The year 2025 has brought a notable shift in artificial intelligence research. We are witnessing the emergence of deep research agents—autonomous systems built on large language models that do not merely generate text but actively plan investigations, search heterogeneous databases, evaluate evidence, and synthesize conclusions across multi-turn reasoning chains. This represents a meaningful architectural evolution from reactive language models toward proactive research systems.

The Research Landscape: From Chatbots to Cognitive Agents

The trajectory from GPT-style chatbots to deep research agents represents what Huang et al. (2025) call "a new category of autonomous AI systems." Their systematic examination maps the full stack of capabilities required: dynamic reasoning, adaptive long-context retrieval, tool orchestration, and iterative self-correction.

What distinguishes deep research agents from earlier retrieval-augmented generation (RAG) systems is agency. Where RAG retrieves and stuffs context into a prompt, a deep research agent decides what to search, evaluates whether the retrieved evidence is sufficient, and reformulates its query if not. This closed-loop architecture mirrors the cognitive workflow of a human researcher—and it is precisely this autonomy that makes the paradigm both powerful and dangerous.

The Evaluation Crisis

Yehudai et al. (2025) provide a comprehensive survey on evaluating LLM-based agents, systematically analyzing benchmarks and frameworks across four dimensions: fundamental agent capabilities (planning, tool use, self-reflection, memory); application-specific benchmarks; generalist agent benchmarks; and evaluation frameworks. Their analysis identifies critical gaps that future research must address—particularly in assessing cost-efficiency, safety, and robustness, and in developing fine-grained, scalable evaluation methods.

Luo et al. (2025) address one such gap directly with UltraHorizon, a benchmark specifically designed for ultra-long-horizon agent tasks where existing evaluations focus on short-horizon, fully observable scenarios.

Methodological Approaches: How Deep Research Agents Are Built

The dominant architecture follows a plan-execute-reflect loop:

This architecture is implemented with varying degrees of sophistication:

• ReAct-style (sequential reasoning + acting): Simple but inherently serial, limiting throughput.
• Graph-based planning (GAP framework): Enables parallel tool execution by modeling sub-task dependencies as a directed acyclic graph.
• Meta-cognitive approaches: The agent monitors its own confidence and explicitly reasons about what it does not know.

Critical Analysis: Claims and Evidence

The Security Elephant in the Room

Su et al. (2025) survey the security risks that arise specifically from agent autonomy—risks that do not exist in static LLM deployments. Their analysis covers attack vectors targeting agents that perceive, reason, and act in dynamic, open-ended environments. The core tension is structural: you cannot have a truly autonomous research agent without accepting that it operates in an adversarial information environment.

Open Questions and Future Directions

What This Means for Your Research

If you are a researcher in any field, deep research agents will affect your workflow within 12–18 months. The practical implications are immediate:

• Literature review: Agents can now conduct systematic literature reviews that previously required weeks of manual effort. But they cannot yet assess methodological quality—human judgment remains essential.
• Hypothesis generation: The gap-detection capabilities of research agents (identifying what has not been studied) represent genuine added value. Tools like ORAA ResearchBrain already implement citation-density discontinuity analysis for this purpose.
• Critical evaluation: Never trust an agent's synthesis without verification. The current generation hallucinates citations, conflates authors, and occasionally invents plausible-sounding but nonexistent papers.

면책 조항: 이 게시물은 정보 제공 목적의 연구 동향 개요이다. 특정 연구 결과, 통계 및 주장은 학술 연구에서 인용하기 전에 원문 논문과 대조하여 검증해야 한다.

딥 리서치 에이전트: 사고하고, 검색하고, 종합하는 자율 AI 시스템의 부상

2025년은 인공지능 연구에 주목할 만한 변화를 가져왔다. 우리는 딥 리서치 에이전트의 출현을 목격하고 있다. 이는 대형 언어 모델(large language models) 기반의 자율 시스템으로, 단순히 텍스트를 생성하는 데 그치지 않고 다중 턴 추론 체인(multi-turn reasoning chains)에 걸쳐 능동적으로 탐구를 계획하고, 이종 데이터베이스를 검색하며, 증거를 평가하고, 결론을 종합한다. 이는 반응형 언어 모델에서 능동적 연구 시스템으로의 의미 있는 아키텍처적 진화를 나타낸다.

연구 지형: 챗봇에서 인지 에이전트로

GPT 방식의 챗봇에서 딥 리서치 에이전트로의 궤적은 Huang et al. (2025)이 "자율 AI 시스템의 새로운 범주"라고 부르는 것을 나타낸다. 이들의 체계적인 분석은 동적 추론(dynamic reasoning), 적응형 장문맥 검색(adaptive long-context retrieval), 도구 오케스트레이션(tool orchestration), 반복적 자기 교정(iterative self-correction) 등 요구되는 역량의 전체 스택을 매핑한다.

딥 리서치 에이전트를 기존의 검색 증강 생성(retrieval-augmented generation, RAG) 시스템과 구별하는 것은 에이전시(agency)이다. RAG가 컨텍스트를 검색하여 프롬프트에 삽입하는 방식인 반면, 딥 리서치 에이전트는 무엇을 검색할지 스스로 결정하고, 검색된 증거가 충분한지 평가하며, 충분하지 않을 경우 쿼리를 재구성한다. 이러한 폐루프(closed-loop) 아키텍처는 인간 연구자의 인지적 작업 흐름을 반영하며, 바로 이 자율성이 이 패러다임을 강력하면서도 위험하게 만드는 요소이다.

평가의 위기

Yehudai et al. (2025)은 LLM 기반 에이전트 평가에 관한 포괄적인 서베이를 제시하며, 네 가지 차원에 걸쳐 벤치마크와 프레임워크를 체계적으로 분석한다: 기본적인 에이전트 역량(계획, 도구 사용, 자기 성찰, 메모리), 응용 특화 벤치마크, 범용 에이전트 벤치마크, 평가 프레임워크. 이들의 분석은 미래 연구가 반드시 다루어야 할 중요한 격차를 식별한다. 특히 비용 효율성, 안전성, 견고성 평가와 세밀하고 확장 가능한 평가 방법 개발에 관한 격차가 두드러진다.

Luo et al. (2025)은 UltraHorizon을 통해 이러한 격차 중 하나를 직접 다룬다. 이는 기존 평가들이 단기 관측 가능한 시나리오에 집중하는 상황에서, 초장기 지평(ultra-long-horizon) 에이전트 태스크를 위해 특별히 설계된 벤치마크이다.

방법론적 접근: 딥 리서치 에이전트의 구축 방식

지배적인 아키텍처는 계획-실행-성찰(plan-execute-reflect) 루프를 따른다:

이 아키텍처는 다양한 수준의 정교함으로 구현된다:

• ReAct 방식 (순차적 추론 + 행동): 단순하지만 본질적으로 직렬적이어서 처리량에 한계가 있다.
• 그래프 기반 계획 (GAP 프레임워크): 하위 태스크 의존성을 방향성 비순환 그래프(directed acyclic graph)로 모델링하여 병렬 도구 실행을 가능하게 한다.
• 메타인지(meta-cognitive) 접근법: 에이전트가 자신의 확신도를 모니터링하고 자신이 알지 못하는 것에 대해 명시적으로 추론한다.

비판적 분석: 주장과 증거

핵심 보안 문제

Su et al. (2025)은 에이전트 자율성으로부터 특수하게 발생하는 보안 위험—정적 LLM 배포 환경에서는 존재하지 않는 위험—을 조사한다. 이들의 분석은 동적이고 개방된 환경에서 인식하고, 추론하고, 행동하는 에이전트를 표적으로 삼는 공격 벡터를 다룬다. 핵심적인 긴장 관계는 구조적이다: 에이전트가 적대적 정보 환경에서 작동한다는 사실을 수용하지 않고서는 진정한 자율 연구 에이전트를 보유할 수 없다.

미해결 질문과 향후 방향

연구자에게 갖는 의미

어떤 분야의 연구자이든, 딥 리서치 에이전트는 12~18개월 내에 연구 워크플로우에 영향을 미칠 것이다. 실질적인 함의는 즉각적이다:

• 문헌 검토: 에이전트는 이제 이전에 수 주간의 수작업이 필요했던 체계적 문헌 검토를 수행할 수 있다. 그러나 에이전트는 아직 방법론적 품질을 평가할 수 없으며—인간의 판단은 여전히 필수적이다.
• 가설 생성: 연구 에이전트의 격차 탐지 기능(무엇이 연구되지 않았는지 식별)은 진정한 부가 가치를 나타낸다. ORAA ResearchBrain과 같은 도구는 이미 이러한 목적으로 인용 밀도 불연속성 분석을 구현하고 있다.
• 비판적 평가: 에이전트의 종합 결과를 검증 없이 신뢰하지 말 것. 현재 세대의 에이전트는 인용을 환각하고, 저자를 혼동하며, 그럴듯하지만 실재하지 않는 논문을 간혹 만들어낸다.