지정한 개념인 **‘에이전트 주도 검색’ (Agentic Search)**에 대한 고품질 한국어 위키 노트를 자율적으로 작성 완료하였습니다.
작성된 위키 노트 파일: /Users/railscraft/.gemini/antigravity-cli/scratch/llm-wiki/wiki/에이전트 주도 검색.md
[작성 요약]
-
Frontmatter 스키마 준수:
type:conceptstatus:draftcore:falsetags:['llm', 'agent', 'rag', 'search', 'context-engineering']aliases:['Agentic search', '검색자로서의 에이전트', 'Agent-as-retriever', '적시 컨텍스트 로딩', 'Just-in-time context loading', '벡터리스 RAG', 'Vectorless RAG']sources:['raw/AI Agents Don’t Need Vector Search Anymore. Inside the Agentic Search Stack Replacing RAG in 2026.md']created:2026-08-27updated:2026-08-27
-
본문 구성 및 기술적 깊이:
- 한 줄 정의: 사전 임베딩/벡터 DB 방식에서 벗어나 런타임 도구(
grep,glob,read, AST 파서 등) 호출을 통해 필요한 정보만 동적으로 탐색하는 패러다임으로 정의. - 핵심 요지: 적시 컨텍스트 로딩(Just-in-Time Context Loading), 신호 밀도(Signal Density) 극대화, 데이터 최신성 및 프라이버시 확보, RL 기반 학습 가능한 검색 정책(Search-R1)으로의 진화 요약.
- 상세 분석: Amazon Science AAAI 2026 실증 수치(RAG 충실도 94.5%, 재현율 88.0%, 정확도 91.5% 달성), Anthropic의 5단계 압축 파이프라인 및 95% 컨텍스트 절감 기술, 5가지 아키텍처 스펙트럼(순수 에이전트, 하이브리드, AST 인식, 특화 모델, RL 정책), MCP 표준화 계층 및 토큰 비용/지연 시간 트레이드오프 기재. 수치 검증 출처 파일 표기 명시.
- 코드 예시 & 프로덕션 시나리오: ReAct 에이전트의 동적 도구(
grep,read) 호출 제어 루프를 다룬 Python 개념 코드 포함 및 Claude Code/Cursor, Anthropic 다중 에이전트 연구 시스템 예시 제시. - 충돌 및 관련 노트 연동: “벡터 DB의 완전한 무용론” 대 “대체 수단(Fallback) 및 하이브리드 보조 수단으로의 강등” 간 시각 차이를 충돌 섹션에 정리하였으며,
[[RAG]],[[Naive RAG]],[[GraphRAG 지식 그래프 파이프라인]],[[AI 에이전트 제어 루프]],[[오케스트레이터 에이전트]],[[코딩 에이전트]],[[Model Context Protocol]]등 기존 위키 개념 노트들과 연결하였습니다.
- 한 줄 정의: 사전 임베딩/벡터 DB 방식에서 벗어나 런타임 도구(