DeepResearch
무엇인가
Tongyi Lab이 공개한 에이전트형 대규모 언어모델이다. 단일 질의응답이 아니라 장기(long-horizon) 정보 탐색 과업을 대상으로 하며, Humanity's Last Exam, BrowseComp, BrowseComp-ZH, WebWalkerQA, xbench-DeepSearch, FRAMES, SimpleQA 같은 에이전트 검색 벤치마크를 평가 축으로 삼는다. 저장소는 모델 가중치와 함께 추론 스크립트, 평가 데이터 포맷, 도구 연동 설정을 담은 실행 패키지 형태다.
어떻게 동작하나
추론은 두 패러다임으로 나뉜다. ReAct 모드는 추론과 도구 호출을 교차시키며 모델의 내재 능력을 그대로 측정하고, IterResearch 기반 Heavy 모드는 테스트 타임 스케일링으로 계산을 더 투입해 성능 상한을 끌어올린다. 도구 계층은 Serper.dev의 웹 검색·Google Scholar, Jina.ai의 웹 페이지 읽기, OpenAI 호환 API를 통한 페이지 요약, Dashscope의 파일 파싱, SandboxFusion의 파이썬 인터프리터 샌드박스로 구성된다. 학습은 자동 합성 데이터 파이프라인 → agentic 데이터 대규모 continual pre-training → on-policy 강화학습 순서로 진행되며, RL 단계는 토큰 수준 정책 그래디언트, leave-one-out 이점 추정, 부정 샘플 선별 필터를 적용한 커스텀 GRPO 프레임워크를 쓴다.
무엇과 다른가
일반 채팅 모델이나 단일 턴 RAG와 달리 검색·읽기·파싱·실행을 한 세션 안에서 반복 호출하며 답을 조립한다. 가중치를 비공개 API 뒤에 두는 상용 딥리서치 서비스와 달리 모델 자체를 내려받아 로컬에서 돌릴 수 있고, 추론 모드도 ReAct와 Heavy 중에서 용도에 따라 고를 수 있게 분리되어 있다.
어떻게 쓰나
Python 3.10.0 환경에서 conda나 virtualenv로 격리한 뒤 의존성을 설치한다. .env.example을 복사해 SERPER_KEY_ID, JINA_API_KEYS, API_KEY/API_BASE, DASHSCOPE_API_KEY, SANDBOX_FUSION_ENDPOINT, MODEL_PATH, DATASET, OUTPUT_PATH를 채운다. 평가 데이터는 question과 answer 키를 가진 객체의 JSON 배열이거나 한 줄에 하나씩 담은 JSONL이며, 파일 파서를 쓸 때는 question 필드 앞에 파일명을 적고 대상 파일을 eval_data/file_corpus/에 둔다. run_react_infer.sh에서 MODEL_PATH, DATASET, OUTPUT_PATH를 수정하고 실행한다. GPU 없이 OpenRouter API로 호출하는 경로도 있다.
전제와 한계
Python 3.10.0이 권장 버전이며 다른 버전은 의존성 충돌을 일으킬 수 있다. 검색·페이지 읽기·요약·파일 파싱·샌드박스 각각에 외부 API 키와 엔드포인트가 필요하므로 키 없이는 도구 호출이 동작하지 않는다. 데이터의 answer 필드는 자동 채점에 쓰는 정답이며 모델이 생성하는 값이 아니다. 온라인 데모는 모델 지연과 도구 QPS 제한으로 응답이 느리거나 간헐적으로 실패하므로 안정적 사용에는 로컬 배포가 전제된다.
관련 논문 5
유사 도구
- designing-real-world-ai-agents-workshopGemini 검색 그라운딩과 MCP 서버 두 개로 딥리서치·글쓰기 멀티에이전트를 직접 구현하게 하는 워크숍 스킬 묶음이다. 스켈레톤과 /implement 스킬로 티켓 단위 구현을 진행한다.
- browser-useLLM이 브라우저를 직접 조작하도록 만드는 파이썬 에이전트 라이브러리다. 자연어 작업을 주면 페이지를 읽고 클릭·입력·스크롤을 스스로 결정해 실행한다.
- SWE-agentGitHub 이슈를 언어 모델이 스스로 도구를 호출해 수정하도록 실행하는 CLI 에이전트다. 동작 전체를 단일 YAML 파일로 정의한다.
- ragflow비정형 문서를 파싱·청킹해 검색 증강 생성 파이프라인과 에이전트 워크플로를 한 엔진에서 돌리는 오픈소스 RAG 서버다.
- Langchain-ChatchatLangChain 위에 지식베이스 검색과 Agent를 얹어 오픈소스 LLM만으로 오프라인 질의응답을 구성하는 Python 애플리케이션이다.
- difyLLM 애플리케이션을 워크플로·RAG·에이전트·모델 관리·관측까지 한 워크스페이스에서 만들고, 클라우드나 셀프호스팅으로 배포하는 오픈소스 플랫폼이다.