GoogleSearch 컴포넌트

AI의 가장 큰 과제는 불명확하거나 오래되었거나 심지어 잘못된 정보를 제공하는 경향이 있다는 점이었습니다. 이러한 문제는 모두 관련 지식에 접근하지 못해서 발생합니다. 과거에는 이 문제를 해결하려면 전체 모델을 새로 학습해야 했는데, 대부분의 기업이나 개인에게는 불가능한 일이었습니다. 하지만 이제는 모델이 바로 그때그때 올바른 지식 소스에 접근하도록 하는 새로운 방법이 있습니다.

이 방식이 바로 검색 기반 생성(Retrieval-Augmented Generation, RAG) 이며, 특별한 기술이나 모델 전체를 재학습할 필요 없이 생성형 모델에 추가 지식을 실시간으로 공급할 수 있습니다. GoogleSearch를 포함한 검색 컴포넌트 덕분에 이 방법을 쉽게 활용할 수 있습니다.

GoogleSearch 컴포넌트란?

이 컴포넌트는 Google에서 관련 콘텐츠를 검색하여 플로우가 지식을 가져올 수 있게 해줍니다. 검색 쿼리를 지정하고, 정보가 어떻게 검색되는지 제어할 수 있습니다. 다른 검색 컴포넌트와 동시에 사용해 최종 답변의 품질을 높일 수 있습니다.

활용 사례 예시

• 실시간 팩트 체크: 주장의 진위 확인이나 최신 뉴스 기사 검색에 활용
• 콘텐츠 보강: 문서에 추가할 외부 자료를 자동으로 검색하여 풍부하게 만듦
• AI 에이전트: 대화형 에이전트에게 웹에서 최신 지식을 실시간으로 가져오는 기능 부여 특정 도메인 검색: 쿼리 접두사 기능(site:arxiv.org 등)을 사용해 특정 사이트만 검색(예: 논문 검색)

이 컴포넌트를 사용해야 하는 이유?

• 최신 정보 활용: 웹의 최신 데이터를 바로 받아 정적인 학습 데이터의 한계를 극복
• 유연한 설정: 국가, 언어, 위치 등 다양한 조건으로 검색 맞춤화
• 워크플로우 통합: 출력이 다른 컴포넌트와 호환되어 복잡한 지식 기반 AI 프로세스 구축이 쉬움
• 캐싱 지원: 동일 쿼리 재사용 시 중복 검색을 피해 효율성 향상

입력 쿼리

관련 정보를 찾기 위해 사용할 쿼리를 지정합니다. Chat Input 등 다른 컴포넌트에서 연결하거나 직접 입력할 수 있습니다.

결과 수 제한

이 설정은 정보를 위해 크롤링할 링크 수를 제한합니다. Google은 복잡한 알고리즘을 사용해 상위 결과를 쿼리와 가장 관련성 높게 선정합니다. 상위 5개 결과면 대부분의 쿼리에 충분한 정보와 적절한 답변을 제공할 수 있습니다.

언어

웹사이트가 특정 언어로 되어 있다면, 영어로 결과를 반환하는 챗봇은 오히려 혼란을 줄 수 있습니다. 특히 지역이나 전문 주제는 올바른 언어로 검색할 때 더 적합한 결과를 얻을 수 있습니다.

국가

국가 설정은 더욱 관련성 높은 정보를 얻기 위한 또 하나의 방법입니다. 예를 들어, 재정 상담 챗봇이 있는데 사용자가 세금에 대해 질문할 경우, 언어만 설정하면 영국 사용자가 미국 세금 정보를 받게 되어 혼란을 줄 수 있습니다.

위치

이 선택적 설정을 통해 특정 도시나 지역에만 해당하는 결과로 좁힐 수 있습니다. 일부 활용 사례에서는 지역 맞춤 결과가 매우 유용합니다.

쿼리 접두사

쿼리 접두사는 결과 유형을 좁히기 위한 특정 단어나 기호입니다. 예를 들어, “daterange:” 접두사를 사용하면 최신 결과만 가져올 수 있고, “filetype:” 접두사로 특정 파일 형식을 지정할 수도 있습니다. Google은 다양한 접두사를 지원하여 결과에 대한 세밀한 제어가 가능합니다.

GoogleSearch 컴포넌트를 플로우에 연결하는 방법

이 컴포넌트에는 입력과 출력 핸들이 각각 하나씩 있습니다.

• 입력 쿼리: 쿼리는 어떤 텍스트 출력이든 연결할 수 있습니다. 일반적으로 Chat Input이나 Generator와 연결합니다.
• 출력: 모든 검색기 타입 컴포넌트의 출력은 항상 Document입니다.

Document 출력은 Document to Text 및 Widget 타입 컴포넌트에서만 읽을 수 있습니다. 이들은 원본 검색 결과를 출력에 적합한 형태로 변환합니다.

GoogleSearch를 활용한 플로우 만들기

Google Search를 주요 지식 소스로 활용하는 간단한 챗봇 플로우를 만들어봅시다.

1. 언제나처럼 Chat Input으로 시작합니다.
2. 입력을 GoogleSearch 컴포넌트에 연결해, 사용자의 질문이 검색 쿼리가 되도록 합니다.
3. 검색기 출력 변환. 출력은 URL 레코드이므로, 이를 일반 텍스트로 바꿔야 합니다. URL Retriever 컴포넌트를 사용하세요.
4. 선택적으로 Prompt와 Chat History를 추가할 수 있습니다. 저희는 대화가 더 자연스럽도록 추가해봅니다.
5. Generator를 연결해 LLM을 결합합니다.
6. 이제 출력할 준비가 되었습니다.

최종 플로우는 다음과 같습니다.

이제 GoogleSearch 봇에게 최고의 AI 모델이 무엇인지 물어봅시다.

챗봇은 여러 최고의 모델을 나열하고, 각 모델에 대한 설명과 출처를 함께 제공합니다. 저희는 의도적으로 결과의 길이를 채팅창에 맞게 제한했지만, 실제 결과는 훨씬 더 상세할 수 있습니다.