# [[Agentic RAG (에이전틱 RAG)]]

## 📌 Brief Summary
에이전틱 RAG(Agentic RAG)는 고정된 파이프라인을 따르던 기존의 검색 증강 생성(RAG) 기술에서 발전하여, 시스템이 스스로 사고하고 행동하는 자율적인 정보 검색 아키텍처입니다 [1, 2]. 이 시스템은 무엇을, 언제 검색할지 자체적으로 결정하며, 필요시 추가 정보를 얻기 위해 자율적으로 검색 루프를 반복할 수 있는 의사결정 권한을 가집니다 [1]. 결과적으로 단순히 정보를 전달하는 도구를 넘어, 사용자의 복잡한 요구사항과 비즈니스 목표를 실질적으로 수행하고 해결하는 지능형 비서로 검색의 정의를 재정립하고 있습니다 [3, 4].

## 📖 Core Content
* **자율적 다단계 추론 역량:** 에이전틱 RAG는 고정된 파이프라인에 의존하지 않고, 검색 도구를 자율적으로 활용하여 복잡한 문제를 해결하는 다단계 추론(Multi-step reasoning) 능력을 보여줍니다 [3]. 사용자의 질문이 모호할 경우 시스템이 스스로 되묻거나 중간 결과를 바탕으로 쿼리를 반복(Iterate)하며, 정보가 부족하다고 판단되면 추가 검색을 수행합니다 [2, 5]. 다양한 출처에서 수집한 정보 간에 충돌이 발생할 경우, 논리적 추론을 통해 모순을 해결하고 구조화된 보고서나 권장 사항을 생성해 냅니다 [2, 5].
* **멀티 에이전트 기반의 워크플로우 (Multi-Agent System):** 복잡한 기업 환경에서는 단순한 '검색 후 생성' 방식을 넘어, 역할이 세분화된 여러 에이전트가 지식 작업을 분담하는 다중 에이전트 시스템으로 진화하고 있습니다 [6]. 예를 들어, 정보를 탐색하는 '리서치 에이전트', 권위 있는 출처와 대조하여 사실을 확인하는 '검증 에이전트', 여러 발견을 엮어내는 '종합 에이전트', 그리고 접근 정책 준수 여부를 확인하는 '거버넌스 에이전트'가 유기적으로 협력하여 작동합니다 [6].
* **동적 도구 활용 및 자기 반성 (Self-Reflection):** 에이전틱 RAG는 작업 요구사항에 맞춰 검색, 연산, 추론 도구들을 동적으로 조율합니다 [7]. 자체적으로 정보 수집 전략을 계획 및 실행할 뿐만 아니라, 중간 결과물을 비판적으로 평가(Critique)하는 자기 반성 메커니즘을 갖추고 있습니다 [7]. 이 과정을 통해 정보의 공백을 식별하고, 확신(Confidence)이 낮을 때는 자율적으로 추가 검색을 트리거함으로써 거대한 지식 기반에서도 복잡한 다단계 추론을 성공적으로 완수합니다 [1, 7].

## ⚖️ Trade-offs & Caveats
* **무한 검색 루프 위험 (Infinite Retrieval Loops):** 에이전트가 명확한 답변에 도달하지 못한 채 유사한 정보만 반복해서 가져오는 무한 검색 루프에 빠질 수 있는 구조적 부작용이 존재합니다 [8]. 이를 방지하기 위해서는 쿼리당 최대 검색 예산(Budget)을 설정하거나, 루프 감지 알고리즘을 적용하는 기술적 제약이 필요합니다 [8]. 더불어 에이전트가 새로운 검색을 시도할 때마다 예상되는 정보 획득량을 기반으로 해당 행동을 정당화하도록 강제하는 완화 조치가 수반되어야 합니다 [8].
* **추론 과정의 불투명성 (Opaque Reasoning) 및 감사 문제:** 에이전트가 자율적으로 판단하여 검색을 수행하기 때문에, 특정 검색 결정을 내린 이유를 투명하게 파악하고 감사(Audit)하기 어려워지는 문제가 발생합니다 [8]. 규제가 엄격한 기업 환경에서 이를 극복하려면 에이전트의 추론 체인에 대한 구조화된 로깅(Structured logging)을 의무화해야 합니다 [8]. 또한, 검색 행동의 원인을 비즈니스 로직 수준에서 추적할 수 있는 "의사결정 설명" 기능을 구현하고, 해석 가능성을 높이기 위해 계획(Planning)과 실행(Execution)을 분리하는 아키텍처 설계가 필수적입니다 [8].

---
*Last updated: 2026-05-04*