"A Survey of LLM-based Deep Search Agents" (2026)

개요

LLM 기반 딥 서치 에이전트는 사용자의 질문을 심층적으로 이해하고, 여러 번의 검색과 결과 조합을 통해 직접적인 답변을 제공하는 차세대 검색 기술입니다.

주요 내용

* 딥 서치 에이전트의 작동 방식: 키워드 매칭 방식의 기존 검색 엔진과 달리, LLM 기반 에이전트는 질문을 더 작은 하위 질문으로 분해하고, 여러 번의 검색 과정을 거쳐 최종 결과를 종합하여 명확한 답변을 생성합니다.
* LLM 검색 에이전트의 주요 유형:
* Single Agent Search: 하나의 LLM이 질문 이해, 검색, 답변 생성 등 모든 과정을 담당하며, 단순한 질문에 효과적이나 복잡한 질문에는 한계가 있습니다.
* Multi Agent Search: 계획, 검색, 결과 조합 등 특정 역할을 수행하는 여러 전문 에이전트가 협력하여 더 강력한 성능을 발휘합니다.
* RAG (Retrieval Augmented Generation): LLM이 외부 문서와 연결되어 부정확한 답변을 줄이고 정확도를 향상시키며, 현재 산업계에서 가장 널리 사용되는 방식입니다.
* AI 강좌와의 연관성: LLM 기반 딥 서치 에이전트의 작동 방식은 탐색 알고리즘(BFS, DFS, A\), 에이전트 유형(Goal Based, Learning Agents), 제약 조건 만족 문제(CSP) 등 AI 강좌에서 학습하는 고전적인 AI 개념과 깊은 연관성을 가집니다. 특히, 에이전트의 추론 과정은 A\ 알고리즘의 휴리스틱과 유사하게 정보 공간에 대한 탐색을 수행합니다.
* 개인적 통찰: 연구 논문을 직접 읽는 것보다 Google NotebookLM과 같은 도구에 논문을 업로드하고 질문하는 방식이 에이전트의 휴리스틱 탐색과 A\* 알고리즘 간의 연결성을 파악하는 데 훨씬 효과적이었습니다.

시사점

LLM 기반 딥 서치 에이전트는 단순한 키워드 검색을 넘어, 지능적인 사고, 계획, 검증을 통해 미래 검색의 패러다임을 변화시키며, 이는 AI 분야의 고전적인 개념 학습에 대한 중요성을 다시 한번 부각합니다.