Agentic RAG 개념
RAG와 Agent의 결합으로 더 똑똑한 정보 검색
Agentic RAG란?
RAG의 진화: 정적에서 동적으로
Agentic RAG는 기존의 정적인 RAG(Retrieval-Augmented Generation) 시스템에 Agent의 자율적 의사결정 능력을 결합한 고급 패턴입니다. LLM이 단순히 검색 결과를 받아 응답을 생성하는 것을 넘어, 검색 전략을 스스로 결정하고, 필요시 추가 검색을 수행하며, 여러 데이터 소스를 오케스트레이션합니다.
기존 RAG vs Agentic RAG
Traditional RAG
- 1. 고정된 검색 파이프라인
- 2. 단일 검색 후 응답 생성
- 3. 검색 품질 평가 없음
- 4. 단일 데이터 소스
- 5. 정적 청크 선택
Agentic RAG
- * 동적 검색 전략 결정
- * 필요시 반복 검색 (Iterative)
- * 검색 결과 자체 평가 및 개선
- * 다중 소스 라우팅
- * 컨텍스트 기반 동적 선택
Agentic RAG 아키텍처
LLM이 오케스트레이터 역할을 담당
Agentic RAG에서 LLM은 단순한 "생성기"가 아닌 전체 검색 과정을 조율하는 오케스트레이터 역할을 합니다.
Traditional RAG: 질문 - 검색 - 생성 (일직선)
Agentic RAG: 질문 - [분석 - 라우팅 - 검색 - 평가 - (재검색)] - 생성 (순환 가능)
Agentic RAG의 핵심 능력
6가지 주요 기능
Agentic RAG 활용 시나리오
실제 적용 사례
다중 데이터 소스 라우팅
"삼성전자의 최근 실적과 우리 회사의 투자 정책을 비교해줘"
반복적 검색 개선
"양자 컴퓨팅이 암호화에 미치는 영향은?"
복합 질문 분해
"최근 3년간 AI 특허 동향과 주요 기업별 투자 규모를 분석해줘"
장점과 고려사항
도입 전 검토사항
| 장점 | 고려사항 |
|---|---|
| 복잡한 질문에 대한 더 정확한 응답 | 더 많은 LLM 호출로 인한 비용 증가 |
| 다양한 데이터 소스 통합 활용 | 응답 지연 시간 증가 가능성 |
| 검색 품질 자동 개선 | 복잡한 시스템 설계 및 디버깅 |
| 환각 감소 (자체 검증) | Agent 루프 무한 반복 위험 |
| 도메인별 맞춤 검색 전략 | 프롬프트 엔지니어링 복잡도 |
단순 Q&A에는 기존 RAG로 충분합니다. Agentic RAG는 복합적인 질문, 다중 데이터 소스, 높은 정확도 요구, 동적 검색 전략이 필요한 경우에 적합합니다. 비용과 복잡성을 감수할 만한 가치가 있는지 평가하세요.
참고 자료
더 깊이 학습하기
핵심 요약
- Agentic RAG는 RAG에 Agent의 자율적 의사결정 능력을 결합한 패턴
- LLM이 오케스트레이터로서 검색 전략을 동적으로 결정
- Query Routing, Adaptive Retrieval, Self-Correction 등의 핵심 능력 보유
- 복잡한 질문, 다중 데이터 소스 통합에 효과적
- 비용과 지연 시간 증가를 고려하여 선별적 적용 권장