에이전트가 검색을 지휘하는 Agentic RAG

전통적 RAG는 정해진 순서를 한 번 지나갑니다. 검색하고 생성하면 끝이며, 검색이 빗나가도 되돌릴 방법이 없습니다. 실제 업무 질문은 이렇게 한 번에 풀리지 않는 경우가 많습니다.

문제 배경

단순 RAG의 한계를 메우려는 시도는 쿼리 재작성, 리랭킹, 모듈형 구성 등으로 이어져 왔지만, 이들 역시 사람이 미리 짜 둔 고정 워크플로 안에서 움직입니다. 질문마다 필요한 검색 횟수와 경로가 다른데 워크플로가 고정되어 있으면, 중간 결과가 나쁠 때 전략을 바꿀 주체가 없습니다. 판단의 주체를 파이프라인 안에 넣는 것이 남은 과제였습니다.

방법

Singh 등(2025)의 서베이는 이 방향의 연구를 Agentic RAG로 묶어 정리했습니다. 핵심은 반성, 계획, 도구 사용, 다중 에이전트 협업이라는 에이전트 설계 패턴을 검색 파이프라인에 내장하는 것입니다. 에이전트는 질문을 분해해 계획을 세우고, 중간 결과를 반성해 검색 전략을 바꾸고, 필요하면 다른 도구나 다른 에이전트를 부릅니다. 논문은 아키텍처를 에이전트 수, 제어 구조, 자율성, 지식 표현을 기준으로 분류합니다. 질의를 적절한 검색 경로로 보내는 라우터형 단일 에이전트부터, 역할을 나눈 다중 에이전트, 계층형, 그래프 기반, 그리고 검색 결과의 관련성을 평가해 스스로 교정하는 Corrective RAG까지가 그 스펙트럼입니다.

결과

서베이는 헬스케어, 금융, 교육, 기업 문서 처리 분야의 응용 사례와 구현 프레임워크를 비교 분석해, 설계 선택지별 상충 관계를 정리했습니다. 단순 질의에는 라우터형의 얕은 개입으로 충분하고, 문서 간 종합이 필요한 질의일수록 다중 에이전트와 반복 검색의 이득이 커진다는 것이 공통된 관찰입니다.

한계와 주의점

저자들이 꼽는 미해결 과제는 평가, 에이전트 간 조정, 메모리 관리, 효율, 거버넌스입니다. 특히 실행 경로가 매번 달라지는 시스템은 고정 벤치마크로 재기 어렵고, 에이전트 단계가 늘수록 호출 비용과 지연이 함께 늘어납니다. 서베이 논문이므로 특정 구성의 우위를 입증하는 실험 수치를 제공하지는 않는다는 점도 유의해야 합니다.

도입 검토 가이드

정적 RAG를 이미 운영하고 있는데 문서 간 종합이나 조사형 질의에서 실패 사례가 쌓이는 조직이 검토 대상입니다. FAQ형 질의가 대부분이라면 에이전트 구조의 비용과 지연을 감수할 이유가 없으므로, 실패 질의의 유형과 비중을 먼저 확인하는 것이 출발점입니다.

구분	내용
검토 주체	AI 플랫폼 아키텍트와 기존 RAG를 운영하는 ML팀
전제 조건	정적 RAG의 실패 질의 로그, 그리고 실행 경로가 매번 달라지는 시스템을 잴 수 있는 자사 평가 세트. 서베이가 평가를 미해결 과제로 꼽는 만큼 이 준비 없이는 도입 효과를 입증할 방법이 없습니다
첫 적용 지점	질의를 정적 경로와 에이전트 경로로 분기하는 라우터형 단일 에이전트. 서베이의 스펙트럼에서 개입이 가장 얕은 구성이며, 검색 결과의 관련성을 평가해 재검색하는 교정형 구성이 그 다음 단계입니다
판단 기준	질의 복잡도 구간별로 정답률 개선과 호출 비용, 지연 증가를 함께 측정한 결과. 서베이는 특정 구성의 우위를 입증하는 실험 수치를 제공하지 않으므로, 문서 간 종합형 질의에서 반복 검색의 이득이 커진다는 공통 관찰을 자사 데이터로 확인하는 것이 판단의 실체입니다

코텍시스는 질의 복잡도에 따라 정적 경로와 에이전트 경로를 나누는 단계적 도입을 권장합니다.