이제 모든 주요 AI 기업이 "딥 리서치" 기능을 제공합니다. Google도, OpenAI도, Perplexity도. 데모에서는 모두 인상적입니다 — 복잡한 질문을 던지고 몇 분 기다리면 출처가 달린 여러 페이지 분량의 보고서가 나옵니다.
문제는 품질이 아닙니다. 이 툴들 중 어느 것도 에이전트가 사용할 수 있도록 설계되지 않았다는 점이 문제입니다.
이 툴들은 채팅 인터페이스 안에 갇혀 있습니다. 인간이 읽기 위한 형식으로 보고서를 생성하며, 하위 처리를 위한 구조화된 데이터를 출력하지 않습니다. 에이전트가 툴을 프로그래밍 방식으로 호출할 수 없다면, 그 툴은 워크플로우 상에서 존재하지 않는 것이나 마찬가지입니다.
딥 리서치가 실제로 다른 점
일반 검색은 — 그라운디드 검색조차도 — 한 번의 과정으로 하나의 질문에 답합니다. 묻고, 검색하고, 합성합니다.
딥 리서치는 복잡한 질문을 하위 질문으로 분해하고, 여러 라운드의 검색을 실행하며, 상충하는 출처를 교차 검토해 결과를 구조화된 보고서로 정리합니다. "Acme의 가격이 얼마인가"와 "가격, 차별화, 개발자 감성을 포함한 엔터프라이즈 AI 검색 툴의 경쟁 환경을 분석하라"의 차이입니다.
출력물은 단락이 아닙니다. 20100개 이상의 출처를 종합해 분석 보고서에 가까운 형태로 만든 것입니다. 레이턴시도 상응하게 길어집니다 — 수 초가 아니라 215분. 비용도 높습니다 — 센트의 몇 분의 일이 아니라 보고서당 $0.50~$5 이상.
에이전트가 실제로 사용할 수 있는지 기준으로 매긴 툴 순위
AnyCap Deep Research는 에이전트를 위해 특별히 설계된 유일한 툴입니다. 스킬로 설치하면(claude mcp add anycap-cli-nightly) 에이전트가 다른 툴처럼 호출합니다. 출력은 구조화되어 있습니다 — 텍스트 보고서가 아닌 섹션, 인용, 신뢰도 점수가 담긴 JSON입니다. 에이전트가 파싱하고 필터링해 워크플로우의 다음 단계로 넘길 수 있습니다:
anycap research \
--query "AI agent capability runtime market Q2 2026" \
--depth comprehensive --output market-analysis.md
Google Gemini Deep Research는 좋은 보고서를 생성합니다. Google의 검색 인덱스가 뒷받침하므로 검색 품질이 중요한 경우 의미가 있습니다. 하지만 API 출력은 형식화된 텍스트로, 구조화된 인용이나 JSON 섹션이 없습니다. 에이전트가 호출할 수는 있지만 출력을 파싱하는 것은 불안정합니다. Google이 형식을 변경하면 파서가 깨집니다.
Perplexity Deep Research는 깔끔한 인용과 실시간 웹 접근성을 갖추고 있습니다 — Perplexity의 핵심 강점입니다. 하지만 딥 리서치는 UI 전용입니다. API 엔드포인트가 없습니다. 에이전트가 문자 그대로 호출할 수 없습니다.
OpenAI Deep Research는 월 $200의 ChatGPT Pro 구독이 필요하며 역시 UI 전용입니다. 보고서는 철저합니다 — o3 기반 추론은 다단계 리서치에 진정으로 뛰어납니다. 하지만 API가 없어서 에이전트가 사용할 방법이 없습니다.
GPT Researcher와 STORM은 직접 호스팅하는 오픈소스 대안입니다. 완전한 통제권, 쿼리당 비용 없음. 트레이드오프는 셀프 호스팅 웹 크롤링이 Google이나 Bing 기반 툴이 검색할 수 있는 것보다 눈에 띄게 열등하다는 점입니다. 설정도 간단하지 않습니다. 이를 유지할 수 있는 팀이 있고 볼륨이 인프라를 정당화한다면 실행 가능합니다. 대부분의 팀은 그렇지 않습니다.
데모 너머에서 봐야 할 것
컨슈머용 딥 리서치는 인상적인 보고서를 생성하기 때문에 데모가 잘 됩니다. 에이전트용 툴을 평가할 때는 기준이 달라집니다:
에이전트가 구조화된 출력을 받을 수 있는가? "내가 보고서를 읽을 수 있는가"가 아닙니다. 에이전트가 섹션을 파싱하고, 인용을 추출하고, 파이프라인의 다음 단계에서 결과를 활용할 수 있는가? 툴이 텍스트 덩어리를 반환한다면 답은 아니요입니다.
인용 밀도는 어느 정도인가? 모든 주장을 출처와 연결하는 인용 없이 작성된 딥 리서치 보고서는 더 나은 형식을 갖춘 자신감 있는 환각에 불과합니다. 처음 몇 개의 보고서에서 인용을 무작위로 샘플링해 보세요. 실제로 주장을 뒷받침하지 않는 경우가 얼마나 많은지 놀랄 것입니다.
깊이를 제어할 수 있는가? 빠른 경쟁 개요에는 5~10개 출처와 2분이 필요합니다. 포괄적인 환경 분석에는 50개 이상의 출처와 10분 이상이 필요합니다. 툴은 선택권을 제공해야 하며, 실행 전에 비용을 알려줘야 합니다.
CLI인가 UI인가? 이것이 대부분의 툴을 제거하는 필터입니다. 툴이 채팅 인터페이스에 존재한다면 에이전트는 사용할 수 없습니다. 평가 종료.
실제 워크플로우에서 딥 리서치가 들어가는 자리
딥 리서치의 가치는 리서치 자체에 있지 않습니다. 그 이후에 무슨 일이 일어나느냐에 있습니다.
경쟁 분석을 수행하는 에이전트는 먼저 시장 환경에 대한 딥 리서치를 실행합니다. 그런 다음 발견한 각 경쟁사의 가격 세부 사항을 검색합니다. 그런 다음 비교 인포그래픽을 생성합니다. 그런 다음 모든 것을 보고서로 정리해 공개합니다.
목표를 이해하는 에이전트가 연결한 4개의 CLI 명령입니다:
anycap research --query "AI search tools market 2026" --depth comprehensive --output landscape.md
anycap search "competitor-name pricing 2026" --citations --output pricing.json
anycap image generate --prompt "comparison infographic from landscape.md" -o comparison.png
anycap page publish report.md --title "AI Search Tools: Market Analysis 2026"
SDK도 없고, 미들웨어도 없습니다. 단지 에이전트의 런타임에 존재하기 때문에 에이전트가 호출할 수 있는 툴들입니다.
딥 리서치 워크플로우 하나로 시작하기
오늘 팀이 수동으로 하는 작업을 하나 선택하세요: 경쟁 환경 분석, 주간 업계 다이제스트, 릴리스 전 의존성 건강 점검. AnyCap과 함께 에이전트에게 맡겨보세요:
npm install -g @anycap/cli && anycap login
anycap research --query "여기에 리서치 주제 입력" --depth comprehensive --output report.md
보고서는 구조화되고, 인용이 달리며, 파이프라인의 다음 단계에 바로 투입할 준비가 된 상태로 돌아옵니다. 복붙도 없고, 수동 합성도 없습니다. 에이전트가 리서치를 하고, 당신은 결과를 검토합니다.
더 읽을거리:
- AI 에이전트를 위한 AI 검색: 그라운디드 서치 vs RAG — 그라운디드 서치와 딥 리서치가 서로를 보완하는 방법
- AI 워크플로우 자동화: 에이전틱 파이프라인 구축하기 — 전체 파이프라인: 리서치 → 생성 → 공개
- 2026년 에이전틱 애널리틱스 툴 — 딥 리서치가 애널리틱스 워크플로우에 맞는 방법
- 2026년 AI 기반 데이터 분석: 에이전틱 애널리틱스 — 딥 리서치가 내부 데이터를 만날 때: 에이전틱 애널리틱스 계층