← 返回首页

AnySearch for AI Agents: 구조화된 검색으로 토큰 낭비를 줄이고 더 나은 실시간 컨텍스트 제공

검색은 AI 에이전트가 사용할 수 있는 가장 중요한 외부 능력 중 하나가 되었습니다. 강력한 모델은 훌륭하게 추론할 수 있지만, 한 번도 검색되지 않은 사실을 복구할 수 없고, 증거 없이 최신 정보와 오래된 보도를 구분할 수 없으며, 누락된 회사 기록을 안정적으로 추론할 수 없습니다. AnySearch는 이 문제를 인간을 위한 검색 페이지가 아닌 에이전트를 위한 인프라로 간주합니다. 링크, 제목, 짧은 요약을 반환하는 데 그치지 않고, 쿼리를 관련 웹 페이지로 라우팅하는 데 중점을 둡니다.

发布于 2026年7月15日•general•GEO 评分: 0•4 次阅读

选择语言

العربيةDeutschEnglishEspañolFrançaisItaliano日本語한국어PortuguêsРусский中文
AnySearch for AI Agents: 구조화된 검색으로 토큰 낭비를 줄이고 더 나은 실시간 컨텍스트 제공 표지 이미지

AnySearch for AI Agents: 구조화된 검색으로 토큰 낭비를 줄이고 더 나은 실시간 컨텍스트 제공

서론

검색은 AI 에이전트가 사용할 수 있는 가장 중요한 외부 기능 중 하나가 되었습니다. 강력한 모델은 추론을 잘 수행할 수 있지만, 검색되지 않은 사실은 복구할 수 없고, 증거를 바탕으로 최신 정보와 오래된 정보를 구분할 수 없으며, 누락된 회사 기록을 신뢰성 있게 추론할 수 없습니다.

AnySearch는 이 문제를 사용자 대상 검색 페이지가 아닌 에이전트 대상 인프라로 간주합니다. 단순히 링크, 제목, 짧은 발췌문을 반환하는 대신, 쿼리를 관련 웹 또는 수직적 출처로 라우팅하고, 중복 및 저가치 콘텐츠를 제거하며, 유용한 정보를 추출하고, 모델의 추론 컨텍스트에 직접 입력할 수 있는 구조화된 응답을 제공합니다.

이 제품은 2026년 7월 6일 당일 및 당주 모두 Product Hunt 1위를 차지했습니다. 출시 소개에서는 API, MCP 서버 또는 설치 가능한 에이전트 스킬을 통해 실시간, 필터링, 중복 제거, 구조화된 정보를 제공한다고 강조합니다.

이미지는 Product Hunt 웹사이트에서 지난주 상위 제품 순위를 보여줍니다. AnySearch는 126개의 댓글, 882개의 공유로 1위를 차지했으며, 설명은 "에이전트와 개발자가 신뢰하는 실시간 구조화 검색"입니다. 이 이미지는 문서에서 AnySearch를 소개하는 내용과 관련되어 있으며, Product Hunt에서의 인기를 직관적으로 보여주고 에이전트 중심 검색 워크플로우로서의 특징을 강조합니다.

본 문서는 이러한 에이전트 중심 검색 워크플로우와 기존 검색 API의 차이점을 설명하고, 원본 보고서에 제시된 예시를 상세히 분석하며, 실용적인 설치 및 평가 가이드를 제공합니다.

벤치마크 참고사항: 아래의 정확도 및 지연 시간 데이터는 원본 기사에서 재현된 AnySearch 비교 결과를 기반으로 합니다. 본 버전에서 검토한 공개 자료에는 완전한 평가 코드, 원본 출력, 평가 프롬프트 또는 통계 분석이 포함되어 있지 않습니다. 이 데이터를 독립적으로 재현된 벤치마크가 아닌 공급업체 보고 결과로 간주하시기 바랍니다.

일반 검색 결과가 에이전트에게 비용이 많이 드는 이유

인간은 결과 페이지를 탐색하고, 광고를 무시하며, 중복 기사를 식별하고, 어떤 링크가 주목할 가치가 있는지 판단할 수 있습니다.

반면 에이전트는 각 결과를 입력으로 수신하는 경향이 있으며, 이는 여러 비용을 발생시킵니다:

  • 중복 기사가 컨텍스트 공간을 차지합니다.
  • 긴 페이지에는 내비게이션, 광고 및 관련 없는 텍스트가 포함됩니다.
  • 약한 결과는 추가 검색 라운드를 유발할 수 있습니다.
  • 오래된 정보가 현재 사실로 오인될 수 있습니다.
  • 검색 요약은 신뢰할 수 있는 결론에 필요한 증거를 누락할 수 있습니다.
  • 모델은 추론 전에 토큰을 사용하여 정리해야 합니다.

문제는 검색 정확도뿐만 아니라 반환되는 정보의 형태와 밀도에 있습니다.

따라서 실용적인 에이전트 검색 시스템은 정보를 모델에 전달하기 전에 세 가지 질문에 답해야 합니다:

  1. 이 쿼리에 가장 적합한 출처 유형은 무엇인가?
  2. 어떤 결과가 고유하고 신뢰할 수 있는 증거를 제공하는가?
  3. 웹 노이즈 없이 결과를 어떻게 전달할 것인가?

AnySearch는 이러한 단계를 중심으로 설계되었습니다.

Product Hunt 출시 및 공개 벤치마크 결과

AnySearch는 2026년 7월 6일 Product Hunt 당일 및 당주 1위를 차지했습니다. Product Hunt는 이를 다음과 같이 설명합니다:

에이전트와 개발자가 신뢰하는 실시간 구조화 검색으로, 병렬 검색 출처에서 필터링 및 중복 제거된 정보를 제공합니다.

해당 원본 기사는 세 가지 벤치마크 그룹으로 구성된 300문항 평가 체계도 소개했습니다:

  • FRAMES
  • FreshQA
  • WebWalkerQA

기사에 따르면 AnySearch, Brave Search, Parallel은 모두 동일한 언어 모델을 사용했으므로, 검색 계층(모델 선택이 아닌)이 주요 변수입니다.

보고된 정확도

검색 시스템 전체 정확도 FreshQA WebWalkerQA
AnySearch 76.4% 80.0% 65.2%
Brave Search 64.0% 74.0% 46.8%
Parallel 72.2% 78.0% 61.0%

이미지는 AnySearch, Brave Search, Parallel 세 가지 검색 시스템의 종합 정확도, FreshQA, WebWalkerQA 성능을 보여주는 막대 그래프입니다. 그래프에서 검은색 막대는 종합 정확도, 회색 막대는 FreshQA, 진한 회색 막대는 WebWalkerQA를 나타냅니다. 데이터에 따르면 AnySearch의 종합 정확도는 76.4%, FreshQA는 80%, WebWalkerQA는 65.2%입니다. Brave Search의 종합 정확도는 64%, FreshQA는 74%, WebWalkerQA는 46.8%입니다. Parallel의 종합 정확도는 72.2%, FreshQA는 78%, WebWalkerQA는 61%입니다. 이 그래프는 문맥과 밀접하게 관련되어 있으며, 세 가지 검색 시스템의 다양한 측면 정확도를 직관적으로 보여줍니다.

FreshQA는 현재 또는 변화하는 정보에 의존하는 질문을 평가합니다. WebWalkerQA는 여러 페이지에 걸쳐 웹사이트를 탐색하고 증거를 찾는 능력에 중점을 둡니다. 이 두 가지를 결합하면, 단순한 링크 목록 이상을 필요로 하는 에이전트에게 매우 적합합니다.

FRAMES는 원본 기사의 종합 평가에 포함되었지만, 기사에 표시된 벤치마크별 차트는 종합 점수 외에 FreshQA와 WebWalkerQA만 보여줍니다.

보고된 지연 시간

지연 시간 차트는 평균 비교와 WebWalkerQA 하위 집합 모두에서 AnySearch의 수치가 더 낮음을 보여줍니다.

검색 시스템 평균 지연 시간 값 WebWalkerQA 지연 시간 값
AnySearch 48.0 76.5
Brave Search 68.9 133.0
Parallel 77.4 145.6

이 차트는 두 검색 시스템의 평균 지연 시간 및 WebWalkerQA 지연 시간을 비교하는 원형 차트로, 문서의 비교 표 내용과 일치합니다. 왼쪽 원형 차트에는 "평균 지연 시간"이라고 표시되어 있으며, AnySearch를 나타내는 파란색 영역의 값은 48, Brave Search의 회색 영역 값은 68.9, Parallel의 진한 회색 영역 값은 77.4입니다. 오른쪽 원형 차트에는 "WebWalkerQA"라고 표시되어 있으며, 해당 영역 값은 각각 76.5, 133, 145.6입니다. 두 차트의 범례는 파란색이 AnySearch, 연한 회색이 Brave Search, 진한 회색이 Parallel을 나타냅니다.

원본 이미지에는 단위가 명확하게 표시되지 않았으므로, 표는 의도적으로 보고된 값을 그대로 유지하였으며 초나 밀리초로 변환하지 않았습니다.

AnySearch를 에이전트에 연결하기

AnySearch는 현재 세 가지 주요 통합 방식을 지원합니다:

  • API
  • MCP
  • 에이전트 스킬 (Agent Skill)

공식 GitHub 프로젝트는 Apache-2.0 라이선스의 스킬 및 MCP 서버를 제공합니다. 둘 다 일반 웹 검색, 수직적 검색, 병렬 배치 검색 및 전체 페이지 URL 추출을 지원합니다.

이미지는 AnySearch 관련 정보를 보여줍니다. 상단에는 톱니바퀴 아이콘과 함께 "anysearch"라는 텍스트가 있고, 오른쪽에는 휴지통 아이콘과 파란색 스위치가 있습니다. 하단에는 실시간 검색 엔진으로, 웹 검색, 수직적 검색, 병렬 배치 검색 및 URL 콘텐츠 등을 지원한다는 설명이 있습니다.

이 이미지는 문서에서 AnySearch를 소개하는 내용과 관련되어 있으며, AnySearch의 기능과 특징을 직관적으로 보여줍니다. 독자가 지원하는 검색 유형 등을 더 명확히 이해할 수 있도록 돕습니다.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/80912d0a-73aa-4f80-bbab-eb6f0779cd63-e96fb0d4-000e-4288-ae1b-bf3c078c578f.png)

AnySearch 스킬 설치

공식 저장소에서는 메인 브랜치에서 미공개 변경 사항을 직접 가져오는 대신 고정 릴리스(pinned release)를 다운로드할 것을 권장합니다.

브랜치.

# 지정된 버전의 AnySearch Skill 릴리스를 다운로드합니다.
# 릴리스 페이지를 확인하고, 더 최신의 안정적인 버전이 있을 경우 v2.1.0을 대체하십시오.
curl -L -o anysearch-skill.zip \
  https://github.com/anysearch-ai/anysearch-skill/archive/refs/tags/v2.1.0.zip

# 릴리스를 압축 해제합니다.
unzip anysearch-skill.zip

압축 해제된 디렉터리를 에이전트가 사용하는 적절한 위치로 이동합니다:

# Claude Code
mv anysearch-skill-2.1.0 ~/.claude/skills/anysearch

# OpenCode
mv anysearch-skill-2.1.0 ~/.config/opencode/skills/anysearch

# Cursor 또는 Windsurf 프로젝트
mv anysearch-skill-2.1.0 <project>/.skills/anysearch

# 공유 에이전트 위치
mv anysearch-skill-2.1.0 ~/.agents/skills/anysearch

정확한 디렉터리는 에이전트 플랫폼과 현재 스킬 탐색 규칙에 따라 다릅니다.

API 키와 익명 액세스

공식 스킬 및 MCP 문서에 따르면 익명 액세스의 속도 제한은 낮습니다. API 키는 선택 사항이지만, 더 안정적이거나 높은 사용량을 위해 사용을 권장합니다.

API 키를 공개 저장소에 제출하지 마십시오. 환경 변수, 키 관리자 또는 무시되는 로컬 설정 파일에 저장하십시오.

테스트 1: 프로덕션 수준 Go 코드 찾기

원문의 첫 번째 테스트는 에이전트가 튜토리얼이 아닌 실제 프로덕션 환경용 Go API 속도 제한기 구현체를 찾도록 요구합니다.

프롬프트 내용:

Go로 API 속도 제한기를 구현하는 프로젝트를 진행 중입니다. 튜토리얼은 필요 없습니다. 실제 오픈소스 프로젝트에서 프로덕션 코드를 찾아주세요.

전용 검색 워크플로우 없이, 해당 에이전트는 일반적인 링크와 단편적인 코드 조각을 반환한 것으로 보고되었습니다. 이러한 결과는 개념을 설명할 수는 있지만, 개발자가 완전한 구현 컨텍스트를 필요로 할 때 도움이 제한적입니다.

AnySearch를 활용한 실행은 더 구조화된 코드 중심의 결과를 반환했으며, 더 명확한 호출 체인과 실제 코드베이스의 자료를 포함했습니다.

이 차이는 프로덕션 코드가 단순한 알고리즘 이상이기 때문에 매우 중요합니다. 유용한 검색 결과는 에이전트가 다음을 검토하는 데 도움을 주어야 합니다:

  • 패키지 구조
  • 초기화
  • 설정
  • 저장소 또는 분산 상태 종속성
  • 미들웨어 통합
  • 오류 처리
  • 테스트
  • 라이선스
  • 프로젝트 활동성
  • 코드와 저장소의 다른 부분과의 관계

예쁜 함수만 추출하고 그 컨텍스트 가정을 무시하는 코드 검색은 구현 에이전트를 오도할 수 있습니다.

더 나은 프로덕션 코드 검색 요청

검색 제공업체와 관계없이, 더 명확한 쿼리는 결과를 개선할 수 있습니다:

유지 관리 중이며, 프로덕션 코드에서 API 속도 제한기를 구현한 오픈소스 Go 프로젝트를 찾습니다.

요구 사항:
- 저장소와 정확한 파일 경로를 반환합니다.
- 실제 서버나 게이트웨이에서 사용되는 코드를 우선시합니다.
- 초기화 및 요청 흐름 컨텍스트를 포함합니다.
- 알고리즘, 백엔드 저장소, 테스트 및 라이선스를 명시합니다.
- 튜토리얼 코드베이스와 복사된 코드 조각은 제외합니다.
- 최근 관련 커밋의 날짜를 명시합니다.

검색 시스템은 증거를 제공해야 합니다. 코딩 에이전트는 코드를 적용하기 전에 여전히 저장소, 라이선스, 테스트, 보안 가정 및 현재 유지 관리 상태를 확인해야 합니다.

테스트 2: 기업 실사

두 번째 테스트

동일한 기업 조사 요구 사항에서 AnySearch와 Exa를 비교했습니다.

두 보고서 모두 기본적인 공개 기업 정보에서는 좋은 성과를 보였습니다. 차이는 주로 위험 부분에서 나타났습니다.

AnySearch가 Exa 보고서에는 누락된 현지 발행 규정 준수 기록과 플랫폼 공지를 찾은 것으로 보고되었습니다. 정보 출처는 이러한 차이를 언어 모델 자체보다는 중국 내 수직적 데이터 소스에 대한 접근성 차이로 돌렸습니다.

이미지는 AnySearch와 Exa의 기업 기본 정보 비교를 보여줍니다. 왼쪽은 AnySearch, 오른쪽은 Exa이며, 둘 다 회사명, 영문명, 설립일, 상장일, 상장지, 주식 코드, 등록 주소, 업종, 최대 주주, 실제 지배인, 창업자, 현 이사회 의장/총괄, 이사회 비서 등의 항목을 포함합니다. 두 시스템의 회사명, 영문명, 설립일 등 정보는 일치하지만, Exa는 주식 코드, 업종, 최대 주주, 실제 지배인, 창업자, 현 이사회 의장/총괄 등에서 차이를 보입니다. 예를 들어, Exa의 주식 코드는 "002002.SZ"인 반면, AnySearch는 표시되지 않았습니다. 이 이미지는 두 보고서가 기업 기본 정보에서 유사한 성과를 보였지만 위험 부분에서 차이가 있었다는 맥락과 일치합니다.

이미지는 AnySearch와 Exa의 특정 기업 위험 분석 비교를 보여줍니다. 왼쪽 AnySearch 부분은 2026년 위험 사건과 영향, 진행 상황, 대응 조치 등의 정보를 상세히 나열하고 있습니다. 오른쪽 Exa 부분은 AI 혁신 위험, 수요 위축 위험 등의 위험 요소를 포함합니다. 이 이미지는 위험 분석 부분에서 두 보고서 간 차이가 있었다는 맥락과 밀접하게 관련되어 있으며, AnySearch가 위험 사건에 대해 더 많은 상세 정보를 제공한 반면 Exa는 위험 요소 분류에 중점을 두었음을 시각적으로 보여줍니다.

이 예시는 기업 조사에서 흔한 한계를 강조합니다. 글로벌 웹 인덱스는 조직의 공식 웹사이트, 국제 뉴스 및 영어 데이터베이스를 잘 포괄할 수 있지만, 현지 규제, 법원, 민원 또는 플랫폼 기록은 놓칠 수 있습니다.

실사 에이전트는 여러 범주를 명시적으로 검색해야 합니다:

  1. 기업 등록 및 수익 소유권
  2. 자금 조달 및 주주 변동
  3. 소송 및 집행 기록
  4. 규제 공시
  5. 제품 민원 및 플랫폼 제재
  6. 특허 및 상표
  7. 사이버 보안 및 데이터 사고
  8. 경영진 변동
  9. 재무 및 운영 경고 신호
  10. 기업 자국 시장의 최신 뉴스

중요: 검색 지원 실사는 전문적인 법률, 재무 또는 규정 준수 검토를 대체할 수 없습니다. 기록이 불완전할 수 있고, 명칭이 혼동될 수 있으며, 자동 요약이 증거를 잘못 해석할 수도 있습니다.

테스트 3: 실시간 글로벌 에너지 보고서

세 번째 테스트는 AnySearch에 글로벌 에너지 시장 보고서 생성을 요청했으며, 다음 내용을 포함합니다:

  • 미국 천연가스 재고 변동
  • 유럽 국가별 당일 전력 가격
  • 호주 전력망 탄소 집약도

정보 출처가 보여준 출력 결과에는 지역 재고 세부 정보, 유럽 전력 가격 비교 및 배출 데이터가 포함되었습니다. 해당 보고서는 7월 9일 미국 에너지 정보청(EIA) 데이터와 7월 12일 유럽 당일 전력 가격 등 최근 정보를 인용했습니다.

이 이미지는 AI 도구 AnySearch의 작동 인터페이스 기능 시연을 보여줍니다. 상단에는 사용자 요구사항이 '글로벌 에너지 시장 보고서 생성: 미국 천연가스 재고 변동, 유럽 각국의 당일 전력 가격 동향, 호주 전력망 탄소 배출 데이터'로 명확히 표시되어 있습니다. 인터페이스에는 보고서 생성 과정에서 호출된 다양한 도구와 해당 작동 기록(도구 이름, 구체적인 명령줄 내용 포함)이 표시되어 있으며, 하단에는 DeepSeek V6 Pro와의 상호작용 진입점이 보입니다. 이를 통해 다영역 글로벌 에너지 조회 작업을 위한 도구의 실행 과정을 직관적으로 확인할 수 있으며, 문서에서 AnySearch가 여러 독립적인 데이터 경로 조회를 처리할 수 있다는 설명과 일치합니다.

이미지는 유럽 각국의 당일 전력 가격 동향을 보여주며, 제목은 '최신 당일 전력 가격 7월 12일'입니다. 표에는 독일, 프랑스, 스페인 등 11개 국가/경쟁 지역의 전력 가격(€/MWh) 및 일간 변동률이 나열되어 있습니다. 예를 들어, 독일 전력 가격은 75.23 €/MWh로 일간 20% 하락, 프랑스는 75.21 €/MWh로 18% 하락, 네덜란드는 73.41 €/MWh로 22% 하락했습니다.

이 그림은 문서의 테스트 3 내용과 관련되어 있으며, 유럽 여러 국가의 당일 전력 가격 데이터를 보여줍니다. 이는 AnySearch가 생성한 글로벌 에너지 시장 보고서의 일부입니다.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/3f5432f8-0641-4e6e-b8aa-62b6a50e7d18-f18fcac7-52c7-4efa-a066-9c9722c9cea9.jpeg)

이는 다영역 조회의 대표적인 예시로, 시스템이 단일 일반 웹 검색이 아닌, 하나의 요청에 포함된 여러 독립적인 데이터 경로를 식별해야 함을 요구합니다.

신뢰할 수 있는 구현은 다음을 충족해야 합니다.

  1. 요청을 하위 쿼리로 분할
  2. 각 하위 쿼리를 적절한 데이터 소스로 라우팅
  3. 발행 및 관측 날짜 기록
  4. 단위 및 지역 정의 유지
  5. 예측값과 실측값 구분
  6. 출처 URL 또는 식별자 반환
  7. 최종 출력 시 정규화 처리하며, 데이터 간 모순을 은폐하지 않음

현재 데이터에는 항상 타임스탬프가 포함되어야 합니다. 보고서가 기초 측정의 발행 시간 및 적용 기간을 명시하지 않는다면, '최신'이라는 용어는 의미가 없습니다.

AnySearch의 쿼리 라우팅 방식

핵심 설계 주장은 AnySearch가 에이전트 행동을 중심으로 검색 파이프라인을 재구축한다는 것입니다.

소스 코드에 표시된 프로세스는 5단계로 구성됩니다.

  1. 쿼리 수신
  2. 의도 이해
  3. 라우팅 오케스트레이션
  4. 병렬 검색
  5. 결과 집계 및 에이전트 전달

이 그림은 AnySearch의 AI 에이전트 대상 검색 프로세스를 보여줍니다. 총 5개의 핵심 단계로 구성되며, 순서대로 쿼리 진입, 쿼리 이해, 라우팅 오케스트레이션, 병렬 검색, 결과 융합을 거쳐 최종적으로 에이전트 전달이 완료됩니다. 각 단계에는 해당 핵심 동작이 표시되어 있습니다. 쿼리 이해의 핵심은 의도 모델링 및 도메인 판단, 라우팅 오케스트레이션은 정보 필터링 및 경로 계획, 병렬 검색은 다중 소스 호출, 결과 융합은 정규화, 재정렬 및 구조화를 포함합니다. 이 프로세스는 문서에서 언급된 AnySearch의 검색 파이프라인 재구축 5단계에 해당하며, 시스템이 지능형 에이전트 행동을 중심으로 설계된 구조화된 검색 로직을 명확하게 보여줍니다.

1. 의도 이해

시스템은 먼저 쿼리에 어떤 유형의 증거가 필요한지 식별합니다.

기업 배경 조회에는 등록 기록, 특허, 법률 데이터베이스 및 불만 플랫폼이 필요할 수 있습니다. 코드 관련 질문은 코드 저장소와 문서로 라우팅되어야 합니다. 에너지 시장 조회에는 공식 재고 및 전력 시장 데이터가 필요할 수 있습니다.

이는 모든 요청을 하나의 일반 색인으로 처리하는 방식과는 완전히 다릅니다.

2. 도메인 및 소스 라우팅

AnySearch는 일반 검색 외에도 다음 분야를 포함한 20개 이상의 수직 카테고리를 지원한다고 밝힙니다.

  • 코드
  • 금융
  • 학술 연구
  • 보안
  • 법률 정보
  • 회사 및 비즈니스 데이터
  • 일반 웹 콘텐츠

이 이미지는 AnySearch의 '전 스펙트럼 커버리지' 기능을 보여주며, 왼쪽 텍스트는 전문적 깊이부터 일상적 범위까지를 아우르는 적용 범위를 설명하여 에이전트의 다양한 요구를 충족시킬 수 있음을 나타냅니다. 오른쪽에는 지구 패턴과 함께 '다영역 커버리지', '확장 가능한 네트워크', '일상 요구', '개인 관심사'의 4개 핵심 기능 모듈이 표시되어 있습니다. 이는 문서에서 언급된 AnySearch가 일반 검색 및 20개 이상의 수직 분야를 지원하며 코드, 금융, 학술 연구 등 다양한 유형의 시나리오를 포괄한다는 내용과 정확히 일치하며, 에이전트의 다양한 요구를 충족시키는 설계 특징을 직관적으로 보여줍니다.

공개 MCP 인터페이스에는 도메인 디렉터리 메서드가 포함되어 있습니다. 에이전트는 지원되지 않는 필터를 직접 생성하는 대신 유효한 도메인과 매개변수 스키마를 요청해야 합니다.

3. 병렬 검색

여러 도메인에 걸친 질문은 여러 개의 독립적인 검색을 시작할 수 있습니다. MCP 서버는 1~5개의 쿼리 객체를 일괄 실행할 수 있으며, 특정 분기의 실패가 다른 분기의 실행을 차단하지 않습니다.

병렬 검색은 총 대기 시간을 줄일 수 있지만, 집계 계층이 빠르게 나타난 저품질 결과가 느리지만 권위 있는 결과를 밀어내는 것을 방지할 수 있어야 합니다.

증거.

4. 모델 이전의 정렬

원문에서는 세 가지 정렬 방식을 제시합니다.

  • 동일 출처 감쇠: 동일 사이트에서 반복되는 결과의 가중치를 낮춥니다.
  • 정보 밀도 중재: 더 독특하고 유용한 증거를 제공하는 결과를 우선 선택합니다.
  • 혼합 정렬: 의미적 연관성과 적시성을 결합합니다.

기대 목표는 콘텐츠가 언어 모델에 진입하기 전에 더 많은 필터링을 수행하는 것입니다.

이는 대량의 결과 세트를 반환하고 모델이 자체적으로 중복을 제거하도록 하는 파이프라인과 다릅니다. 사전 필터링은 토큰을 절약할 수 있지만, 또 다른 책임을 도입합니다. 정렬 시스템은 소수 출처나 중요한 모순 레코드를 조용히 제거해서는 안 됩니다.

5. 구조화된 전달

정렬 후 AnySearch는 주요 콘텐츠를 추출하고 페이지 노이즈를 제거하며 결과를 Markdown 형식으로 변환합니다.

공식 MCP 서버는 URL 추출 작업도 제공하여 페이지 콘텐츠를 Markdown 형식으로 반환하며, 명확한 잘림 제한은 50,000자입니다.

이미지는 AnySearch의 Agent-Native Design을 보여주며, AI 에이전트를 위해 설계되었고 구조화된 출력을 제공하여 토큰 낭비를 크게 줄이며, 내장 API, MCP 및 Skill을 지원함을 강조합니다. 왼쪽에는 AI 에이전트가, 오른쪽에는 MCP / Skill / API, Structured Markdown, Quality Scoring의 세 가지 상자가 표시되어 있습니다. 이 그림은 문맥과 밀접하게 관련되어 있으며, 문맥에서는 정렬, 구조화된 전달 등의 단계를 포함한 AI 에이전트에서의 AnySearch 적용을 소개하고, 이 그림은 설계 특징 및 AI 에이전트와의 상호작용 방식을 직관적으로 보여줍니다.

구조화된 출력은 다음 내용이 포함될 경우 모델에 필요한 작업량을 줄일 수 있습니다.

  • 명확한 제목
  • 출처 메타데이터
  • 날짜
  • 구분된 증거 블록
  • 표
  • 파일 경로가 포함된 코드
  • 표준화된 단위
  • 검증을 위한 URL

중복 제거가 토큰 낭비를 줄이는 이유

에이전트가 동일한 이벤트에 대한 10개의 결과를 수신한다고 가정해 보겠습니다. 그중 7개가 동일한 원본 보고서를 재가공한 것이라면, 컨텍스트는 7개의 독립적인 확인 정보가 아닌 반복된 주장으로 채워집니다.

이는 세 가지 문제를 야기합니다.

  1. 반복되는 자료가 컨텍스트 공간을 소모합니다.
  2. 모델이 반복을 독립적인 증거로 잘못 간주할 수 있습니다.
  3. 인기는 덜하지만 권위 있는 증거가 배제될 수 있습니다.

소스 기반 중복 제거는 단순히 순위가 가장 높은 페이지를 유지하는 것이 아니라 고유한 증거를 보존하는 것을 목표로 합니다.

실용적인 에이전트 검색 응답은 출처 정보를 확인 가능하게 만들어야 합니다. 개발자는 5개의 결과가 5개의 원본 소스, 동일한 소스의 5개 연합 게시물, 또는 주요 및 보조 증거의 혼합을 나타내는지 알 필요가 있습니다.

토큰 절감은 고정된 비율이 아닌 파이프라인 결과

원문에서는 낮은 토큰 소모를 AnySearch의 장점으로 설명하지만, 보편적인 토큰 감소 비율은 공개되지 않았습니다.

절감량은 다음에 따라 달라지기 때문에 이는 합리적입니다.

  • 원본 결과 수
  • 페이지 길이
  • 중복률
  • 추출 품질
  • 모델 토크나이저
  • 최대 컨텍스트 크기
  • 에이전트의 재검색 여부
  • 필요한 인용 깊이
  • 유지되는 구조화된 메타데이터 양

공정한 평가는 첫 번째 검색 응답뿐만 아니라 전체 태스크를 측정해야 합니다.

유용한 지표는 다음과 같습니다.

지표 측정 내용
검색 입력 토큰 검색 자료가 소모한 컨텍스트
에이전트 총 토큰 검색, 추론, 후속 작업, 최종 생성
검색 라운드 당 호출 횟수 약한 검색이 반복 검색을 유발하는지 여부
고유 출처 수 중복 제거 후 증거 다양성
인용 정확도 인용된 출처가 관련 주장을 뒷받침하는지 여부
답변 완전성 응답이 필요한 모든 차원을 포괄하는지 여부
종단 간 지연 시간 태스크 완료에 필요한 시간
태스크 성공률 에이전트가 의도된 목표를 달성하는지 여부

핵심 증거를 생략한 짧은 응답은 최적화 전략이 아닙니다. 토큰 수 감소는 응답 품질과 추적 가능성이 유지될 때만 가치가 있습니다.

에이전트 지향 네이티브 엔지니어링 특성

실제 프로덕션 환경에서 사용되는 검색 컴포넌트는 제품 데모에서는 거의 발생하지 않는 장애 문제를 처리해야 합니다.

리소스 출처는 다음과 같은 특성을 강조합니다.

  • 타임아웃 처리
  • 자동 폴백
  • 다중 소스 라우팅
  • API 접근
  • MCP 지원
  • 스킬 지원
  • 구조화된 Markdown 출력

공개 MCP 문서는 또한 다음 기능을 지원합니다.

  • 일반 웹 검색
  • 수직 검색
  • 병렬 배치 검색
  • 전체 페이지 추출
  • 익명 접근
  • 선택적 API 키 인증

이 이미지는 에이전트와 개발자를 위한 안정적인 실시간 구조화 검색 도구인 AnySearch를 소개합니다. 이 도구는 OpenClaw, Cursor 등 기존의 다양한 에이전트와 연결될 수 있으며, 보안 알림, 논문, 증권 데이터, 웹 콘텐츠, 법률 텍스트, 문서 등 다양한 소스에 접근하여 자체 전략을 기반으로 최적의 정보를 선별합니다. 이 도구는 에이전트에게 신뢰할 수 있는 실시간 구조화 검색 기능을 제공하고, 개발자의 기존 에이전트 사용 요구에 맞추며, 에이전트 운영을 지원하기 위해 여러 유형의 소스 정보를 통합할 수 있습니다.

프로덕션 팀은 여전히 자체 통제 조치를 추가해야 합니다.

  • 출처별 타임아웃 예산
  • 백오프가 포함된 재시도 메커니즘
  • 요청 및 비용 추적
  • 출처 화이트리스트 및 블랙리스트
  • 프롬프트 인젝션 스캔
  • 개인 식별 정보 및 비밀번호 필터링
  • 결과 크기 제한
  • 캐싱 전략
  • 감사 로그
  • 고위험 결정에 대한 수동 검토

검색 출력은 신뢰할 수 없는 외부 입력입니다. 비록 정리된 Markdown 텍스트라도 악의적인 명령, 허위 진술 또는 손상된 콘텐츠를 포함할 수 있습니다.

검색, 에이전트 인프라가 되어가다

전통적인 검색은 사용자가 페이지를 찾도록 돕습니다. 에이전트 검색은 목표가 다릅니다: 추론과 실행을 위해 기계가 사용할 수 있는 증거를 제공하는 것입니다.

이는 설계 우선순위를 변경합니다.

인간 중심 검색 에이전트 중심 검색
빠른 브라우징에 최적화 기계 처리에 최적화
링크 및 요약 구조화된 증거
사용자가 직접 중복 제거 시스템이 중복을 줄여야 함
사용자가 만료일 확인 날짜가 명시적으로 표시되어야 함
사용자가 신뢰도 결정 출처 및 품질 신호 필요
브라우징은 탐색적일 수 있음 반복 검색은 시간과 토큰 소모
시각적 레이아웃 중요 안정적인 구조와 Markdown 중요

모델은 에이전트가 증거를 사용하여 추론하는 능력을 결정합니다. 검색 레이어는 처음에 어떤 증거를 사용할 수 있는지 결정합니다.

모델 성능이 향상됨에 따라 검색 품질의 중요성은 더욱 커집니다. 강력한 모델은 빈약한 컨텍스트를 기반으로도 매우 설득력 있는 답변을 생성할 수 있습니다. 이는 출처 선택, 시의성, 추적 가능성을 에이전트 안전성 및 신뢰성 시스템의 일부로 만듭니다.

자체 워크플로우에서 AnySearch 평가 방법

개발자는 단일 공개 벤치마크나 인상적인 안전 데모 하나만 보고 검색 제공자를 선택해서는 안 됩니다.

대신 실제 시나리오를 기반으로 평가 세트를 구축해야 합니다.

귀하의 에이전트가 수행하는 바로 그 태스크를 기반으로요.

1단계: 대표적인 쿼리 정의

간단한 경우와 어려운 경우를 모두 포함합니다.

  • 최신 뉴스
  • 저장소 코드
  • 지역 비즈니스 기록
  • 학술 논문
  • 규제 정보
  • 다국가 데이터
  • 상충되는 출처가 있는 질문
  • 여러 하위 도메인이 필요한 쿼리

2단계: 모델 고정

각 제공자에 대해 동일한 모델, 프롬프트, 도구 전략, 출력 형식을 사용합니다.

3단계: 원시 증거 캡처

모델이 요약하기 전에 반환된 출처를 저장합니다. 그렇지 않으면 오류가 검색 과정에서 발생했는지 추론 과정에서 발생했는지 판단할 수 없습니다.

4단계: 정확도 외에 더 많은 차원 평가

지연 시간, 총 토큰 수, 중복 검색 호출 횟수, 적용 범위, 인용 지원, 시의성, 실패율을 측정합니다.

5단계: 고위험 결과는 수동 검토

금융, 법률, 보안, 의료 및 규정 준수 작업은 전문가의 검토가 필요합니다. 검색 API는 증거 수집을 개선할 수 있지만, 전문적 책임을 대신할 수는 없습니다.

6단계: 장애 동작 테스트

특정 소스를 비활성화하고, 특정 경로를 느리게 하며, 잘못된 형식의 콘텐츠를 반환하고, 중복 결과를 주입합니다. 프로덕션 환경의 신뢰성은 검색이 완벽하지 않을 때 시스템이 어떻게 작동하는지에 따라 달라집니다.

자주 묻는 질문

AnySearch란 무엇인가요?

AnySearch는 AI 에이전트와 개발자를 위해 설계된 실시간 검색 인프라 서비스입니다. 웹 검색, 수직 분야 검색, 일괄 검색 및 구조화된 출력을 포함한 전체 텍스트 추출 기능을 제공합니다.

AnySearch는 소비자 대상 검색 엔진인가요?

사용자가 검색을 시도할 수 있는 웹사이트가 있지만, 주요 포지셔닝은 에이전트 인프라입니다. 핵심 통합 방식은 API, MCP 및 설치 가능한 Skill입니다.

AnySearch는 API 키 없이도 작동하나요?

공식 Skill 및 MCP 문서에 따르면 익명 액세스는 속도 제한과 할당량이 낮습니다. API 키는 선택 사항이지만, 더 정기적인 사용을 위해 권장됩니다.

AnySearch는 어떤 수직 분야를 지원하나요?

공개 문서에는 금융, 학술 연구, 보안, 법률 정보, 코드 및 기타 카테고리가 언급되어 있습니다. 에이전트는 특정 도메인 매개변수를 사용하기 전에 지원되는 도메인 디렉토리를 조회해야 합니다.

AnySearch는 토큰 사용량을 어떻게 줄이나요?

검색 전에 쿼리를 라우팅하고, 중복 소스를 줄이며, 정보 밀도가 높은 결과를 우선 처리하고, 페이지 노이즈를 제거하며, 구조화된 Markdown 형식을 반환합니다. 실제 토큰 절감 효과는 쿼리 내용과 광범위한 에이전트 워크플로우에 따라 달라집니다.

76.4%의 벤치마크는 독립적으로 검증되었나요?

해당 점수는 AnySearch에서 보고되었으며 원본 기사에서 재현되었습니다. 검증 과정에서 완전한 공개 평가 패키지는 발견되지 않았으므로, 이 결과는 공급업체가 보고한 비교 데이터로 간주되어야 합니다.

AnySearch가 전문 실사 조사를 대체할 수 있나요?

아니요. 회사, 법률, 재무 및 공공 위험 정보를 수집하는 데 도움을 줄 수 있지만, 전문가가 신원, 출처의 권위, 완전성, 관할권 및 해석을 반드시 확인해야 합니다.

AnySearch는 오픈소스인가요?

AnySearch Skill 및 MCP 서버의 코드베이스는 Apache-2.0 라이선스로 공개되어 있습니다. 호스팅된 API 백엔드는 별도의 서비스이며, 해당 코드베이스의 라이선스 범위에 포함되지 않습니다.

관련 도구

  • AnySearch: AI 에이전트를 위한 실시간 구조화 검색 인프라.
  • AnySearch Skill: 웹, 수직 검색, 일괄 검색 및 URL 콘텐츠 검색을 지원하는 설치 가능한 에이전트 스킬.
  • AnySearch MCP 서버: AnySearch 도구를 호환 에이전트에 노출하는 MCP 통합 솔루션.
  • Exa: AI 애플리케이션을 위해 구축된 검색, 콘텐츠 스크래핑, 크롤링 및 연구 API.
  • Tavily: 에이전트 및 RAG 워크플로우를 위한 실시간 검색 및 추출 API.
  • Brave Search API: 애플리케이션 및 AI 시스템을 위한 독립형 웹 검색 API.
  • Model Context Protocol: AI 애플리케이션을 외부 도구 및 데이터에 연결하기 위한 개방형 프로토콜.

관련 링크

요약

AnySearch는 검색을 사용자가 탐색하는 페이지 목록이 아닌 에이전트의 입력 계층으로 간주합니다. 일반 및 수직 소스를 넘나들며 쿼리를 라우팅하고, 여러 경로를 검색하며, 증거를 정렬 및 중복 제거하고, 페이지 노이즈를 제거한 후 API, MCP 또는 Skill 통합을 통해 구조화된 콘텐츠를 반환합니다.

소스의 예시는 이러한 설계가 프로덕션 코드 발견, 현지 회사 실사 및 현재의 다중 시장 데이터에 왜 중요한지 보여줍니다. 각 경우에서 에이전트는 단순한 관련 링크가 아니라 완전하고 시의적절하며 추적 가능한 증거가 필요합니다.

Product Hunt 순위와 공급업체가 보고한 벤치마크 결과는 AnySearch를 테스트해볼 가치가 있게 만들지만, 팀은 프로덕션 검색 스택을 교체하기 전에 자체 쿼리, 모델, 토큰 계산 및 품질 기준을 사용하여 비교 결과를 재현해야 합니다.

에이전트 워크플로우에서 모델은 증거를 처리하는 방법을 결정하고, 검색 계층은 올바른 증거가 모델에 도달할 수 있는지 여부를 결정합니다.