/AI Chasm Catalyst
Open Deep Research, 유연성과 확장성 가진 AI 리서치 플랫폼! 세 단계 릴레이로, 깊이와 품질을 잡다!
Open Deep Research(오픈 딥 리서치)는 사용자가 다양한 검색 도구 및 모델을 손쉽게 조합할 수 있도록 설계된 오픈소스 리서치 프레임워크다.
주요 AI 기업들이 제공하는 심층 리서치 시스템들과 마찬가지로, 이 시스템은 유연한 멀티에이전트 구조와 강력한 컨텍스트 최적화, 맞춤형 워크플로우 설계가 강점이다.
1. 스코프 설정(범위 명확화)
사용자 요청의 목적과 맥락을 명확히 포착
대부분의 사용자 요청은 불명확하다. 이를 보완하기 위해, 챗봇이 추가 질문을 통해 사용자의 니즈 및 맥락을 꼼꼼히 파악한다.
이후 대화기록을 간결한 리서치 브리프로 압축한다. 이 브리프는 전 과정에서 핵심 기준점으로 작동한다.
사용자와 챗봇이 토론하며, 질문의 목적이 점차 선명해지고, 그 결과 리서치 설계도가 완성되는 모습을 도식화한 장면
2. 리서치 수행(심층 정보 탐색)
슈퍼바이저와 하위 에이전트의 릴레이 리서치
슈퍼바이저 에이전트가 전체 범위를 소주제로 분담해 각 하위 에이전트에 할당한다. 하위 에이전트는 각자의 주제에만 몰입해 검색 도구와 MCP를 활용, 풍부하고 정확한 정보를 수집·정제한다.
최종 결과는 슈퍼바이저가 취합 및 검토한다. 불필요한 정보는 깔끔히 제거해 보고의 품질과 토큰 효율성을 동시에 확보한다.
중앙의 슈퍼바이저가 다수의 하위 에이전트에게 각각의 주제를 분배, 각 에이전트가 독립적으로 리서치를 마치고 결과를 다시 슈퍼바이저에게 보내는 과정이 흐름도로 나타남
3. 리포트 작성(최종 보고서 완성)
One-shot 보고서 작성으로 일관성과 완성도 극대화
연구가 충분히 이루어진 후, 모든 브리프와 에이전트 결과물을 기반으로 LLM이 일관성 있는 원샷 보고서를 작성한다. 이를 통해 구조화되고 신뢰도 높은 최종 결과를 제공한다.
현장 교훈 및 전략
• 멀티에이전트는 오직 리서치에만 활용, 보고서 작성은 반드시 한 번에(싱글스레드)
• 비교나 평가 등 복수 주제 요청은 각각 에이전트에게 분리 위임해 문맥 혼란 방지
• 슈퍼바이저를 통한 리서치 깊이의 유연한 조정
• 불필요한 리서치 데이터 및 대화 기록을 시스템적으로 압축, 효율적 토큰 사용 실현
향후 발전 방향
• 불필요 데이터 자동 필터링 및 토큰 절감 연구
• 보고 품질 자동평가 도입 가능성 검증
• 기존 리서치 결과의 장기 보관·재활용 기능 구현
활용 예시 및 커뮤니티 지원
• LangGraph Studio를 통한 로컬 테스트 혹은 Open Agent Platform에서 온라인 사용
• 소스코드를 자유롭게 활용해 각자의 맞춤 리서치 워크플로우로 확장 가능
결론
Open Deep Research는 릴레이식 멀티에이전트 구조와 효율적 컨텍스트 관리 방식을 결합한 차세대 오픈 리서치 플랫폼이다. 토큰 비용 절감, 품질·스피드 동시 달성 등 실용적 강점을 다수 확보했다.
AI 기반 심층 리서치의 표준이 될 만한 시스템으로 자리 잡아가고 있다.