페이지 텍스트를 함께 가져오는 AI 에이전트용 웹 검색 도구

에이전트는 왜 스니펫이 아니라 페이지 텍스트가 필요할까요?

답이 스니펫 안에 있는 경우는 드물기 때문입니다. 검색 결과 페이지는 검색 엔진이 고른 제목과 한두 줄만 보여줍니다. 사용자가 물어본 숫자, 날짜, 규칙은 페이지 더 아래에 있습니다.

스니펫만 보는 에이전트에게는 두 가지 나쁜 선택지밖에 없습니다. 단편만으로 답하며 틀릴 위험을 감수하거나, 각 페이지를 가져오기 위해 두 번째 도구를 호출하는 것입니다. 두 번째 방법은 왕복 횟수와 도구 정의를 두 배로 늘립니다.

LLMWebSearch에서는 처음 몇 페이지가 이미 읽힌 상태로 도착합니다. 내비게이션, 광고, 쿠키 배너가 제거되므로 모델은 토큰을 콘텐츠에 씁니다. 나머지 결과에는 여전히 스니펫이 붙어 있어 모델이 다시 검색할지 판단하는 데 도움이 됩니다.

검색 도구는 어떻게 정의해야 할까요?

스키마를 작게 유지하세요. 필수 query 하나와 최대 한두 개의 스위치만 두세요. 모델은 단순한 도구를 더 안정적으로 호출합니다. 아래 예시는 time_range=month에 매핑되는 recent 플래그를 노출하며, 나머지는 모두 코드에 고정되어 있습니다.

함수는 JSON이 아니라 일반 텍스트를 반환합니다. 각 출처는 번호, 제목, URL로 시작하고 그 뒤에 Markdown이 이어집니다. 이 배치는 모델이 [2] 같은 인용을 자연스럽게 쓰도록 합니다.

에이전트가 이미 web_search라는 이름의 도구를 갖고 있다면, Claude Code와 OpenClaw처럼, search_web 같은 다른 이름을 붙이세요. 같은 이름의 도구 두 개는 모델을 혼란스럽게 합니다.

에이전트는 언제, 얼마나 자주 검색해야 할까요?

답이 변하는 사실이나 모델이 알 수 없는 사실에 달려 있을 때 검색하세요. 가격, 버전, 법률, 일정, 최근 사건이 여기에 해당합니다. 정의나 안정적인 지식은 보통 해당하지 않습니다.

이 규칙을 시스템 프롬프트에 적고, 예산을 추가하세요. 세 가지 습관이 도움이 됩니다:

• 검색 전에 계획하세요. 모델이 먼저 쿼리를 작성하게 하세요. 정확한 쿼리 두 개가 모호한 쿼리 다섯 개보다 낫습니다.
• 호출 수를 제한하세요. 예를 들어 사용자 턴당 네 번의 검색을 허용하세요. 리서치 작업에서만 상한을 올리세요.
• 출처가 일치하면 멈추세요. 세 개의 독립적인 페이지가 같은 말을 하면 에이전트는 답할 수 있습니다.

컨텍스트 윈도우를 어떻게 관리해야 하나요?

세 가지 파라미터가 모델에 도달하는 텍스트 양을 결정합니다. read은 읽을 페이지 수를 0에서 10까지 설정합니다. max_chars는 각 페이지를 500에서 50,000자까지 제한합니다. max_results은 나열할 결과 수를 1에서 20까지 설정합니다.

챗 에이전트의 경우 read=3와 max_chars=4000로 검색 한 번당 약 12,000자의 페이지 텍스트가 반환됩니다. 그러면 한 대화에서 여러 번 검색할 여지가 남습니다. 진행하면서 요약하는 리서치 작업에는 더 긴 페이지도 괜찮습니다.

word_count 필드는 잘리기 전 전체 페이지가 얼마나 길었는지 알려줍니다. 에이전트는 이를 사용해 extract endpoint로 더 가져올지 판단할 수 있습니다.

페이지를 읽을 수 없으면 어떻게 되나요?

결과는 제목, URL, 스니펫과 함께 여전히 반환되지만 콘텐츠는 없습니다. content_status 필드가 이유를 알려줍니다.

• blocked_by_robots: 사이트의 robots.txt가 저희 리더를 허용하지 않습니다.
• blocked_by_site_policy: robots.txt에 Content-Signal: ai-input=no를 설정한 사이트는 해당 페이지의 콘텐츠가 결과에 포함되지 않습니다.
• target_refused: 사이트가 거부 응답을 보냈습니다. 상태는 target_status에 있습니다.
• fetch_failed 또는 fetch_timeout: 페이지가 제때 로드되지 않았습니다.

사이트가 저희 리더를 거부하면, 결과는 콘텐츠 없이 해당 사이트의 상태와 함께 반환됩니다. 저희는 CAPTCHA를 풀거나 계정에 로그인하거나 차단 또는 페이월을 우회하지 않습니다. 페이지가 비어서 돌아오면 에이전트에게 스니펫이나 다른 출처를 사용하라고 알려주세요. 각 페이지에 무슨 일이 있었든 검색 자체는 여전히 1크레딧입니다.

모델에 내장된 검색 도구를 쓰면 안 되나요?

내장 도구는 편리하지만 제어권이 적습니다. 2026년 10월 22일 기준으로, OpenAI의 web_search 도구는 1,000회 호출당 $10에 검색 콘텐츠를 입력 토큰으로 청구합니다. Anthropic의 Claude 웹 검색도 1,000회 검색당 $10에 토큰 비용이 더해집니다. Gemini 3 그라운딩은 유료 티어에서 월 5,000회 검색을 무료로 포함하고, 그 이후에는 1,000회당 $14입니다.

이 도구들은 대부분 원본 페이지가 아니라 인용이 포함된 작성된 답변을 반환합니다. 또한 검색을 하나의 모델 공급업체에 묶습니다. 독립형 도구는 어떤 모델과도 작동하며 각 페이지의 길이를 설정할 수 있습니다. 내장 도구 비교에 전체 표가 있습니다.

LLMWebSearch에서 에이전트를 운영하는 비용은 얼마인가요?

read가 3 이하일 때 검색 한 번에 1크레딧입니다. 팀에서 사용하는 어시스턴트가 하루 100개 질문에 각각 4번 검색으로 답하면 한 달에 약 12,000회 검색입니다. US$41.25의 검색 25,000회는 그 달과 다음 달 대부분을 충당합니다.

개발자 한 명이 사용하는 코딩 에이전트는 하루에 20번, 한 달에 약 600번 검색할 수 있습니다. 그러면 US$9.25의 검색 5,000회가 몇 달간 지속됩니다. 크레딧은 만료되지 않기 때문입니다. 비용 가이드에 더 큰 워크로드의 계산이 나와 있습니다.