최근 LLM 에이전트 발전으로 복잡한 에이전트 워크플로우가 가능해졌어요. 이 연구는 검색 전략 선택이 에이전트 구조와 도구 호출 방식에 어떻게 영향을 미치는지 체계적으로 비교했어요. 특히 도구 출력 방식과 불필요한 정보가 많을 때 검색 성능 변화를 실험했어요.
Experiment 1에서는 LongMemEval의 116개 질문 샘플을 활용하여 그립과 벡터 검색을 비교했고, Chronos 에이전트와 Claude Code, Codex, Gemini CLI를 사용했어요. Experiment 2에서는 관련 없는 대화 기록을 점진적으로 추가하며 그립 전용과 벡터 전용 검색을 비교했어요.
실험 결과, Chronos와 제공업체 CLI에서 그립이 벡터 검색보다 정확도가 높았지만, 에이전트 구조와 도구 호출 방식에 따라 전체 점수가 크게 달라지는 것을 확인했어요.