검색 엔진은 Microsoft 검색의 인지 백본입니다. 작업을 계획하고, 전문 에이전트에 위임하고, 진행 상황을 모니터링하고, 결과가 예상보다 다르게 돌아올 때 적응하는 자율 연구 파트너로 운영됩니다. 채팅 창에서 개별 프롬프트에 응답하는 대신 엔진은 백그라운드에서 지속적으로 실행되며 가장 중요한 과학적 결정에 초점을 맞춥니다.
기존 AI 도우미는 질문과 대답 주기에서 작동합니다. 당신은 물어, 그들은 응답하고, 대화가 끝납니다. 검색 엔진은 다르게 작동합니다. 단일 문장이든 상세한 연구 계획이든 목표를 설명합니다. 엔진은 작업을 분석하고 실행하며 결과를 보고하는 책임을 맡습니다. 이 프로세스는 초, 분이 아닌 몇 시간, 며칠에 걸쳐 진행됩니다.
엔진의 구조화 방법
검색 엔진은 함께 작동하는 두 가지 구성 요소인 인식 과 작업을 중심으로 구성됩니다.
인식
인식은 엔진이 활성 상태인 동안 지속적으로 실행되는 추론 프로세스입니다. 전체 목표에 대한 인식을 유지하고 다음에 수행할 작업을 결정합니다. 각 작업에 적합한 에이전트 및 도구를 선택하고 진행 상황을 검토할 때 피드백에 응답합니다.
검색 모드를 사용하도록 설정하면 검색 엔진이 연속 주기를 시작합니다.
- 조사에서 모든 작업의 현재 상태를 검토합니다.
- 종속성에 따라 시작할 준비가 된 작업을 식별합니다.
- 각 작업에 사용할 수 있는 가장 적합한 에이전트를 선택합니다.
- 작업 실행을 시작하고 결과를 모니터링합니다.
- 정의한 성공 조건에 대해 완료된 작업의 유효성을 검사합니다.
- 간격 또는 기회를 식별할 때 새 작업을 만듭니다.
- 진행 중인 계획에 의견 및 수정 내용 통합
인식은 고정된 계획만 실행하는 것이 아닙니다. 그것은 적응합니다. 도구가 예기치 않은 결과를 반환하면 인식에서 접근 방식을 다시 고려합니다. 더 많은 컨텍스트가 있는 작업에 주석을 추가하는 경우 인식은 다음 결정에 영향을 줍니다. 여러 번의 시도가 실패한 후 인식은 검토를 위해 작업을 에스컬레이션합니다.
인식의 작동 방식을 자세히 알아보려면 인식 개요를 참조하세요.
업무
작업은 검색 엔진이 수행할 작업을 정의하는 방법입니다. 각 태스크는 수행해야 하는 작업, 중요한 이유 및 성공을 측정하는 방법을 캡처합니다. 작업은 인식이 작업을 구성하고 순서를 지정하는 데 사용하는 구조를 제공합니다.
작업에는 다음이 포함됩니다.
- 제목 및 설명: 에이전트가 목표를 이해하기에 충분한 컨텍스트를 사용하여 수행해야 하는 작업입니다.
- 유효성 검사 요구 사항: 성공적인 결과의 모양을 정의하는 특정 조건입니다. 인식은 이러한 기준을 사용하여 완료된 작업이 실제로 예상을 충족하는지 여부를 판단합니다. 이러한 표준이 없으면 인식에는 결과를 평가하기 위한 객관적인 표준이 없습니다.
- 종속성: 먼저 완료해야 하는 다른 작업과의 관계입니다. 인식은 이러한 관계를 사용하여 지능적으로 작업을 시퀀스합니다.
- 상태: 수명 주기를 통해 이동하는 작업의 현재 상태입니다. 전체 작업 상태 집합 및 해당 의미는 작업 상태 수명 주기를 참조하세요.
- 결과: 작업이 완료될 때 생성되는 출력입니다. 결과는 종속 작업에 사용할 수 있게 됩니다.
모든 작업에는 최소한 제목, 설명 및 하나 이상의 유효성 검사 요구 사항이 있어야 합니다. 제목과 설명은 무엇을 해야 할지 인식합니다. 유효성 검사 요구 사항은 작업이 표준을 충족하는 경우 이를 알려줍니다. 유효성 검사 요구 사항이 없으면 인식은 여전히 작업을 실행하지만 결과를 객관적으로 평가할 방법이 없습니다. 요구 사항이 누락되면 의미 있는 품질 검사 없이 통과하는 작업 또는 반복 실행을 순환하는 태스크가 발생할 수 있습니다.
작업 구조 세부 정보 및 모범 사례는 작업 및 조사를 참조하세요.
엔진이 실제로 작동하는 방식
검색 엔진으로 작업하는 것은 공동 작업 주기를 따릅니다. 방향을 설정하고 엔진이 실행되며 정기적으로 체크 인하여 검토하고 리디렉션합니다.
1. 목표 정의
조사를 시작할 때 하나 이상의 작업을 만드세요. 작업은 인지가 더 세부적으로 분해하는 상위 수준 목표일 수도 있고, 이미 분해된 특정 단계일 수도 있습니다. 다음은 그 예입니다.
"[질병] 및 그들의 활성화 경로를 취급하는 기존 약을 확인하십시오. 각 활성 화합물을 사용하여 단백질 바인딩 선호도가 높고 예상되는 면역 반응이 낮은 변이체를 탐색합니다. 가장 유망한 후보 화합물을 위해 실험실 배합을 위한 역합성 경로를 계획하십시오.
이 단일 목표는 여러 지식 도메인을 포함하고, 여러 도구를 조정해야 하며, 이후 단계를 알리는 중간 결과를 생성합니다. 엔진에 자연스럽게 적합합니다.
2. 검색 모드 사용
중요합니다
검색 모드를 사용하도록 설정하기 전에 작업 영역에 이름이 지정된 gpt-5-2 채팅 모델 배포(모델: gpt-5.2)가 있는지 확인합니다. 검색 엔진에는 태스크 유효성 검사를 위해 이 모델이 필요합니다. 그것이 없으면 엔진이 시작되지 않습니다. 설정 지침은 채팅 모델 배포 만들기 를 참조하세요.
검색 모드를 켜면 검색 엔진이 연속 주기를 시작합니다.
3. 작동하도록 두세요
한 걸음 물러나라. 몇 시간 후에 다시 확인하세요. 엔진은 일정한 존재 없이 작동합니다. 인식은 에이전트 선택, 도구 실행, 오류 복구 및 작업 시퀀싱을 처리합니다. 유능한 동료에게 위임하는 것과 마찬가지로 엔진은 사용자 대신 기회의 경로를 찾아서 따릅니다.
4. 검토 및 리디렉션
돌아오면 조사 대시보드를 확인합니다. 있잖아요:
- 결과 및 유효성 검사 결과를 사용하여 완료된 작업
- 현재 실행 중인 작업 및 작업 중인 에이전트
- 인지 기능으로 해결되지 않아 주목이 요구된 모든 작업
메모를 추가하여 작업을 새 방향으로 조정합니다. 결과가 비슷하지만 정확하지 않을 때 유효성 검사 요구 사항을 수정합니다. 완료된 작업에서 배운 내용을 기반으로 새 작업을 만듭니다.
5. 반복
목표가 충족될 때까지 주기가 계속됩니다. 인식은 고정 시퀀스를 실행하지 않습니다. 피드백과 그 과정에서 추가한 새로운 작업을 포함하여 조사의 진화하는 상태에 응답합니다.
엔진을 사용할 시기 선택
검색 엔진은 복잡하고, 개방형이며, 장기 실행되는 문제를 위해 특별히 제작되었습니다. 모든 연구 질문이 그것을 요구하는 것은 아닙니다.
엔진에 적합
엔진과 잘 작동하는 문제는 다음과 같은 몇 가지 특징을 공유합니다.
- 종속성이 있는 다단계: 작업은 자연스럽게 나중 단계가 이전 결과에 따라 달라지는 조각으로 나뉩니다.
- 개방형 탐색: 목표를 알고 있지만 정확한 경로는 알 수 없습니다. 여러 방법이 작동할 수 있으며 엔진에서 탐색할 수 있습니다.
- 긴 기간: 작업은 분이 아닌 몇 시간 또는 며칠이 걸립니다. 위임하는 것이 계속 참여하는 것보다 더 많은 이점을 제공합니다.
- 여러 도구 및 지식 도메인: 이 작업에는 데이터베이스, 시뮬레이션, 분석 도구 및 다양한 유형의 전문 지식을 조정해야 합니다.
직접 상호 작용에 더 적합
일부 질문은 에이전트와의 직접 채팅 또는 질문 모드를 통해 더 잘 처리됩니다.
- 알려진 답변이 포함된 단일 특정 질문("복합 X의 감소 잠재력은 무엇인가요?")
- 즉각적인 응답이 필요한 작업
- 모든 단계를 대화형으로 제어하려는 작업
- 하나의 교환에서 완료되는 간단한 조회 또는 계산
리소스 오케스트레이션
인지가 작업을 실행할 때, 전체 Microsoft 디스커버리 플랫폼을 활용합니다.
- 에이전트: 특정 유형의 작업을 실행하는 특수 AI 시스템입니다. 인식은 각 작업과 가장 일치하는 기능을 가진 에이전트를 선택합니다. 에이전트는 필요한 작업 유형에 가장 적합한 모델에 연결됩니다.
- 도구: 계산, 데이터 처리 및 분석을 위해 슈퍼컴퓨터 에서 실행되는 컨테이너화된 실행 파일입니다. 도구는 특수한 소프트웨어 또는 중요한 컴퓨팅 리소스가 필요한 작업을 처리합니다.
- Bookshelf: 문서 및 과학 문헌에서 구축된 지식 기반입니다. 에이전트는 책장에 질의해 관련 컨텍스트를 바탕으로 추론을 보다 구체화합니다.
작업 영역 및 프로젝트를 설정할 때 이러한 리소스를 구성합니다. 그런 다음 인식은 각 작업에 필요한 사항에 따라 자동으로 오케스트레이션합니다.
공동 작업 패턴
엔진은 제공하는 구조에 따라 다양한 수준의 자율성을 지원합니다.
전체 위임: 광범위한 목표를 설명하고 인식에서 분해 및 실행을 처리하도록 합니다. 엔진이 검색하는 내용을 확인하려는 예비 작업에 가장 적합합니다. 결과를 주기적으로 검토하고 전략적 지침을 제공합니다.
구조적 위임: 할당된 에이전트, 정의된 종속성 및 유효성 검사 요구 사항을 사용하여 특정 작업으로 작업을 중단합니다. 인식은 실행 및 시퀀싱을 처리하지만 정의한 구조를 따릅니다. 접근 방식을 알고 신뢰할 수 있는 실행을 원하는 경우에 가장 좋습니다.
병렬 작업: 당신이 일부 작업을 수행하는 동안 시스템이 다른 작업을 처리합니다. 작업을 수동으로 완료하거나 중간 결과를 추가하면 인식에서 기여를 확인하고 계획에 통합합니다.
각 패턴 설정에 대한 실질적인 지침은 인지 기반 빌드 조사를 참조하세요.
모범 사례
Do:
- 프로시저가 아닌 결과를 설명하는 명확한 목표부터 시작합니다. 인지가 그것의 방법을 찾아내도록 하자.
- 작업에 유효성 검사 요구 사항을 추가합니다. 그들없이, 인식은 작업이 당신의 기준을 충족 할 때 판단 할 수있는 방법이 없습니다.
- 활성 여부를 확인하기 위해 몇 시간마다 정기적으로 상태를 점검합니다. 귀하의 피드백은 작업이 올바른 방향으로 진행되도록 합니다.
- 자율 탐색을 신뢰합니다. 인지 시스템은 여러분이 고려하지 않을 접근 방식을 시도할 수 있습니다.
피해야 할 사항:
- 모든 단계를 미리 지정 하고 엔진이 순차적으로 실행되도록 예상합니다. 단계를 알고 있더라도 엔진은 유효성 검사 및 품질 피드백 루프를 통해 가치를 추가합니다. 방지하려는 것은 엔진을 간단한 작업 실행기로 처리하는 것입니다. 적응력이 뛰어난 점은 중간 결과가 유효성 검사 요구 사항을 충족하지 않을 때 대안을 모색하여 다시 시도하거나 검토를 위해 작업을 표시하는 데 있습니다. 조사가 품질 게이트 또는 반복이 필요 없는 순차적인 경우 직접 에이전트 상호 작용이 더 빠를 수 있습니다.
- 실시간으로 작업 실행을 감시합니다. 엔진은 대화형 모니터링이 아닌 비동기 공동 작업을 지원합니다.
- "너무 광범위한('암 해결') 또는 너무 좁은('PubChem ID 12345 조회') 작업을 만드는 것." 태스크가 유효성을 검사할 만큼 구체적이지만 실행을 계획할 수 있을 만큼 충분히 넓은 중간 지점을 찾습니다.