오픈소스 Deep Research 어시스턴트 10選

여러분, Deep Research 많이 쓰시나요? 저는 꽤 이런저런 작업을 하기 위해 필요한 조사나 분석 작업에 쓰게 되었는데요.

Deep Research 에이전트, 이제 단순한 대화 상대를 넘어서, 복잡한 조사를 함께 수행하는 ‘일상의 동료’로 빠르게 자리 잡고 있다고 생각합니다. 모듈화된 아키텍처, 고도화된 도구 활용, 실제 웹에 대한 접근 능력을 갖추고, 일반적으로 우리가 대화를 나누는 AI보다 훨씬 강력한 기능을 제공하고 있죠.

대형 기업의 Deep Research 에이전트들이 아무래도 큰 주목을 받고 있지만, 최근 등장한 강력한 오픈소스 대안들도 함께 주목해볼 만합니다:

1. DeerFlow
   모듈형 멀티 에이전트 시스템으로, 거대 언어모델과 다양한 도구를 결합해서 자동화된 리서치 및 코드 분석을 수행합니다. 조정자(Coordinator), 계획 수립자(Planner), 전문 에이전트의 그룹, 그리고 결과를 전달하는 리포터(Reporter)로 구성되어 있고, 최종 보고서는 TTS(Text-to-Speech)로 음성으로 변환할 수도 있습니다.

2. Alita
   하나의 ‘문제 해결 모듈’을 활용해서 단순함 속에서 확장 가능한 추론을 구현하고 있습니다. Model Context Protocol(MCP)을 기반으로, 다양한 외부의 작업을 수행하는 능력을 스스로 발전시킵니다.

3. WebThinker
   모델이 웹을 스스로 탐색하고 페이지를 돌아다닐 수 있게 해줍니다. Deep Web Explorer 기능을 통해서 링크 클릭이나 후속 검색도 가능하고, ‘생각-검색-작성’ 과정을 통해서 실시간으로 리포트를 생성하고 다듬습니다. 선호도 기반의 보상 학습(RL)을 통해서 이 워크플로우의 품질을 지속적으로 개선합니다.

4. SimpleDeepSearcher
   경량화된 프레임워크로, 복잡한 강화학습(RL) 없이도 지도 학습 기반의 파인튜닝(SFT)이 효과적인 대안이 될 수 있다는 걸 보여줍니다. 웹 상호작용을 시뮬레이션하고 다양한 기준을 사용해서 데이터를 선별해서 고품질의 학습 데이터를 생성합니다.

5. AgenticSeek
   프라이빗 온디바이스 에이전트로, 브라우징, 코딩, 계획 수립 등의 작업에 가장 적합한 전문가 에이전트를 자동으로 선택합니다. 클라우드 연결이 없이도 작동하고 음성 입력(음성 → 텍스트)도 지원합니다.

6. Suna
   웹 브라우징, 파일·문서 처리, 명령어 실행(CLI), 사이트 배포, API 및 서비스 연동 등 다양한 기능을 하나의 어시스턴트에 통합했습니다.

7. DeepResearcher
   현실 세계 환경에서의 웹 검색을 포함한 End-to-End Deep Research 에이전트 학습을 하기 위한 강화학습 프레임워크입니다. 계획 수립, 다중의 출처 검증, 자기 성찰, ‘모르면 모른다고 말하기’ 같은 창발적 행동을 보여줍니다.

8. Search-R1
   검색 기능과 오픈소스 RL 훈련 파이프라인을 통합한 구조로, 다양한 알고리즘(PPO, GRPO 등), 언어모델(LLaMA3, Qwen2.5 등), 검색엔진(온라인, 로컬, 검색기반)과 호환됩니다.

9. ReCall
   도구 사용을 위한 지도 데이터가 없이도, 언어모델이 도구를 활용하면서 추론하도록 강화학습으로 훈련합니다. 오픈AI o3 같은 도구를 에이전트가 주체적으로 사용하고, 다양한 환경과 다단계 작업에 걸쳐서 합성 데이터를 생성할 수 있습니다.

10. OWL
    CAMEL-AI 프레임워크를 기반으로 한 시스템으로, 다양한 도메인에서 작업 자동화를 위해서 멀티 에이전트가 유동적으로 협업할 수 있도록 설계되었습니다.

*읽어주셔서 감사합니다. 재미있게 보셨다면 친구와 동료 분들에게도 뉴스레터를 추천해 주세요.