -0,0 +1,97 @@
+package com.example.spring_ai_tutorial.controller
+
+import com.example.spring_ai_tutorial.domain.dto.ApiResponseDto
+import com.example.spring_ai_tutorial.domain.dto.ChatRequestDto
+import com.example.spring_ai_tutorial.service.ChatService
+import io.github.oshai.kotlinlogging.KotlinLogging
+import io.swagger.v3.oas.annotations.Operation
+import io.swagger.v3.oas.annotations.Parameter
+import io.swagger.v3.oas.annotations.media.Content
+import io.swagger.v3.oas.annotations.media.Schema
+import io.swagger.v3.oas.annotations.responses.ApiResponse as SwaggerResponse
+import io.swagger.v3.oas.annotations.tags.Tag
+import org.springframework.http.HttpStatus
+import org.springframework.http.ResponseEntity
+import org.springframework.web.bind.annotation.*
+
+/**
+ * Chat API 컨트롤러
+ *
+ * LLM API를 통해 채팅 기능을 제공합니다.
+ */
+@RestController
+@RequestMapping("/api/v1/chat")
+@Tag(name = "Chat API", description = "OpenAI API를 통한 채팅 기능")
+class ChatController(
+    private val chatService: ChatService
+) {
+    private val logger = KotlinLogging.logger {}
+
+    /**
+     * 사용자의 메시지를 받아 OpenAI API로 응답 생성
+     */
+    @Operation(
+        summary = "LLM 채팅 메시지 전송",
+        description = "사용자의 메시지를 받아 OpenAI API를 통해 응답을 생성합니다."
+    )
+    @SwaggerResponse(
+        responseCode = "200",
+        description = "LLM 응답 성공",
+        content = [Content(schema = Schema(implementation = ApiResponseDto::class))]
+    )
+    @SwaggerResponse(responseCode = "400", description = "잘못된 요청")
+    @SwaggerResponse(responseCode = "500", description = "서버 오류")
+    @PostMapping("/query")
+    fun sendMessage(
+        @Parameter(description = "채팅 요청 객체", required = true)
+        @RequestBody request: ChatRequestDto
+    ): ResponseEntity<ApiResponseDto<Map<String, Any>>> {
+        logger.info { "Chat API 요청 받음: model=${request.model}" }
+
+        // 유효성 검사
+        if (request.query.isBlank()) {
+            logger.warn { "빈 질의가 요청됨" }
+            return ResponseEntity.badRequest().body(
+                ApiResponseDto(success = false, error = "질의가 비어있습니다.")
+            )
+        }
+
+        return try {
+            // 시스템 프롬프트 지정
+            val systemMessage = "You are a helpful AI assistant."
+
+            // AI 응답 생성
+            val response = chatService.openAiChat(
+                userInput = request.query,
+                systemMessage = systemMessage,
+                model = request.model
+            )
+            logger.debug { "LLM 응답 생성: $response" }
+
+            response?.let { chatResponse ->
+                ResponseEntity.ok(
+                    ApiResponseDto(
+                        success = true,
+                        data = mapOf("answer" to chatResponse.result.output.text)
+                    )
+                )
+            } ?: run {
+                logger.error { "LLM 응답 생성 실패" }
+                ResponseEntity.status(HttpStatus.INTERNAL_SERVER_ERROR).body(
+                    ApiResponseDto(
+                        success = false,
+                        error = "LLM 응답 생성 중 오류 발생"
+                    )
+                )
+            }
+        } catch (e: Exception) {
+            logger.error(e) { "Chat API 처리 중 오류 발생" }
+            ResponseEntity.status(HttpStatus.INTERNAL_SERVER_ERROR).body(
+                ApiResponseDto(
+                    success = false,
+                    error = e.message ?: "알 수 없는 오류 발생"
+                )
+            )
+        }
+    }
+}
diff --git a/src/main/kotlin/com/example/spring_ai_tutorial/controller/RagController.kt b/src/main/kotlin/com/example/spring_ai_tutorial/controller/RagController.kt
new file mode 100644
index 0000000..6bfcb1e
--- /dev/null
+++ b/src/main/kotlin/com/example/spring_ai_tutorial/controller/RagController.kt
@@ -0,0 +1,163 @@
+package com.example.spring_ai_tutorial.controller
+
+import com.example.spring_ai_tutorial.domain.dto.*
+import com.example.spring_ai_tutorial.service.RagService
+import io.github.oshai.kotlinlogging.KotlinLogging
+import io.swagger.v3.oas.annotations.Operation
+import io.swagger.v3.oas.annotations.Parameter
+import io.swagger.v3.oas.annotations.tags.Tag
+import io.swagger.v3.oas.annotations.media.Content
+import io.swagger.v3.oas.annotations.media.Schema
+import io.swagger.v3.oas.annotations.responses.ApiResponse as SwaggerResponse
+import org.springframework.http.HttpStatus
+import org.springframework.http.MediaType
+import org.springframework.http.ResponseEntity
+import org.springframework.web.bind.annotation.*
+import org.springframework.web.multipart.MultipartFile
+import java.io.File
+import java.io.IOException
+
+/**
+ * RAG(Retrieval-Augmented Generation) API 컨트롤러
+ *
+ * PDF 문서 업로드 및 질의응답 기능을 제공합니다.
+ */
+@RestController
+@RequestMapping("/api/v1/rag")
+@Tag(name = "RAG API", description = "Retrieval-Augmented Generation 기능을 위한 API")
+class RagController(private val ragService: RagService) {
+    private val logger = KotlinLogging.logger {}
+
+    /**
+     * PDF 문서를 업로드하여 벡터 스토어에 저장합니다.
+     */
+    @Operation(
+        summary = "PDF 문서 업로드",
+        description = "PDF 파일을 업로드하여 벡터 스토어에 저장합니다. 추후 질의에 활용됩니다."
+    )
+    @SwaggerResponse(
+        responseCode = "200",
+        description = "문서 업로드 성공",
+        content = [Content(schema = Schema(implementation = ApiResponseDto::class))]
+    )
+    @SwaggerResponse(responseCode = "400", description = "잘못된 요청 (빈 파일 또는 PDF가 아닌 파일)")
+    @SwaggerResponse(responseCode = "500", description = "서버 오류")
+    @PostMapping("/documents", consumes = [MediaType.MULTIPART_FORM_DATA_VALUE])
+    fun uploadDocument(
+        @Parameter(description = "업로드할 PDF 파일", required = true)
+        @RequestParam("file") file: MultipartFile
+    ): ResponseEntity<ApiResponseDto<DocumentUploadResultDto>> {
+        logger.info { "문서 업로드 요청 받음: ${file.originalFilename}" }
+
+        // 유효성 검사
+        if (file.isEmpty) {
+            logger.warn { "빈 파일이 업로드됨" }
+            return ResponseEntity.badRequest().body(
+                ApiResponseDto(success = false, error = "파일이 비어있습니다.")
+            )
+        }
+        file.originalFilename?.takeIf { it.lowercase().endsWith(".pdf") } ?: run {
+            logger.warn { "지원하지 않는 파일 형식: ${file.originalFilename}" }
+            return ResponseEntity.badRequest().body(
+                ApiResponseDto(success = false, error = "PDF 파일만 업로드 가능합니다.")
+            )
+        }
+
+        // File 객체 생성
+        val tempFile = try {
+            File.createTempFile("upload_", ".pdf").also {
+                logger.debug { "임시 파일 생성됨: ${it.absolutePath}" }
+                file.transferTo(it)
+            }
+        } catch (e: IOException) {
+            logger.error(e) { "임시 파일 생성 실패" }
+            return ResponseEntity.status(HttpStatus.INTERNAL_SERVER_ERROR).body(
+                ApiResponseDto(success = false, error = "파일 처리 중 오류가 발생했습니다.")
+            )
+        }
+
+        // 문서 처리 및 응답
+        return try {
+            val documentId = ragService.uploadPdfFile(tempFile, file.originalFilename)
+
+            logger.info { "문서 업로드 성공: $documentId" }
+            ResponseEntity.ok(
+                ApiResponseDto(
+                    success = true,
+                    data = DocumentUploadResultDto(
+                        documentId = documentId,
+                        message = "문서가 성공적으로 업로드되었습니다."
+                    )
+                )
+            )
+        } catch (e: Exception) {
+            logger.error(e) { "문서 처리 중 오류 발생" }
+            ResponseEntity.status(HttpStatus.INTERNAL_SERVER_ERROR).body(
+                ApiResponseDto(success = false, error = "문서 처리 중 오류가 발생했습니다: ${e.message}")
+            )
+        } finally {
+            if (tempFile.exists()) {
+                tempFile.delete()
+                logger.debug { "임시 파일 삭제됨: ${tempFile.absolutePath}" }
+            }
+        }
+    }
+
+    /**
+     * 사용자 질의에 대해 관련 문서를 검색하고 RAG 기반 응답을 생성합니다.
+     */
+    @Operation(
+        summary = "RAG 질의 수행",
+        description = "사용자 질문에 대해 관련 문서를 검색하고 RAG 기반 응답을 생성합니다."
+    )
+    @SwaggerResponse(
+        responseCode = "200",
+        description = "질의 성공",
+        content = [Content(schema = Schema(implementation = ApiResponseDto::class))]
+    )
+    @SwaggerResponse(responseCode = "400", description = "잘못된 요청")
+    @SwaggerResponse(responseCode = "500", description = "서버 오류")
+    @PostMapping("/query")
+    fun queryWithRag(
+        @Parameter(description = "질의 요청 객체", required = true)
+        @RequestBody request: QueryRequestDto
+    ): ResponseEntity<ApiResponseDto<QueryResponseDto>> {
+        logger.info { "RAG 질의 요청 받음: ${request.query}" }
+
+        // 유효성 검사
+        if (request.query.isBlank()) {
+            logger.warn { "빈 질의가 요청됨" }
+            return ResponseEntity.badRequest().body(
+                ApiResponseDto(success = false, error = "질의가 비어있습니다.")
+            )
+        }
+
+        return try {
+            // 관련 문서 검색
+            val relevantDocs = ragService.retrieve(request.query, request.maxResults)
+
+            // RAG 기반 응답 생성
+            val answer = ragService.generateAnswerWithContexts(
+                request.query,
+                relevantDocs,
+                request.model
+            )
+
+            ResponseEntity.ok(
+                ApiResponseDto(
+                    success = true,
+                    data = QueryResponseDto(
+                        query = request.query,
+                        answer = answer,
+                        relevantDocuments = relevantDocs.map { it.toDocumentResponseDto() }
+                    )
+                )
+            )
+        } catch (e: Exception) {
+            logger.error(e) { "RAG 질의 처리 중 오류 발생" }
+            ResponseEntity.status(HttpStatus.INTERNAL_SERVER_ERROR).body(
+                ApiResponseDto(success = false, error = "질의 처리 중 오류가 발생했습니다: ${e.message}")
+            )
+        }
+    }
+}
\ No newline at end of file
diff --git a/src/main/kotlin/com/example/spring_ai_tutorial/domain/dto/ChatDto.kt b/src/main/kotlin/com/example/spring_ai_tutorial/domain/dto/ChatDto.kt
new file mode 100644
index 0000000..388abe7
--- /dev/null
+++ b/src/main/kotlin/com/example/spring_ai_tutorial/domain/dto/ChatDto.kt
@@ -0,0 +1,19 @@
+package com.example.spring_ai_tutorial.domain.dto
+
+import io.swagger.v3.oas.annotations.media.Schema
+
+/**
+ * 채팅 관련 DTO 클래스들
+ */
+
+/**
+ * 채팅 요청 데이터 모델
+ */
+@Schema(description = "채팅 요청 데이터 모델")
+data class ChatRequestDto(
+    @Schema(description = "사용자 질문", example = "안녕하세요")
+    val query: String,
+
+    @Schema(description = "사용할 LLM 모델", example = "gpt-3.5-turbo", defaultValue = "gpt-3.5-turbo")
+    val model: String = "gpt-3.5-turbo"
+)
diff --git a/src/main/kotlin/com/example/spring_ai_tutorial/domain/dto/CommonDto.kt b/src/main/kotlin/com/example/spring_ai_tutorial/domain/dto/CommonDto.kt
new file mode 100644
index 0000000..881ac4b
--- /dev/null
+++ b/src/main/kotlin/com/example/spring_ai_tutorial/domain/dto/CommonDto.kt
@@ -0,0 +1,20 @@
+package com.example.spring_ai_tutorial.domain.dto
+
+import io.swagger.v3.oas.annotations.media.Schema
+
+/**
+ * API 표준 응답 포맷
+ *
+ * 모든 API 응답에 사용되는 공통 응답 포맷입니다.
+ */
+@Schema(description = "API 표준 응답 포맷")
+data class ApiResponseDto<T>(
+    @Schema(description = "요청 처리 성공 여부")
+    val success: Boolean,
+
+    @Schema(description = "응답 데이터 (성공 시)")
+    val data: T? = null,
+
+    @Schema(description = "오류 메시지 (실패 시)")
+    val error: String? = null
+)
diff --git a/src/main/kotlin/com/example/spring_ai_tutorial/domain/dto/DocumentDto.kt b/src/main/kotlin/com/example/spring_ai_tutorial/domain/dto/DocumentDto.kt
new file mode 100644
index 0000000..a752c72
--- /dev/null
+++ b/src/main/kotlin/com/example/spring_ai_tutorial/domain/dto/DocumentDto.kt
@@ -0,0 +1,55 @@
+package com.example.spring_ai_tutorial.domain.dto
+
+import io.swagger.v3.oas.annotations.media.Schema
+
+/**
+ * 문서 관련 DTO 클래스들
+ */
+
+/**
+ * 문서 검색 결과
+ */
+@Schema(description = "문서 검색 결과")
+data class DocumentSearchResultDto(
+    @Schema(description = "문서 ID")
+    val id: String,
+    
+    @Schema(description = "문서 내용")
+    val content: String,
+    
+    @Schema(description = "문서 메타데이터")
+    val metadata: Map<String, Any>,
+    
+    @Schema(description = "유사도 점수")
+    val score: Double
+)
+
+/**
+ * 문서 응답 데이터
+ */
+@Schema(description = "문서 응답 데이터")
+data class DocumentResponseDto(
+    @Schema(description = "문서 ID")
+    val id: String,
+
+    @Schema(description = "유사도 점수")
+    val score: Double,
+
+    @Schema(description = "문서 내용 (일부)")
+    val content: String,
+
+    @Schema(description = "문서 메타데이터")
+    val metadata: Map<String, Any>
+)
+
+/**
+ * DocumentSearchResultDto의 확장 함수로 DocumentResponseDto 변환 기능
+ */
+fun DocumentSearchResultDto.toDocumentResponseDto(): DocumentResponseDto {
+    return DocumentResponseDto(
+        id = this.id,
+        score = this.score,
+        content = this.content.take(500) + if (this.content.length > 500) "..." else "",
+        metadata = this.metadata
+    )
+}
diff --git a/src/main/kotlin/com/example/spring_ai_tutorial/domain/dto/RagDto.kt b/src/main/kotlin/com/example/spring_ai_tutorial/domain/dto/RagDto.kt
new file mode 100644
index 0000000..4cd6a5f
--- /dev/null
+++ b/src/main/kotlin/com/example/spring_ai_tutorial/domain/dto/RagDto.kt
@@ -0,0 +1,49 @@
+package com.example.spring_ai_tutorial.domain.dto
+
+import io.swagger.v3.oas.annotations.media.Schema
+
+/**
+ * RAG 관련 DTO 클래스들
+ */
+
+/**
+ * 문서 업로드 결과
+ */
+@Schema(description = "문서 업로드 결과")
+data class DocumentUploadResultDto(
+    @Schema(description = "생성된 문서 ID")
+    val documentId: String,
+
+    @Schema(description = "결과 메시지")
+    val message: String
+)
+
+/**
+ * 질의 요청 데이터 모델
+ */
+@Schema(description = "질의 요청 데이터 모델")
+data class QueryRequestDto(
+    @Schema(description = "사용자 질문", example = "인공지능이란 무엇인가요?")
+    val query: String,
+
+    @Schema(description = "최대 검색 결과 수", example = "3", defaultValue = "3")
+    val maxResults: Int = 3,
+
+    @Schema(description = "사용할 LLM 모델", example = "gpt-3.5-turbo", defaultValue = "gpt-3.5-turbo")
+    val model: String = "gpt-3.5-turbo"
+)
+
+/**
+ * 질의 응답 데이터
+ */
+@Schema(description = "질의 응답 데이터")
+data class QueryResponseDto(
+    @Schema(description = "원본 질의")
+    val query: String,
+
+    @Schema(description = "생성된 답변")
+    val answer: String,
+
+    @Schema(description = "관련 문서 목록")
+    val relevantDocuments: List<DocumentResponseDto>
+)
diff --git a/src/main/kotlin/com/example/spring_ai_tutorial/exception/DocumentProcessingException.kt b/src/main/kotlin/com/example/spring_ai_tutorial/exception/DocumentProcessingException.kt
new file mode 100644
index 0000000..8f5e9c9
--- /dev/null
+++ b/src/main/kotlin/com/example/spring_ai_tutorial/exception/DocumentProcessingException.kt
@@ -0,0 +1,12 @@
+package com.example.spring_ai_tutorial.exception
+
+import org.springframework.http.HttpStatus
+import org.springframework.web.server.ResponseStatusException
+
+/**
+ * 문서 처리 관련 커스텀 예외
+ *
+ * 문서 처리 도중 발생하는 다양한 오류를 처리하기 위한 공통 예외 클래스입니다.
+ */
+class DocumentProcessingException(message: String, cause: Throwable? = null) :
+    ResponseStatusException(HttpStatus.INTERNAL_SERVER_ERROR, message, cause)
diff --git a/src/main/kotlin/com/example/spring_ai_tutorial/repository/InMemoryDocumentVectorStore.kt b/src/main/kotlin/com/example/spring_ai_tutorial/repository/InMemoryDocumentVectorStore.kt
new file mode 100644
index 0000000..aa313cd
--- /dev/null
+++ b/src/main/kotlin/com/example/spring_ai_tutorial/repository/InMemoryDocumentVectorStore.kt
@@ -0,0 +1,124 @@
+package com.example.spring_ai_tutorial.repository
+
+import com.example.spring_ai_tutorial.exception.DocumentProcessingException
+import com.example.spring_ai_tutorial.service.DocumentProcessingService
+import com.example.spring_ai_tutorial.domain.dto.DocumentSearchResultDto
+import com.example.spring_ai_tutorial.service.EmbeddingService
+import io.github.oshai.kotlinlogging.KotlinLogging
+import org.springframework.ai.document.Document
+import org.springframework.ai.transformer.splitter.TokenTextSplitter
+import org.springframework.ai.vectorstore.SimpleVectorStore
+import org.springframework.ai.vectorstore.VectorStore
+import org.springframework.stereotype.Repository
+import java.io.File
+import org.springframework.ai.vectorstore.SearchRequest
+
+/**
+ * 문서를 벡터화하여 저장하고, 벡터 유사도 검색을 제공합니다.
+ * Spring AI의 SimpleVectorStore를 활용합니다.
+ */
+@Repository
+class InMemoryDocumentVectorStore(
+    private val embeddingService: EmbeddingService,
+    private val documentProcessingService: DocumentProcessingService,
+) {
+    private val logger = KotlinLogging.logger {}
+
+    // Spring AI의 인메모리 SimpleVectorStore 생성
+    private val vectorStore: VectorStore = SimpleVectorStore.builder(embeddingService.embeddingModel).build()
+
+    /**
+     * 문서를 벡터 스토어에 추가합니다.
+     *
+     * @param id 문서 식별자
+     * @param fileText 문서 내용
+     * @param metadata 문서 메타데이터
+     */
+    fun addDocument(id: String, fileText: String, metadata: Map<String, Any>) {
+        logger.debug { "문서 추가 시작 - ID: $id, 내용 길이: ${fileText.length}" }
+
+        try {
+            // Spring AI Document 객체 생성
+            val document = Document(fileText, metadata + mapOf("id" to id))
+            val textSplitter = TokenTextSplitter.builder()
+                .withChunkSize(512)           // 원하는 청크 크기
+                .withMinChunkSizeChars(350)   // 최소 청크 크기
+                .withMinChunkLengthToEmbed(5) // 임베딩할 최소 청크 길이
+                .withMaxNumChunks(10000)      // 최대 청크 수
+                .withKeepSeparator(true)      // 구분자 유지 여부
+                .build()
+            val chunks = textSplitter.split(document)
+
+            // 벡터 스토어에 문서 청크 추가 (내부적으로 임베딩 변환 수행)
+            vectorStore.add(chunks)
+
+            logger.info { "문서 추가 완료 - ID: $id" }
+        } catch (e: Exception) {
+            logger.error(e) { "문서 추가 실패 - ID: $id" }
+            throw DocumentProcessingException("문서 임베딩 및 저장 실패: ${e.message}", e)
+        }
+    }
+
+    /**
+     * 파일을 처리하여 벡터 스토어에 추가합니다.
+     *
+     * @param id 문서 식별자
+     * @param file 파일 객체
+     * @param metadata 문서 메타데이터
+     */
+    fun addDocumentFile(id: String, file: File, metadata: Map<String, Any>) {
+        logger.debug { "파일 문서 추가 시작 - ID: $id, 파일: ${file.name}" }
+
+        try {
+            // 텍스트 추출
+            val fileText = if (file.extension.lowercase() == "pdf") {
+                documentProcessingService.extractTextFromPdf(file)
+            } else {
+                file.readText()
+            }
+
+            logger.debug { "파일 텍스트 추출 완료 - 길이: ${fileText.length}" }
+            addDocument(id, fileText, metadata)
+        } catch (e: Exception) {
+            logger.error(e) { "파일 처리 실패 - ID: $id, 파일: ${file.name}" }
+            throw DocumentProcessingException("파일 처리 실패: ${e.message}", e)
+        }
+    }
+
+    /**
+     * 질의와 유사한 문서를 검색합니다.
+     *
+     * @param query 검색 질의
+     * @param maxResults 최대 결과 수
+     * @return 유사도 순으로 정렬된 검색 결과 목록
+     */
+    fun similaritySearch(query: String, maxResults: Int): List<DocumentSearchResultDto> {
+        logger.debug { "유사도 검색 시작 - 질의: '$query', 최대 결과: $maxResults" }
+
+        try {
+            // 검색 요청 구성
+            val request = SearchRequest.builder()
+                .query(query)
+                .topK(maxResults)
+                .build()
+
+            // 유사성 검색 실행
+            val results = vectorStore.similaritySearch(request) ?: emptyList()
+
+            logger.debug { "유사도 검색 완료 - 결과 수: ${results.size}" }
+
+            // 결과 매핑
+            return results.map { result ->
+                DocumentSearchResultDto(
+                    id = (result.metadata["id"] ?: "unknown").toString(),
+                    content = result.text ?: "",
+                    metadata = result.metadata.filter { it.key != "id" },
+                    score = result.score ?: 0.0
+                )
+            }
+        } catch (e: Exception) {
+            logger.error(e) { "유사도 검색 실패 - 질의: '$query'" }
+            throw DocumentProcessingException("유사도 검색 중 오류 발생: ${e.message}", e)
+        }
+    }
+}
\ No newline at end of file
diff --git a/src/main/kotlin/com/example/spring_ai_tutorial/service/ChatService.kt b/src/main/kotlin/com/example/spring_ai_tutorial/service/ChatService.kt
new file mode 100644
index 0000000..f541f8c
--- /dev/null
+++ b/src/main/kotlin/com/example/spring_ai_tutorial/service/ChatService.kt
@@ -0,0 +1,62 @@
+package com.example.spring_ai_tutorial.service
+
+import io.github.oshai.kotlinlogging.KotlinLogging
+import org.springframework.ai.chat.messages.SystemMessage
+import org.springframework.ai.chat.messages.UserMessage
+import org.springframework.ai.chat.model.ChatResponse
+import org.springframework.ai.chat.prompt.ChatOptions
+import org.springframework.ai.chat.prompt.Prompt
+import org.springframework.ai.openai.OpenAiChatModel
+import org.springframework.ai.openai.api.OpenAiApi
+import org.springframework.stereotype.Service
+
+/**
+ * OpenAI API를 사용하여 질의응답을 수행하는 서비스
+ */
+@Service
+class ChatService(
+    private val openAiApi: OpenAiApi
+) {
+    private val logger = KotlinLogging.logger {}
+
+    /**
+     * OpenAI 챗 API를 이용하여 응답을 생성합니다.
+     *
+     * @param userInput 사용자 입력 메시지
+     * @param systemMessage 시스템 프롬프트
+     * @param model 사용할 LLM 모델명
+     * @return 챗 응답 객체, 오류 시 null
+     */
+    fun openAiChat(
+        userInput: String,
+        systemMessage: String,
+        model: String = "gpt-3.5-turbo"
+    ): ChatResponse? {
+        logger.debug { "OpenAI 챗 호출 시작 - 모델: $model" }
+        try {
+            // 메시지 구성
+            val messages = listOf(
+                SystemMessage(systemMessage),
+                UserMessage(userInput)
+            )
+
+            // 챗 옵션 설정
+            val chatOptions = ChatOptions.builder()
+                .model(model)
+                .build()
+
+            // 프롬프트 생성
+            val prompt = Prompt(messages, chatOptions)
+
+            // 챗 모델 생성 및 호출
+            val chatModel = OpenAiChatModel.builder()
+                .openAiApi(openAiApi)
+                .build()
+
+            return chatModel.call(prompt)
+        } catch (e: Exception) {
+            logger.error(e) { "OpenAI 챗 호출 중 오류 발생: ${e.message}" }
+            return null
+        }
+    }
+}
\ No newline at end of file
diff --git a/src/main/kotlin/com/example/spring_ai_tutorial/service/DocumentProcessingService.kt b/src/main/kotlin/com/example/spring_ai_tutorial/service/DocumentProcessingService.kt
new file mode 100644
index 0000000..a8a1186
--- /dev/null
+++ b/src/main/kotlin/com/example/spring_ai_tutorial/service/DocumentProcessingService.kt
@@ -0,0 +1,46 @@
+package com.example.spring_ai_tutorial.service
+
+import com.example.spring_ai_tutorial.exception.DocumentProcessingException
+import io.github.oshai.kotlinlogging.KotlinLogging
+import org.apache.pdfbox.pdmodel.PDDocument
+import org.apache.pdfbox.text.PDFTextStripper
+import org.springframework.stereotype.Service
+import java.io.File
+import java.io.IOException
+
+/**
+ * 다양한 형식의 문서에서 텍스트를 추출하는 서비스입니다.
+ * 현재는 PDF 파일 지원, 향후 다른 형식도 추가 가능합니다.
+ */
+@Service
+class DocumentProcessingService {
+    private val logger = KotlinLogging.logger {}
+
+    /**
+     * PDF 파일로부터 텍스트를 추출합니다.
+     *
+     * @param pdfFile PDF 파일 객체
+     * @return 추출된 텍스트
+     * @throws DocumentProcessingException 텍스트 추출 실패 시
+     */
+    fun extractTextFromPdf(pdfFile: File): String {
+        logger.debug { "PDF 텍스트 추출 시작: ${pdfFile.name}" }
+
+        return try {
+            // Apache PDFBox를 사용하여 PDF에서 텍스트 추출
+            PDDocument.load(pdfFile).use { document ->
+                logger.debug { "PDF 문서 로드 성공: ${document.numberOfPages}페이지" }
+                PDFTextStripper().getText(document)
+            }.also {
+                logger.debug { "PDF 텍스트 추출 완료: ${it.length} 문자" }
+            }
+        } catch (e: IOException) {
+            logger.error(e) { "PDF 텍스트 추출 실패" }
+            throw DocumentProcessingException("PDF에서 텍스트 추출 실패: ${e.message}", e)
+        }
+    }
+
+    // 향후 다른 문서 형식 지원을 위한 메서드 추가 가능
+    // fun extractTextFromDocx(docxFile: File): String { ... }
+    // fun extractTextFromTxt(txtFile: File): String { ... }
+}
\ No newline at end of file
diff --git a/src/main/kotlin/com/example/spring_ai_tutorial/service/EmbeddingService.kt b/src/main/kotlin/com/example/spring_ai_tutorial/service/EmbeddingService.kt
new file mode 100644
index 0000000..d0479ef
--- /dev/null
+++ b/src/main/kotlin/com/example/spring_ai_tutorial/service/EmbeddingService.kt
@@ -0,0 +1,33 @@
+package com.example.spring_ai_tutorial.service
+
+import org.springframework.ai.document.MetadataMode
+import org.springframework.ai.openai.OpenAiEmbeddingModel
+import org.springframework.ai.openai.OpenAiEmbeddingOptions
+import org.springframework.ai.openai.api.OpenAiApi
+import org.springframework.ai.retry.RetryUtils
+import org.springframework.beans.factory.annotation.Value
+import org.springframework.stereotype.Service
+
+/**
+ * OpenAI의 임베딩 모델을 사용하여 텍스트를 벡터로 변환합니다.
+ * Spring AI를 통해 임베딩 모델에 접근합니다.
+ */
+@Service
+class EmbeddingService(
+    private val openAiApi: OpenAiApi
+) {
+    @Value("\${spring.ai.openai.embedding.options.model}")
+    private lateinit var embeddingModelName: String
+
+    // OpenAI 임베딩 모델 설정
+    val embeddingModel by lazy {
+        OpenAiEmbeddingModel(
+            openAiApi,
+            MetadataMode.EMBED,
+            OpenAiEmbeddingOptions.builder()
+                .model(embeddingModelName)
+                .build(),
+            RetryUtils.DEFAULT_RETRY_TEMPLATE
+        )
+    }
+}
\ No newline at end of file
diff --git a/src/main/kotlin/com/example/spring_ai_tutorial/service/RagService.kt b/src/main/kotlin/com/example/spring_ai_tutorial/service/RagService.kt
new file mode 100644
index 0000000..1319057
--- /dev/null
+++ b/src/main/kotlin/com/example/spring_ai_tutorial/service/RagService.kt
@@ -0,0 +1,127 @@
+package com.example.spring_ai_tutorial.service
+
+import com.example.spring_ai_tutorial.exception.DocumentProcessingException
+import com.example.spring_ai_tutorial.repository.InMemoryDocumentVectorStore
+import com.example.spring_ai_tutorial.domain.dto.DocumentSearchResultDto
+import io.github.oshai.kotlinlogging.KotlinLogging
+import org.springframework.stereotype.Service
+import java.io.File
+import java.util.UUID
+
+/**
+ * 문서 업로드, 검색, 그리고 검색 결과를 활용한 LLM 응답 생성을 담당합니다.
+ */
+@Service
+class RagService(
+    private val vectorStore: InMemoryDocumentVectorStore,
+    private val chatService: ChatService,
+) {
+    private val logger = KotlinLogging.logger {}
+
+    /**
+     * PDF 파일을 업로드하여 벡터 스토어에 추가합니다.
+     *
+     * @param file PDF 파일
+     * @param originalFilename 원본 파일명
+     * @return 생성된 문서 ID
+     */
+    fun uploadPdfFile(
+        file: File,
+        originalFilename: String?
+    ): String {
+        val documentId = UUID.randomUUID().toString()
+        logger.info { "PDF 문서 업로드 시작. 파일: $originalFilename, ID: $documentId" }
+
+        // 메타데이터 준비
+        val docMetadata = HashMap<String, Any>().apply {
+            put("originalFilename", originalFilename ?: "")
+            put("uploadTime", System.currentTimeMillis())
+        }
+
+        // 벡터 스토어에 문서 추가
+        try {
+            vectorStore.addDocumentFile(documentId, file, docMetadata)
+            logger.info { "PDF 문서 업로드 완료. ID: $documentId" }
+            return documentId
+        } catch (e: Exception) {
+            logger.error(e) { "문서 처리 중 오류 발생: ${e.message}" }
+            throw DocumentProcessingException("문서 처리 중 오류: ${e.message}", e)
+        }
+    }
+
+    /**
+     * 질의와 관련된 문서를 검색합니다.
+     *
+     * @param question 사용자 질문
+     * @param maxResults 최대 검색 결과 수
+     * @return 유사도 순으로 정렬된 문서 목록
+     */
+    fun retrieve(question: String, maxResults: Int): List<DocumentSearchResultDto> {
+        logger.debug { "검색 시작: '$question', 최대 결과 수: $maxResults" }
+        return vectorStore.similaritySearch(question, maxResults)
+    }
+
+    /**
+     * 질문에 대한 답변을 생성하며, 참고한 정보 출처도 함께 제공합니다.
+     *
+     * @param question 사용자 질문
+     * @param relevantDocs 이미 검색된 관련 문서
+     * @param model 사용할 LLM 모델명
+     * @return 참고 출처가 포함된 응답
+     */
+    fun generateAnswerWithContexts(
+        question: String,
+        relevantDocs: List<DocumentSearchResultDto>,
+        model: String = "gpt-3.5-turbo"
+    ): String {
+        logger.debug { "RAG 응답 생성 시작: '$question', 모델: $model" }
+
+        // 관련 문서 검색 또는 사용
+        if (relevantDocs.isEmpty()) {
+            logger.info { "관련 정보를 찾을 수 없음: '$question'" }
+            return "관련 정보를 찾을 수 없습니다. 다른 질문을 시도하거나 관련 문서를 업로드해 주세요."
+        }
+
+        // 문서 번호 부여 (응답에서 출처 표시를 위해)
+        val numberedDocs = relevantDocs.mapIndexed { index, doc ->
+            "[${index + 1}] ${doc.content}"
+        }
+
+        // 관련 문서의 내용을 컨텍스트로 결합
+        val context = numberedDocs.joinToString("\n\n")
+        logger.debug { "컨텍스트 크기: ${context.length} 문자" }
+
+        // 컨텍스트를 포함하는 시스템 프롬프트 생성
+        val systemPromptText = """
+            당신은 지식 기반 Q&A 시스템입니다. 
+            사용자의 질문에 대한 답변을 다음 정보를 바탕으로 생성해주세요.
+            주어진 정보에 답이 없다면 모른다고 솔직히 말해주세요.
+            답변 마지막에 사용한 정보의 출처 번호 [1], [2] 등을 반드시 포함해주세요.
+            
+            정보:
+            $context
+        """.trimIndent()
+
+        // LLM을 통한 응답 생성
+        try {
+            val response = chatService.openAiChat(question, systemPromptText, model)
+            logger.debug { "AI 응답 생성: ${response}" }
+            val aiAnswer = response?.result?.output?.text ?: "응답을 생성할 수 없습니다."
+
+            // 참고 문서 정보 추가
+            val sourceInfo = buildString {
+                appendLine("\n\n참고 문서:")
+                relevantDocs.forEachIndexed { index, doc ->
+                    val originalFilename = doc.metadata["originalFilename"]?.toString() ?: "Unknown file"
+                    appendLine("[${index + 1}] $originalFilename")
+                }
+            }
+
+            return aiAnswer + sourceInfo
+        } catch (e: Exception) {
+            logger.error(e) { "AI 모델 호출 중 오류 발생: ${e.message}" }
+            return "AI 모델 호출 중 오류가 발생했습니다. 검색 결과만 제공합니다:\n\n" +
+                    relevantDocs.joinToString("\n\n") { it.content }
+        }
+    }
+}
\ No newline at end of file
diff --git a/src/main/resources/application.properties b/src/main/resources/application.properties
index 3b15fda..ccaf497 100644
--- a/src/main/resources/application.properties
+++ b/src/main/resources/application.properties
@@ -1 +1,15 @@
 spring.application.name=spring-ai-tutorial
+
+# Server Configuration
+server.port=8080
+
+# OpenAI API Configuration
+spring.ai.openai.api-key=${OPENAI_API_KEY}
+spring.ai.openai.embedding.options.model=text-embedding-3-small
+
+# File Upload Settings
+spring.servlet.multipart.max-file-size=20MB
+spring.servlet.multipart.max-request-size=20MB
+
+# Swagger/OpenAPI Configuration
+springdoc.api-docs.path=/api-docs