지난 1년 동안, 검색 증강 생성(Retrieval-Augmented Generation, RAG)은 대규모 언어 모델(LLMs)을 근거화하는 황금 표준이었습니다. 하지만 솔직히 말해서, 단순한 RAG—사용자 질의를 받아 임베딩으로 변환하고 유사성 검색을 수행하는 것—는 종종 취약합니다. 이는 다단계 추론(multi-hop reasoning)에 실패하며 스스로 수정할 능력이 부족합니다. 여기에 에이전트 기반 RAG(Agentic RAG)가 등장했습니다.

에이전트 기반 RAG란 무엇인가요?

에이전트 기반 RAG는 정적인 파이프라인 대신, 검색 프로세스를 자율 에이전트의 작업으로 간주합니다. 이 에이전트는 검색을 수행해야 할지, SQL 데이터베이스를 질의해야 할지, 아니면 외부 API에 접근해야 할지를 결정합니다. 또한 검색된 컨텍스트를 살펴보고 그것이 불충분하다는 것을 깨달으면 다른 검색 전략을 시도할 수 있습니다.

아키텍처의 변화

전통적으로

지금 바로 구현하고 싶다면, 상태를 유지하는 다중 액터 애플리케이션을 구축하기 위해 LangGraph를 살펴보거나 LlamaIndex의 Query Engine 도구를 활용해 보세요. 정적인 파이프라인을 구축하는 것을 멈추고, 자신의 컨텍스트에 대해 추론하는 에이전트를 구축하기 시작하세요.