주요 AI 기업들은 이제 모두 딥 리서치 기능을 제공합니다. 하지만 채팅 경험이 아닌 에이전트를 구축하고 있다면, 핵심 질문은 "어떤 것이 가장 좋은 보고서를 만드는가"가 아닙니다. "내 에이전트가 실제로 호출할 수 있는 건 어떤 것인가"가 핵심입니다.
이 질문 하나로 대부분의 후보가 탈락합니다. 가장 인상적인 데모를 선보이는 도구들 — ChatGPT Deep Research, Perplexity Deep Research — 은 채팅 인터페이스 안에 갇혀 있습니다. API도 없고, CLI도 없고, 에이전트가 사용할 수 있는 방법이 전혀 없습니다.
여기서는 API/CLI 수준에서 실제로 사용 가능한 도구들, 에이전트 워크플로에 중요한 기준에서의 비교, 그리고 각 사용 사례에 맞는 선택지를 소개합니다.
평가 기준 (에이전트 관점)
소비자용 딥 리서치는 보고서 품질로 평가합니다. 에이전트용 딥 리서치는 다음 기준으로 평가해야 합니다:
| 기준 | 중요한 이유 |
|---|---|
| 프로그래밍 방식 접근 | 에이전트가 호출할 수 있나요? CLI, API, SDK? UI 전용이라면 워크플로에서는 존재하지 않는 것이나 다름없습니다. |
| 구조화된 출력 | 에이전트가 결과를 파싱할 수 있나요? 섹션, 인용, 신뢰도 점수? 아니면 텍스트 덩어리인가요? |
| 제어 가능한 깊이 | 에이전트가 범위와 속도 사이에서 선택할 수 있나요? 딥 리서치는 획일적이지 않습니다 — 빠른 개요는 종합 분석보다 비용이 적습니다. |
| 인용 밀도 | 모든 주장이 출처에 연결되어 있나요? 검증할 수 없는 결과를 다운스트림에 전달하는 에이전트는 불확실성을 인정하는 에이전트보다 더 나쁩니다. |
| 지연 시간 | 얼마나 걸리나요? 에이전트 워크플로는 지연에 민감합니다 — 15분짜리 리서치 단계가 전체 시간을 지배합니다. |
| 조합 가능성 | 에이전트가 리서치를 다른 기능과 연결할 수 있나요? 검색 → 리서치 → 생성 → 게시를 하나의 워크플로에서? |
| 비용 예측 가능성 | 에이전트가 실행 전에 비용을 알 수 있나요? 예상치 못하게 20번 자동 실행되는 $5짜리 리서치는 금방 비싸집니다. |
실제로 존재하는 API
AnyCap Deep Research
접근 방식: CLI (anycap research --query "...")
작동 방식: 에이전트가 셸 명령어를 실행합니다. AnyCap이 쿼리를 분해하고, 다중 라운드 웹 검색을 수행하며, 상위 소스를 크롤링하고, 인용이 포함된 구조화된 마크다운으로 결과를 합성하여 반환합니다 — 에이전트가 다른 모든 작업에 이미 사용하는 동일한 CLI를 통해.
출력 형식: H2 섹션, 소스 URL이 포함된 인라인 인용, 그리고 하단의 참고 목록이 있는 구조화된 마크다운. 에이전트가 다운스트림 처리를 위해 파싱할 수 있습니다.
깊이 제어: --depth standard (5-10개 소스, 1-3분) 또는 --depth comprehensive (20-50+ 소스, 5-10분). 에이전트가 작업 요건에 따라 선택합니다.
조합 가능성: 완전. 리서치는 anycap search, anycap image generate, anycap page publish와 함께 하나의 도구입니다. 하나의 CLI. 하나의 인증. 에이전트가 미들웨어 없이 기능을 연결합니다.
비용: AnyCap 구독에 포함. 쿼리당 요금 없음. 크레딧 기반이며 종합 리서치 실행 전 비용 미리 보기 가능.
최적 사용 사례: 에이전트 우선 워크플로. 리서치가 파이프라인의 다음 단계로 이어지는 모든 시나리오. 딥 리서치를 목적지가 아닌 기능으로 원하는 개발자.
Google Gemini Deep Research (AI Studio / Vertex AI 경유)
접근 방식: Google AI Studio(무료 티어) 또는 Vertex AI(유료)를 통한 API. 제한된 딥 리서치 엔드포인트 사용 가능.
작동 방식: Google의 Gemini 모델이 다중 라운드 검색과 합성을 수행하며, Google의 검색 인덱스를 활용해 검색 품질을 높입니다. AI Studio와 Vertex AI 모두에서 제한된 API 엔드포인트를 통해 사용 가능합니다.
출력 형식: 텍스트 보고서 — 사람이 읽기 위한 형식으로, 에이전트 파싱에는 적합하지 않습니다. 인용은 구조화된 배열이 아닌 인라인 텍스트 참조입니다. 에이전트가 기술적으로 출력을 읽을 수는 있지만 섹션과 인용을 프로그래밍 방식으로 파싱하는 것은 불안정합니다.
깊이 제어: 제한적. Gemini Deep Research는 단일 깊이 수준에서 실행됩니다. API에 명시적인 "표준 vs 종합" 전환 옵션이 없습니다.
조합 가능성: 보통. API가 있어 에이전트가 호출할 수 있지만 — 출력에는 맞춤형 파싱이 필요하고, 다른 기능과 결합하면 각 서비스마다 별도의 인증을 관리해야 합니다.
비용: AI Studio: 속도 제한이 있는 무료 티어 제공. Vertex AI: 사용량당 요금, 그라운딩 검색 기준 약 $35/1,000 요청 (딥 리서치 요금은 투명도가 낮음).
최적 사용 사례: 이미 Google Cloud를 사용 중이고 텍스트 출력 파싱을 감수할 수 있는 팀. Google의 검색 인덱스 품질이 가장 중요한 워크플로.
OpenAI Deep Research (API 경유 — 제한적)
접근 방식: ChatGPT Pro 구독 필요 ($200/월). OpenAI 플랫폼을 통한 제한된 API 접근. 주로 소비자 제품 — API 접근이 제한적이고 비쌉니다.
작동 방식: o3 기반 추론 모델이 20-100+ 소스에 걸쳐 다단계 리서치를 수행합니다. 인라인 인용이 포함된 서술형 보고서를 생성합니다.
출력 형식: 대화형 텍스트. 구조화된 섹션 없음, JSON 출력 없음, 기계 파싱 가능한 인용 형식 없음. 에이전트가 데이터를 추출하려면 자연어 보고서를 파싱해야 합니다.
깊이 제어: API에서 없음. 리서치 깊이는 모델이 결정하며, 호출자가 제어할 수 없습니다.
조합 가능성: 낮음. API 접근 권한이 있더라도 텍스트 출력 형식으로 인해 다른 도구와의 연결이 비실용적입니다. 다른 기능과 인증 및 청구가 분리되어 있습니다.
비용: 월 $200 고정 (Pro 구독) + 프리미엄 요금의 API 사용료. 실행 전 쿼리당 비용 가시성 없음.
최적 사용 사례: 비용이나 파이프라인 요건에 구애받지 않고 최고의 합성 품질이 필요한 개인 지식 근로자. 에이전트 워크플로에는 권장하지 않습니다.
GPT Researcher (오픈소스)
접근 방식: 자체 호스팅 Python 애플리케이션. 프로그래밍 방식 접근을 위한 REST API 제공.
작동 방식: 오픈소스 자율 리서치 에이전트. 검색 쿼리를 생성하고, 결과를 스크래핑하고, 콘텐츠를 추출하고, 결과를 합성합니다. 에이전트가 HTTP를 통해 호출하는 로컬 서비스로 실행됩니다.
출력 형식: 섹션과 소스가 있는 구조화된 보고서. ChatGPT/Gemini 텍스트 출력보다 파싱 용이성이 더 좋지만, 형식은 설정에 따라 다릅니다.
깊이 제어: 설정 가능 — 검색 쿼리 수, 쿼리당 소스, 합성 깊이를 모두 조정할 수 있습니다.
조합 가능성: 보통. 자체 호스팅이므로 전체 스택을 제어할 수 있습니다. 하지만 통합에는 별도 서비스 실행이 필요하고, 이미지 생성이나 게시와 결합하면 더 많은 통합 작업이 필요합니다.
비용: 무료 (오픈소스). 인프라 비용: 서버 호스팅, 웹 크롤링 대역폭. 쿼리당 요금 없음. 단, 크롤러 품질(자체 IP 사용)이 Google/Bing 지원 도구보다 눈에 띄게 낮습니다.
최적 사용 사례: 자체 호스팅 인프라가 있고 완전한 제어권과 쿼리당 비용 0을 원하는 팀. 인프라 투자를 분산시킬 수 있는 대용량 사용 사례.
비교 매트릭스
| AnyCap Deep Research | Gemini Deep Research | OpenAI Deep Research | GPT Researcher | |
|---|---|---|---|---|
| 접근 방식 | CLI | API (제한적) | API (제한적) | 자체 호스팅 REST |
| 구조화 출력 | ✅ 마크다운 + 인용 | ⚠️ 텍스트 보고서 | ❌ 대화형 | ✅ 설정 가능 |
| 깊이 제어 | ✅ 표준/종합 | ❌ 고정 | ❌ 고정 | ✅ 설정 가능 |
| 인용 품질 | ✅ 인라인 + 목록 | ⚠️ 인라인 텍스트 | ⚠️ 인라인 텍스트 | ✅ 구조화 |
| 지연 시간 (빠른 경우) | 1-3분 | ~5분 | 5-30분 | 3-10분 |
| 조합 가능성 | ✅ 완전한 CLI 체인 | ⚠️ 별도 인증 | ❌ 독립형 | ⚠️ 별도 서비스 |
| 비용 모델 | 구독 (크레딧) | 사용량당 요금 | $200/월 + API | 인프라 비용 |
| 검색 품질 | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ |
| 설정 복잡성 | CLI 명령어 1개 | GCP 프로젝트 설정 | API 신청 | 서버 배포 |
| 에이전트 네이티브 | ✅ 에이전트를 위해 설계 | ⚠️ 개조 적용 | ❌ 소비자 우선 | ⚠️ 기술적 설정 필요 |
사용 사례에 따른 선택
에이전트가 멀티 기능 파이프라인의 한 단계로 리서치가 필요할 때: → AnyCap Deep Research. 리서치, 검색, 생성, 게시 — 모두 하나의 CLI를 통해.
리서치 품질이 유일한 기준이고 비용과 파이프라인 통합이 중요하지 않을 때: → ChatGPT Deep Research. 최고의 합성 품질, 의심할 여지 없이. 단, 에이전트가 사용할 수 있을 거라 기대하지 마세요.
Google Cloud를 사용 중이고 Google의 검색 인덱스가 필요할 때: → Gemini Deep Research. 최고의 검색 품질. 텍스트 파싱 오버헤드를 감수하세요.
인프라와 높은 사용량이 있고 쿼리당 요금이 허용되지 않을 때: → GPT Researcher. 자체 호스팅, 쿼리당 비용 0. 크롤러 품질 트레이드오프를 감수하세요.
프레임워크: 인간 데모가 아닌 에이전트 요구사항으로 평가하기
소비자용 딥 리서치 도구는 평가자가 보고서를 읽는 인간이기 때문에 보고서 품질로 평가합니다. 에이전트용 딥 리서치 도구는 다음을 기준으로 평가해야 합니다:
- 에이전트가 호출할 수 있나요? (CLI 또는 API — UI가 아닌)
- 에이전트가 출력을 파싱할 수 있나요? (구조화, 대화형이 아닌)
- 에이전트가 깊이와 비용을 제어할 수 있나요? (예측 가능, 불투명하지 않은)
- 에이전트가 다른 도구와 연결할 수 있나요? (조합 가능, 독립형이 아닌)
대부분의 소비자 도구는 기준 1-4에서 실패합니다. 나쁜 제품이기 때문이 아닙니다. 에이전트가 아닌 인간을 위해 만들어졌기 때문입니다. 네 가지 기준을 모두 통과하는 도구가 에이전트가 실제로 사용할 수 있는 것입니다.
추가 읽을거리:
- ChatGPT Deep Research vs AnyCap: 정면 대결 — 두 접근 방식의 상세 비교
- 2026년 AI 에이전트를 위한 최고의 딥 리서치 도구 — 소비자 도구를 포함한 전체 현황
- AI 워크플로 자동화: 에이전트 파이프라인 구축 — 멀티 스텝 파이프라인에서 리서치의 역할