참고
Azure AI 검색 Azure 포털, REST API 및 Azure SDK 통해 사용할 수 있습니다. 또한 엔터프라이즈 콘텐츠를 Microsoft Foundry 포털의 에이전트에 대해 재사용 가능한 사용 권한 인식 기술 자료로 변환하는 관리되는 기술 계층인 Foundry IQ를 뒷받침합니다.
참고
일부 에이전트 검색 기능은 프로그래밍 방식 액세스를 통해 2026-04-01 REST API에서 일반적으로 사용할 수 있습니다. Azure 포털 및 Microsoft Foundry 포털은 모든 에이전트 검색 기능에 대한 미리 보기 전용 액세스를 계속 제공합니다. 일반적으로 사용할 수 있는 항목과 미리 보기로 남아 있는 항목에 대한 분석을 비롯한 마이그레이션 지침은 에이전트 검색 코드를 최신 버전으로 마이그레이션을 참조하세요.
미리 보기 REST API를 사용하도록 선택하는 경우 아직 일반 공급되지 않는 에이전트 검색 기능에 액세스할 수 있습니다. 미리 보기 기능은 서비스 수준 계약 없이 제공되며 프로덕션 워크로드에는 권장되지 않습니다. 자세한 내용은 Microsoft Azure Preview에 대한 추가 사용 약관을 참조하세요.
Important
이러한 기능과 기능은 2026-05-01-preview REST API의 일부입니다. 2026-05-01-preview는 Azure 구독의 일부로 사용자에게 라이선스가 부여되며, Microsoft Product Terms의 "미리 보기"에 적용되는 약관, Microsoft 제품 및 서비스 데이터 보호 부록("DPA") 및 Microsoft Azure 미리 보기용 추가 사용 약관의 적용을 받습니다.
2026-05-01-preview는 다른 Microsoft 서비스 및 타사 서비스에 대한 연결을 지원합니다. 이러한 서비스의 사용은 해당 약관의 적용을 받으며 Azure 규정 준수 경계 외부의 데이터 처리 또는 스토리지뿐만 아니라 Azure 규정 준수 경계로 데이터가 유입될 수 있습니다.
데이터가 조직의 규정 준수 및 지리적 경계와 관련된 의미를 벗어나는지 여부와 적절한 권한, 경계 및 승인이 프로비전되는지를 관리하는 것은 사용자의 책임입니다.
특정 사용 사례의 컨텍스트에서 빌드한 애플리케이션을 신중하게 검토하고 테스트하고 모든 적절한 결정 및 사용자 지정을 수행할 책임이 있습니다. 여기에는 메타프롬프트, 콘텐츠 필터 또는 기타 안전 시스템과 같은 책임 있는 AI 완화를 구현하고 애플리케이션이 적절한 품질, 안정성, 보안 및 신뢰성 표준을 충족하도록 보장하는 것이 포함됩니다. 자세한 내용은 Azure AI 검색 투명성 정보를 참고하세요.
Azure AI 검색에서 에이전트 검색 은 챗봇 및 Copilot 앱의 사용자나 에이전트가 제기하는 복잡한 질문을 처리하기 위해 설계된 멀티 쿼리 파이프라인입니다. RAG( 검색 보강 생성 ) 패턴 및 에이전트 간 워크플로를 위한 것입니다.
다음과 같은 작업을 수행합니다.
LLM(큰 언어 모델)을 사용하여 복잡한 쿼리를 더 작고 집중된 하위 쿼리로 분할하여 독점 및 외부 콘텐츠보다 더 잘 검사할 수 있습니다. 하위 쿼리에는 추가 컨텍스트에 대한 채팅 기록이 포함될 수 있습니다.
하위 쿼리를 병렬로 실행합니다. 각 하위 쿼리는 의미적으로 재정렬되어 가장 관련성이 높은 일치 항목을 우선시합니다.
최상의 결과를 LLM이 근거 있는 답변을 생성하는 데 사용할 수 있는 하나의 통합된 응답으로 결합합니다.
병합된 콘텐츠와 함께 원본 참조 및 활동 로그를 반환할 수 있으므로 접지 데이터만 사용하거나 전체 답변을 위해 LLM에 전달할 수 있습니다.
이 고성능 파이프라인을 사용하면 복잡한 질문에 신속하게 답변할 수 있는 기능을 통해 채팅 애플리케이션에 대한 고품질 접지 데이터 또는 답변을 생성할 수 있습니다.
에이전트 검색을 사용하는 이유는 무엇인가요?
에이전트 검색에는 두 가지 사용 사례가 있습니다. 먼저 에이전트 솔루션에 대한 기술 계층을 제공하여 Microsoft Foundry 포털에서 Foundry IQ를 지원합니다. 둘째, Azure AI 검색 API를 사용하여 빌드하는 사용자 지정 에이전트 솔루션의 기초입니다.
에이전트와 앱이 채팅 컨텍스트, 보유한 독점 콘텐츠, 외부 소스를 활용해 더 복잡한 질문에 답하는 데 가장 관련성 높은 콘텐츠를 제공하려는 경우 에이전트형 검색을 사용하세요.
에이전트 검색은 단일 쿼리 파이프라인에 비해 대기 시간을 추가하지만 단일 쿼리에서 수행할 수 없는 쿼리 복잡성을 처리합니다. 예를 들어 다음을 처리할 수 있습니다.
"해변 근처에 있고, 공항 교통편을 제공하며, 채식 식당까지 도보 거리인 호텔을 찾아줘"와 같이 여러 요청이 담긴 질문.
대화의 이전 컨텍스트에 따라 달라지는 질문입니다.
동의어 맵과 LLM이 생성한 바꿔쓰기 표현을 사용해 다시 작성함으로써 콘텐츠 전반에 걸쳐 적용 범위를 넓힐 수 있는 쿼리.
맞춤법 오류입니다.
아키텍처 및 워크플로
에이전트 검색 프로세스는 다음과 같이 작동합니다.
워크플로 시작: 애플리케이션은 쿼리 및 대화 기록을 제공하는 검색 작업을 사용하여 기술 자료를 호출합니다.
쿼리 계획: 검색 추론 노력 수준이
low및medium일 때 지식 기반은 쿼리와 대화 기록을 LLM에 전송하며, LLM은 집중된 하위 쿼리를 생성합니다.minimal수준의 노력에서는 이 단계가 건너뛰어지고 질의가 지식 소스에 직접 전송됩니다. 추론 수준의 기본값은low이며, 지식 베이스에서 설정됩니다.쿼리 실행: 기술 자료는 하위 쿼리를 기술 원본으로 보냅니다. 모든 하위 쿼리는 동시에 실행되며 키워드, 벡터 또는 하이브리드 검색일 수 있습니다. 각 하위 쿼리는 의미 체계 재전송을 거쳐 가장 관련성이 큰 일치 항목을 찾습니다. 참조는 인용을 위해 추출 및 보존됩니다.
결과 합성: 시스템은 모든 결과를 통합된 응답으로 결합합니다. 병합된 콘텐츠는 항상 반환됩니다. 원본 참조 및 실행 활동 로그는 선택 사항입니다.
Components
모든 에이전트 검색 시나리오의 경우 기술 자료와 하나 이상의 기술 원본이 필요합니다. 다른 구성 요소는 선택 사항이며 구성에 따라 달라집니다.
| 구성 요소 | 서비스 | 역할 |
|---|---|---|
| 지식베이스 | Azure AI 검색 | 파이프라인을 오케스트레이션하여 지식 원본 및 쿼리 매개 변수를 관리합니다. |
| 지식 출처 | Azure AI 검색 | 파이프라인에 사용되는 콘텐츠를 정의합니다. 인덱싱될 수 있으며(사용자 서비스의 검색 인덱스를 기반으로 함), 또는 원격일 수 있습니다(외부 플랫폼에서 쿼리 시점에 콘텐츠를 검색해 가져옴). |
| 검색 인덱스 | Azure AI 검색 | 의미 체계 구성을 사용하여 검색 가능한 콘텐츠(텍스트 및 벡터)를 저장합니다. 실행되는 쿼리 형식과 적용되는 최적화를 결정합니다. 인덱싱된 기술 원본에만 필요합니다. |
| 의미 순위매기기 | Azure AI 검색 | 에이전트형 검색 파이프라인에서 관련성에 따라 결과의 순위를 다시 매기는 데 내부적으로 사용됩니다(L2 재순위화). |
| LLM (법학석사) | Azure OpenAI | 쿼리를 계획하고 기술 자료를 선택합니다.
low 및 medium 검색 추론 수준에서만 사용됩니다.
minimal 단계에서 무시됩니다. |
통합 요구 사항
애플리케이션은 기술 자료를 호출하고 응답을 처리하여 파이프라인을 구동합니다. 파이프라인은 응답 생성을 위해 LLM에 전달하거나 대화 인터페이스에서 직접 사용할 수 있는 접지 데이터를 반환합니다. 구현 세부 정보는 자습서: 엔드 투 엔드 에이전트 검색 솔루션 빌드를 참조하세요.
가용성 및 가격 책정
에이전트 검색은 일부 지역에서 사용할 수 있습니다. 또한 기술 원본 및 기술 자료에는 가격 책정 계층 및 검색 추론 노력에 따라 달라지는 최대 한 도가 있습니다.
결제
에이전트 검색은 다음 두 서비스에서 요금이 발생합니다.
Azure AI 검색는 하위 쿼리 실행 및 의미 순위 과정에서 소비된 검색 토큰에 대해 요금을 청구합니다. 무료 플랜(기본값)은 월별 토큰 허용량을 제공합니다. 표준 요금제는 무료 수당을 사용한 후 종량제 가격을 사용하도록 설정합니다. 자세한 내용은 에이전트릭 리트리벌 청구 사용 설정 또는 해제를 참조하세요.
Azure OPENAI LLM 기반 쿼리 계획 및 answer 합성 사용되는 입력 및 출력 토큰에 대한 요금을 청구합니다. 가격 책정은 항상 종량제이며 기술 자료에 할당하는 모델을 기반으로 합니다. 요금은 Azure OpenAI 청구서에 표시됩니다. 요금은 Azure OpenAI 가격 책정 참조하세요.
다음 표에서는 클래식 단일 쿼리 파이프라인과 에이전트 검색 다중 쿼리 파이프라인 간의 청구를 비교합니다. 클래식 파이프라인에서 청구 가능한 구성 요소는 semantic ranker입니다.
| 특성 | 클래식 파이프라인 | 에이전트 검색 |
|---|---|---|
| 단위 | 쿼리 기반 | 토큰 기반 |
| 단위당 비용 | 쿼리당 균일한 비용 | 토큰당 가변 비용(추론 노력에 따라 다름) |
| 비용 예측 | 쿼리 수 예측 | 토큰 사용량 예측 |
| 무료 수당 | 월별 무료 쿼리 허용 | 월별 무료 토큰 허용 |
예: 비용 예측
이 예제는 쿼리 계획 및 쿼리 실행에 대한 비용 예측 프로세스를 보여 주지만 응답 합성에는 도움이 되지 않습니다. 비용은 더 낮을 수 있습니다. 현재 요금은 Azure AI 검색 가격 책정 및 Azure OpenAI 가격 책정 참조하세요.
쿼리 계획 비용을 Azure OpenAI에서 종량제로 예측하려면 gpt-4o-mini를 가정해 보겠습니다.
- 입력 토큰 100만 개에 대해 15센트
- 100만 개의 출력 토큰에 대해 60센트.
- 평균적인 채팅 대화 크기에는 2,000개의 입력 토큰이 사용됩니다.
- 출력 계획의 평균 크기에 대해 350개의 토큰을 사용합니다.
쿼리 실행에 대한 예상 청구 비용
에이전트 검색 토큰 수를 예측하려면 먼저 인덱스의 평균 문서가 어떻게 표시되는지 파악합니다. 예를 들어 근사치를 구할 수 있습니다.
- 10,000개의 청크- 각 청크는 PDF의 1~2개 단락입니다.
- 청크당 500개의 토큰.
- 각 하위 쿼리는 최대 50개의 청크를 다시 랭킹합니다.
- 평균적으로 쿼리 계획당 세 개의 하위 쿼리가 있습니다.
실행 가격 계산
계획당 3개의 하위 쿼리를 사용하여 2,000개의 에이전트 검색을 만든다고 가정합니다. 이를 통해 총 쿼리는 약 6,000개입니다.
하위 쿼리당 50개의 청크를 재정렬합니다 (총 청크 300,000개).
평균 청크는 500개의 토큰이므로 재정렬을 위한 총 토큰은 1억 5천만 개입니다.
토큰당 0.022라는 가상 가격을 감안할 때 $ 3.30은 미국 달러로 재전송하는 총 비용입니다.
쿼리 계획 비용으로 이동: 2,000개의 입력 토큰에 2,000개의 에이전트 검색을 곱한 값은 총 60센트에 대해 4백만 개의 입력 토큰과 같습니다.
평균 350개의 토큰을 기준으로 출력 비용을 예측합니다. 350개와 2,000개의 에이전트 검색을 곱하면 총 42센트에 대해 총 700,000개의 출력 토큰을 얻을 수 있습니다.
이 모든 것을 종합하면, Azure AI 검색에서 대리인 검색 비용으로 약 $3.30를 지불하며, Azure OpenAI에서는 입력 토큰에 대해 60센트, 출력 토큰에 대해 42센트를 지불하여 쿼리 계획 비용 총합이 $1.02가 됩니다. 전체 실행에 대한 결합 비용은 $4.32입니다.
비용 제어를 위한 팁
응답에서 활동 로그를 검토하여 사용된 원본 및 매개 변수에 대해 실행된 쿼리를 확인합니다. 인덱스에 대해 해당 쿼리를 다시 실행하고 공용 토큰 변환기를 사용하여 토큰을 예측하고 API에서 보고한 사용량과 비교할 수 있습니다. 그러나 쿼리 또는 응답의 정확한 재구성은 보장되지 않습니다. 요소에는 공용 웹 데이터 또는 쿼리 재현에 영향을 줄 수 있는 사용자 ID에 근거한 원격 SharePoint 기술 원본과 같은 기술 원본 유형이 포함됩니다.
지식 원본(인덱스) 수를 줄입니다. 콘텐츠를 통합하면 팬아웃 및 토큰 볼륨이 줄어들 수 있습니다.
쿼리 계획 및 쿼리 확장(반복 검색)을 수행하는 동안 LLM 사용량을 줄이기 위한 추론 노력을 낮춥니다.
더 적은 수의 원본 및 문서(예: 큐레이팅된 요약 또는 테이블)로 가장 관련성이 큰 정보를 찾을 수 있도록 콘텐츠를 구성합니다.
시작하는 방법
에이전트 검색 솔루션을 만들려면 Azure 포털, Microsoft Foundry(새) 포털, REST API 또는 동등한 Azure SDK 패키지를 사용할 수 있습니다.
- 빠른 시작: Azure Portal에서 에이전트 검색
- Quickstart: 에이전트 검색(C#, Java, JavaScript, Python, TypeScript, REST)