HATEOAS처럼 생각하기: Agentic RAG가 지식을 동적으로 탐색하는 방법

Source: Dev.to

Simple RAG vs Agentic RAG – 왜 AI는 검색만이 아니라 사고가 필요할까

Simple RAG가 이미 답을 찾아준다고 해서 Agentic RAG가 왜 필요할까 궁금하셨나요? 비유를 통해 구체적으로 살펴보겠습니다.

REST/HATEOAS‑영감을 받은 평행 관계

HATEOAS(Hypermedia as the Engine of Application State)는 API 설계 원칙입니다:

• 단일 정적 응답을 주는 대신, API가 링크 또는 다음 행동을 제공해 탐색할 수 있게 합니다.
• 이를 통해 클라이언트는 지능적으로 네비게이션하며 연관된 리소스를 발견합니다.

이 개념을 RAG에 적용해 볼 수 있습니다:

Simple RAG = 하나의 REST 호출

• /recipe/chocolate-cake 를 질의 → 하나의 레시피를 반환합니다.
• 빠르고 직관적이지만 제한적이며, 반환된 내용만 볼 수 있습니다.

Agentic RAG ≈ HATEOAS‑영감을 받은 탐색

• /recipe/chocolate-cake 를 질의 → 시스템이 레시피 와 함께 동적으로 추가 정보를 가져옵니다: /baking-tips, /ingredient-substitutions, /common-mistakes, /dessert-pairings.
• 기존 HATEOAS와 달리, Agentic RAG는 “링크”를 사전에 정의하지 않고 스스로 선택하여 더 풍부하고 완전한 답변을 합성합니다.

차이점? Agentic RAG는 첫 번째 매치에 머무르지 않습니다. 관련 컨텍스트를 동적으로 발견하고, 관련성을 평가하며, 종합적인 답변을 만들어냅니다—마치 여러 참고 문헌을 지능적으로 탐색하는 연구 조교와 같습니다.

왜 중요한가

정답이 반드시 완전한 답변은 아닙니다. Agentic RAG가 추가하는 요소:

• 🔍 다각도 수집 – 상위 순위 청크만이 아니라 다양한 출처에서 정보를 끌어옵니다.
• ✅ 교차 검증 – 문서 간 주장을 비교해 일관성 오류를 잡아냅니다.
• 🧩 컨텍스트 재구성 – 정보가 흩어져 있을 때 빈틈을 메웁니다.
• 🎯 적응형 검색 – 연구자가 조사 방향을 바꾸듯, 실시간으로 질의를 다듬습니다.

실제 영향

예를 들어 물어보세요: “완벽한 초콜릿 케이크를 만들려면 어떻게 해야 하나요?”

• Simple RAG는 이렇게 답할 수 있습니다: “오븐을 예열하고, 재료를 섞고, 30분 구워라.”
• Agentic RAG는 더 깊이 탐색합니다: “오븐을 예열하고, 재료를 섞고, 30분 구워라 + 식이 제한을 위한 재료 대체 + 촉촉한 식감을 위한 팁 + 피해야 할 흔한 실수 + 서빙을 위한 디저트 페어링.”

하나는 답을, 다른 하나는 전체 그림을 제공합니다.

결론

Simple RAG는 검색 엔진입니다. Agentic RAG는 연구 조교로서 탐색하고, 추론하고, 검증한 뒤 응답합니다.

다음에 AI와 상호작용할 때 스스로에게 물어보세요: 빠른 조회가 필요한가, 아니면 지능적인 종합이 필요한가?