본문으로 건너뛰기
AWS ML Blog조회 1회

Strands와 Exa를 활용한 웹 검색 기반 AI 에이전트 구축 가이드

AWS의 Strands Agents SDK와 Exa AI 검색 엔진을 통합하여 실시간 웹 정보를 스스로 검색하고 분석하는 고성능 리서치 에이전트 구축 방법을 소개합니다.

섹션별 상세

기존 검색 API의 HTML 중심 데이터는 AI 에이전트가 처리하기 위해 복잡한 파싱과 랭킹 로직이 추가로 필요했습니다. Exa는 AI 전용 검색 엔진으로서 광고나 SEO 노이즈가 없는 깨끗하고 구조화된 콘텐츠를 LLM 컨텍스트 윈도우에 직접 전달합니다. 이를 통해 개발자는 별도의 데이터 전처리 레이어를 구축할 필요 없이 에이전트의 추론 루프에 실시간 지식을 주입할 수 있습니다. 결과적으로 에이전트는 더 정확하고 최신화된 정보를 바탕으로 의사결정을 내릴 수 있게 됩니다.
근거
  • Exa는 키워드가 아닌 의미적 유사성을 바탕으로 검색 결과를 반환하며 광고나 SEO 노이즈가 없는 정제된 콘텐츠를 제공합니다. — Exa 섹션 및 Integration overview 문단
Strands Agents SDK는 하드코딩된 워크플로 대신 모델이 스스로 도구 사용을 결정하는 오픈 소스 프레임워크입니다. 개발자가 모델, 시스템 프롬프트, 도구 목록을 제공하면 에이전트 루프 내에서 모델이 대화 이력을 바탕으로 다음 단계를 결정합니다. 40개 이상의 사전 빌드된 도구와 Model Context Protocol(MCP)을 지원하여 확장성이 뛰어납니다. 이러한 자율적 구조는 단일 LLM 호출로 해결할 수 없는 복잡한 다단계 작업을 수행하는 데 핵심적인 역할을 합니다.
Exa 통합은 exa_search와 exa_get_contents라는 두 가지 핵심 도구를 통해 웹 검색 및 추출 기능을 제공합니다. exa_search는 키워드가 아닌 의미 기반의 semantic search를 수행하며 뉴스, 논문, PDF 등 특정 카테고리 필터링을 지원합니다. exa_get_contents는 특정 URL에서 전체 텍스트를 추출하며, 캐시된 결과가 없을 경우 실시간 크롤링(live crawling)을 수행하여 최신성을 보장합니다. 두 도구 모두 AI가 이해하기 쉬운 구조화된 요약과 JSON 스키마 기반 추출을 지원합니다.
근거
  • exa_search 도구는 auto, fast, instant, deep의 4가지 검색 모드를 지원하여 지연 시간과 품질 사이의 균형을 조절할 수 있습니다. — Searching the web with exa_search 섹션
실제 사례인 딥 리서치 에이전트는 6단계의 정교한 워크플로를 통해 자율적으로 정보를 수집하고 합성합니다. 개요 검색부터 시작하여 뉴스, 학술 논문, GitHub 프로젝트를 순차적으로 탐색한 뒤 가장 유망한 URL에서 심층 정보를 추출합니다. 마지막 단계에서는 수집된 모든 정보를 바탕으로 실행 요약과 출처가 명시된 리서치 브리프를 생성합니다. 이 과정은 단일 시스템 프롬프트에 의해 구동되며 에이전트가 스스로 소스 유형에 맞춰 검색 파라미터를 조정합니다.
Strands 에이전트와 Exa 도구를 활용한 딥 리서치 워크플로 다이어그램
Diagram사용자 프롬프트가 Strands Agent에 입력되면 Exa 도구를 사용하여 개요 검색, 뉴스, 논문, GitHub 프로젝트 탐색, 심층 분석, 최종 합성의 6단계를 거치는 과정을 시각화합니다. 각 단계에서 exa_search와 exa_get_contents가 어떻게 호출되는지 보여줍니다.
근거
  • 딥 리서치 에이전트는 6단계 워크플로를 통해 뉴스, 논문, 코드 저장소 등 다양한 소스를 자율적으로 탐색합니다. — The 6-step research workflow 섹션
에이전트의 비결정론적 동작과 다단계 도구 호출을 디버깅하기 위해 Amazon Bedrock AgentCore Observability를 활용합니다. OpenTelemetry 기반의 이 도구는 각 도구 호출과 LLM 호출을 스팬(span) 단위로 계측하여 전체 실행 과정을 시각화합니다. 개발자는 CloudWatch 대시보드에서 각 단계별 지연 시간, 토큰 소비량, 도구 호출 파라미터의 정확성을 검증할 수 있습니다. 이는 에이전트 워크플로의 병목 지점을 파악하고 추론 성능을 최적화하는 데 필수적인 데이터를 제공합니다.
Amazon Bedrock AgentCore Observability 대시보드의 에이전트 메트릭 화면
Screenshot에이전트 실행 중 발생한 각 스팬(Span)별 에러와 지연 시간을 보여줍니다. exa_search와 exa_get_contents 도구 호출의 평균 지연 시간을 수치로 확인할 수 있어 성능 병목 지점 파악에 용이합니다.
도구 호출의 상세 트레이스 정보와 JSON 페이로드
Screenshotexa_get_contents 도구가 호출될 때의 구체적인 인자값과 실행 시간을 트리 구조로 보여줍니다. 특정 트레이스 ID를 통해 에이전트가 어떤 데이터를 요청하고 받았는지 상세히 검토할 수 있습니다.

기술

  • Strands Agents SDK
  • Exa API
  • Amazon Bedrock
  • Claude 3.5 Sonnet
  • Python
  • OpenTelemetry

활용 사례

  • 실시간 딥 리서치 어시스턴트
  • 시장 분석 및 경쟁사 인텔리전스
  • 기술 지원 및 팩트 체크 에이전트
AI 분석 전체 내용 보기

AI 요약 · 북마크 · 개인 피드 설정 — 무료

출처 · 인용 안내

원문 발행 2026. 05. 12.수집 2026. 05. 12.출처 타입 RSS

인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.