에이전틱 RAG는 AI 에이전트가 자료를 검색할 시점과 방법을 결정하는 검색 증강 생성 방식입니다. 검색 결과를 보고 근거가 부족하다고 판단하면 검색어를 바꾸거나 다른 자료를 찾습니다. 개발자가 모든 검색 순서를 미리 정해 두는 대신, 실행 중에 얻은 정보에 따라 검색 과정을 조정합니다.
NVIDIA, Weaviate, LlamaIndex의 기술 문서는 공통으로 에이전트의 판단을 강조하지만, 제시하는 구성 요소와 구현 방식은 다릅니다. 특정 프레임워크의 예시를 모든 에이전틱 RAG가 갖춰야 할 조건으로 받아들이지 않도록 주의해야 합니다.
검색 여부와 다음 행동은 에이전트가 정합니다
RAG는 외부 자료를 검색해 생성 답변의 근거로 삼는 구조입니다. 기본적인 RAG 파이프라인에서는 개발자가 검색 순서를 미리 설계합니다. 한 번만 검색할 수도 있고 정해진 순서대로 여러 번 검색할 수도 있습니다.
에이전틱 RAG에서는 실행 중인 에이전트가 검색 과정을 조정합니다. Weaviate는 에이전트가 판단하는 항목을 다음 네 가지로 설명합니다.
- 정보를 검색할지 여부
- 어떤 도구로 검색할지
- 검색어를 어떻게 만들지
- 검색된 내용을 평가해 다시 검색할지
여러 번 검색한다는 사실만으로 에이전틱 RAG가 되지는 않습니다. 리랭커나 쿼리 재작성 단계를 정해진 순서로 실행하는 것과, 모델이 중간 결과를 보고 검색 도구나 다음 검색어를 선택하는 것은 다릅니다. 반대로 모델이 어떤 도구로 검색할지 판단했다면, 한 번의 검색으로도 에이전트가 개입한 구조일 수 있습니다.
이런 판단에도 오류가 생길 수 있고, 모델 호출이 늘면 응답이 늦어질 수 있습니다. 자체 시스템을 만들 때는 근거를 찾지 못한 채 재검색만 반복하지 않도록 중단 조건과 실패 시 응답을 정해야 합니다.
RAG, AI 에이전트, 에이전틱 검색과 다른 점
구현 방식과 에이전트 수
NVIDIA는 에이전트가 필요한 정보를 판단해 질의를 만들고, 검색 결과를 현재 입력에 더해 답변이나 다음 행동을 결정하는 흐름을 설명합니다. 결과의 관련성을 평가해 질의를 고치고 다시 검색하는 과정도 포함합니다.
LlamaIndex의 예시에서는 문서마다 별도 에이전트를 두고, 상위의 메타 에이전트가 이들을 도구처럼 선택해 질문에 답합니다. 여러 문서를 나눠 맡기는 계층 구조이며, 모든 에이전틱 RAG가 이런 구조를 따라야 하는 것은 아닙니다. Weaviate는 에이전트 하나가 검색할 자료를 선택하는 구현도 제시합니다.
Singh 외 연구진의 서베이 논문은 에이전틱 RAG의 설계 패턴을 자기 점검(reflection), 계획(planning), 도구 사용(tool use), 여러 에이전트의 협업(multi-agent collaboration)으로 정리합니다. 이 가운데 여러 에이전트가 필요한 것은 협업 패턴입니다. 자기 점검, 계획과 도구 사용은 에이전트 하나로도 구현할 수 있습니다.
Deep Research 제품에서 볼 수 있는 검색 계획과 재검색
Deep Research 제품의 공식 설명에서도 조사 계획을 세우고 중간 결과에 따라 검색을 조정하는 방식을 볼 수 있습니다.
- Gemini Deep Research는 먼저 조사 계획을 제시하며 사용자가 이를 수정할 수 있습니다. 조사가 시작되면 자료를 반복해서 검색하고, 수집한 내용에 따라 다음 단계를 정해 보고서를 만듭니다.
- OpenAI의 deep research는 인터넷에서 복잡한 과제를 다단계로 조사하는 에이전트 기능입니다. 필요한 자료를 찾을 여러 경로를 계획하고 실행합니다. 막힌 경로에서는 이전 단계로 되돌아가고 실시간으로 얻은 정보에 따라 방향을 바꿉니다.
- Perplexity의 Research 모드도 검색과 문서 읽기를 반복합니다. 공식 도움말은 새로 파악한 내용에 따라 조사 계획을 다듬고 다음 단계를 결정한다고 설명합니다.
이 설명으로 각 제품에 계획과 재검색 기능이 있다는 점은 알 수 있습니다. 다만 출처를 저장하고 검색 결과를 모델에 전달하는 세부 구현까지 모두 공개된 것은 아닙니다. 답변이 길거나 출처가 많다는 이유만으로 특정 에이전틱 RAG 아키텍처를 쓴다고 단정할 수는 없습니다.
검색과 콘텐츠 실무에서 확인할 점
에이전트는 질문을 나눠 검색하거나 검색 결과를 평가하는 과정에서 같은 페이지를 다른 질문의 근거로 찾고, 다른 출처와 대조할 수 있습니다. 이로 인해 교차 검증의 기회가 생긴다는 것은 AVCD의 해석이며, 특정 페이지의 노출이나 인용이 늘어난다는 뜻은 아닙니다. 콘텐츠에서는 사실과 적용 조건을 서로 모순 없이 설명하는지 점검합니다.
- 같은 사실을 여러 페이지에서 다르게 써 두지 않았는가
- 시간이 지나면 바뀌는 수치에는 기준 시점이 명시돼 있는가
- 수치나 결론을 제시한 문단에서 대상과 적용 조건도 알 수 있는가
자주 묻는 질문
검색을 여러 번 하면 다 에이전틱 RAG인가요?
검색을 여러 번 하더라도 개발자가 순서를 고정해 뒀다면 기본 RAG 파이프라인일 수 있습니다. 에이전틱 RAG에서는 실행 중인 에이전트가 검색할지, 어떤 검색어를 쓸지, 다시 찾을지 판단합니다.
에이전틱 RAG를 쓰려면 에이전트가 여러 개 필요한가요?
아닙니다. 에이전트 하나가 검색 도구를 선택하고, 결과를 평가해 다시 검색하는 구조도 가능합니다. 여러 에이전트에게 문서나 작업을 나눠 맡기는 방식은 선택할 수 있는 구현 중 하나입니다.
에이전틱 RAG와 에이전틱 검색은 같은 말인가요?
에이전틱 검색은 AI가 조사 진행 상황에 맞춰 검색과 다음 행동을 정하는 과정이며 RAG 구현을 전제하지 않습니다. 에이전틱 RAG는 이러한 판단을 RAG의 검색과 생성 과정에 적용한 구조입니다.
함께 알아두면 좋은 용어
- RAG: 외부 자료를 검색해 답변 생성에 제공하는 구조
- AI 에이전트: 목표와 상태에 맞춰 다음 행동과 도구를 동적으로 정하는 시스템
- 에이전틱 검색: 조사 진행 상황에 따라 검색어와 다음 행동을 조정하는 과정
- 쿼리 재작성: 검색어를 검색에 더 적합한 형태로 바꾸는 전처리 단계
- 리랭커: 1차 검색 후보에 새 점수를 매겨 순서를 다시 정하는 구성 요소
- Gemini Deep Research: 조사 계획과 반복 검색으로 보고서를 만드는 Gemini 기능
참고 문서
- NVIDIA, Traditional RAG vs. Agentic RAG
- Weaviate, What Is Agentic RAG?
- LlamaIndex, Agentic RAG With LlamaIndex
- Singh et al., Agentic Retrieval-Augmented Generation: A Survey on Agentic RAG
- OpenAI, Introducing deep research
- Perplexity, Introducing Perplexity Deep Research
- Perplexity, What is Research mode?
- Google, Gemini Deep Research 제품 안내