심층 연구 ^deprecated

⚠️ 심층 연구 에이전트는 기본 RAG 에이전트로 대체됩니다. 채팅창에서 에이전트 모드를 켜면 기본 RAG 에이전트가 실행됩니다.

심층 연구 에이전트는 다양한 데이터 소스로부터 출처를 찾아 분석하고 종합하여 수준 높은 보고서를 작성할 수 있습니다. 심층 연구 에이전트는 데이터 탐색 및 분석에 최적화되어 있으며, 웹 검색, 벡터 저장소 검색 및 파일 검색 도구들을 이용하여 아래와 같은 사례에 적합한 보고서를 생성합니다.

법률 또는 과학 연구
시장 분석
회사 내부 데이터 보고

아래와 같이 심층 연구 에이전트의 앤드포인트를 통해 보고서를 작성할 수 있습니다.

curl https://.../v3/api/agents/deepresearch \
    -X POST \
    -H "Content-Type: application/json" \
    -H "Authorization: Bearer $KONANLLM_API_KEY" \
    -d '{
        "model": "Konan-LLM-ENT-12",
        "messages": [
            {
                "role": "user",
                "content": "트럼프 2기 관세 정책에 대한 한국 정부의 대응 방안에 대해 조사해줘"
            }
        ]
    }'

요청 본문 형식은 responses API와 동일합니다. 기본적으로 웹 검색 도구를 통해 심층 연구에 필요한 콘텐츠들을 검색하며 tools 속성을 통해 추가로 필요한 도구들을 지정할 수 있습니다.

curl https://.../v3/api/agents/deepresearch \
    -X POST \
    -H "Content-Type: application/json" \
    -H "Authorization: Bearer $KONANLLM_API_KEY" \
    -d '{
        "model": "Konan-LLM-ENT-12",
        "messages": [
            {
                "role": "user",
                "content": "육아휴직 제도에 대해 조사해줘"
            }
        ],
        "tools": [
            { "type": "web_search" },
            { "type": "rag", "vols": "hr" }
        ]
    }'

지원되는 도구

심층 연구 에이전트는 데이터 검색 및 탐색에 특별히 최적화되어 있습니다. 검색/탐색을 위해 웹 검색(web_search), 벡터 스토어 검색(rag) 도구를 지원합니다. 함수 호출(function)과 같은 다른 도구들은 지원되지 않습니다.

응답 스트리밍

심층 연구 에이전트의 응답 이벤트들은 responses API와 동일합니다. 여러 에이전트가 협력하여 다단계 연구를 수행합니다. 이에 따라 여러 chain 이벤트 및 tool 이벤트, chat_model 이벤트들이 발생합니다.

다음과 같은 에이전트들이 chain 이벤트를 발생시킵니다.

planner: 결과를 달성하기 위한 계획을 수립합니다.
supervisor: 다음 단계를 처리하는 데 가장 적합한 에이전트를 결정합니다.
researcher: 검색 및 크롤링 도구를 이용하여 정보를 수집하고, 수집한 정보를 요약한 마크다운 보고서를 출력합니다.
fileworker: 업로드된 파일들을 대상으로 프롬프트 결과를 생성합니다.
reporter: 각 단계의 결과를 기반으로 전문적인 보고서를 작성합니다.

각 에이전트들은 답변을 구하기 위해 협력하며, 필요한 도구들을 호출합니다. 도구 호출 결과는 on_tool_end 이벤트와 함께 content 속성값으로 전달됩니다.

event: on_chain_start
data: {"name": "planner", "id": "planner_1", "parent_id": null, "time": 1761723059}

event: on_chain_end
data: {"name": "planner", ...}

event: on_chain_start
data: {"name": "supervisor", "id": "supervisor_2", "parent_id": null, "time": 1761723059}

event: on_chain_end
data: {"name": "supervisor", ...}

event: on_chain_start
data: {"name": "researcher", "id": "researcher_3", "parent_id": null, "time": 1761723059}

...

event: on_tool_start
data: {"name": "plan_tool", "id": "plan_tool_1", "parent_id": "researcher_3", "time": 1761723064, "content": {"thought": "사용자의 요청은...",  "steps": [{"title": "트럼프 2기 관세 정책의 주요 내용 파악", "description": "..." },..., {"title": "전문가 및 기관의 전망 수집", "description": "..."}]}}

event: on_tool_end
data: {"name": "plan_tool", ...}

event: on_tool_start
data: {"name": "search_tool", "id": "search_tool_2", "parent_id": "researcher_3", "time": 1761723065, "content": {"query": "트럼프 2기 관세 정책 주요 내용"}}

event: on_tool_end
data: {"name": "search_tool", "id": "search_tool_2", "parent_id": "researcher_3", "time": 1761723065, "content": {...}}

event: on_tool_start
data: {"name": "crawl_tool", "id": "crawl_tool_4", "parent_id": "researcher_3", "time": 1761723068, "content": {...}}

event: on_tool_end
data: {"name": "crawl_tool", "id": "crawl_tool_4", "parent_id": "researcher_3", "time": 1761723069, "content": {...}}

...

event: on_chat_model_start
data: {"id": "73d84a2e-d98a-481a-8f29-fcebd28cbe89", "parent_id": "researcher_3", "time": 1761723077}

event: on_chat_model_stream
data: {"id": "73d84a2e-d98a-481a-8f29-fcebd28cbe89", "parent_id": "researcher_3", "content": "#", "additional_kwargs": {}}

...

event: on_chat_model_end
data: {"id": "73d84a2e-d98a-481a-8f29-fcebd28cbe89", "parent_id": "researcher_3", "time": 1761723099, "usage_metadata": {"input_tokens": 9065, "output_tokens": 1594, "total_tokens": 10659, "input_token_details": {}, "output_token_details": {}}, "finish_reason": "stop", "model": "Konan-LLM-ENT-12"}

event: on_chain_end
data: {"name": "researcher", "id": "researcher_3", "parent_id": null, "time": 1761723099}

event: done
data: {}

심층 연구 deprecated

지원되는 도구

응답 스트리밍

심층 연구 ^deprecated