deep-research

deep-research skill 개요

deep-research가 하는 일

deep-research skill은 넓은 질문을 출처가 있는 웹 리서치 워크플로로 바꿔 줍니다. firecrawl과 exa MCP 도구를 사용해 여러 출처를 검색하고 비교한 뒤, 인용이 포함된 보고서로 종합합니다. 이 deep-research skill은 한 번의 프롬프트 답변만으로는 얕거나 신뢰하기 위험한 질문에 가장 잘 맞습니다.

어떤 경우에 잘 맞는가

deep-research는 경쟁사 분석, 기술 평가, 시장 규모 추정, 실사, 현황 요약처럼 여러 출처의 근거에 따라 판단해야 하는 작업에 적합합니다. Web Research 패턴의 deep-research가 필요한 경우, 즉 정보를 모으고, 교차 검증한 다음, 출처를 붙여 쓸 수 있는 요약으로 정리해야 할 때 특히 잘 맞습니다.

설치하기 전에 확인할 점

가장 큰 도입 장벽은 복잡성이 아니라 도구 접근성입니다. deep-research 설치는 환경에서 지원되는 MCP 중 최소 하나인 firecrawl 또는 exa를 호출할 수 있어야만 효과를 냅니다. 더 넓은 커버리지와 더 적은 사각지대를 원한다면, skill에 의존하기 전에 두 도구를 모두 설정해 두는 편이 좋습니다.

deep-research skill 사용 방법

도구 설치와 연결

npx skills add affaan-m/everything-claude-code --skill deep-research로 설치합니다. 그다음 ~/.claude.json 또는 ~/.codex/config.toml에서 MCP 설정을 확인하세요. 이 skill은 모델이 실제로 웹을 검색하고 스크래핑할 수 있을 때 가장 유용하므로, 긴 리서치 작업을 시작하기 전에 도구 이름과 자격 증명을 반드시 점검해야 합니다.

올바른 입력으로 시작하기

deep-research를 잘 활용하려면 “이걸 조사해 줘”처럼만 묻지 마세요. 주제, 원하는 결과, 그리고 제약 조건까지 함께 주세요. 예를 들어 “제품 의사결정을 위해 AI 코딩 에이전트의 현황을 조사하고, 주요 도구를 비교한 뒤, 최근 출처를 인용해 달라”처럼 요청하면 좋습니다. 이렇게 하면 skill이 하위 질문과 출처 유형을 선택하기에 충분한 구조를 갖게 됩니다.

동작을 좌우하는 파일 읽기

먼저 skills/deep-research/SKILL.md를 보고, 연결된 repo 컨텍스트가 있으면 그것도 확인하세요. 이 repository에서는 skill 본문이 동작 지침의 핵심이므로, 중요한 일은 별도 지원 파일을 찾는 것이 아니라 워크플로, 활성화 규칙, MCP 요구사항을 이해하는 데 있습니다. 실제로 없는 보조 파일을 찾아 헤매지 않는 것이 중요합니다.

결과를 더 좋게 만드는 워크플로 사용하기

주제가 넓다면 먼저 범위를 명확히 하라고 모델에 요청한 뒤, 작업을 3~5개의 리서치 하위 질문으로 나누게 하세요. 이미 보고 싶은 관점이 있다면 처음부터 분명히 말하는 것이 좋습니다. 예를 들어 “가격, 채택, 리스크에 집중해 달라” 또는 “벤더 마케팅 페이지는 제외해 달라”처럼요. 이렇게 하면 deep-research 가이드가 더 촘촘한 보고서를 만들고, 무관한 출처 노이즈도 줄일 수 있습니다.

deep-research skill FAQ

deep-research가 일반 프롬프트보다 나은가?

여러 페이지의 출처를 바탕으로 종합해야 할 때는 그렇습니다. 일반 프롬프트도 이미 알려진 사실을 요약할 수는 있지만, deep-research skill은 웹을 검색하고, 근거를 비교한 뒤, 인용까지 함께 돌려주도록 설계되어 있습니다. 최신 정보나 출처 표기가 필요하지 않다면 일반 프롬프트만으로도 충분할 수 있습니다.

firecrawl과 exa를 둘 다 써야 하나요?

아니요. skill은 둘 중 하나만 있어도 실행됩니다. 하지만 Web Research용 deep-research에서는 두 도구를 함께 쓰면 커버리지가 더 좋아지는 경우가 많습니다. 서로 보완적이어서 하나가 찾지 못한 페이지를 다른 하나가 찾거나 스크래핑할 수 있기 때문이며, 범위가 넓거나 빠르게 변하는 주제일수록 이런 차이가 중요합니다.

초보자도 쓰기 쉬운가요?

목표를 명확하게 설명할 수 있다면 그렇습니다. 이 skill은 시작 단계에서 가벼운 확인만 요구하며, 필요하면 “그냥 조사해 달라”는 식으로도 진행할 수 있습니다. 초보자가 가장 흔히 저지르는 실수는 의사결정 맥락 없이 주제만 던지는 것이고, 그렇게 되면 리서치 범위가 너무 넓어집니다.

언제는 쓰지 말아야 하나요?

빠른 사실 확인이 필요하거나, 웹 접근이 필요 없거나, 인용이 필요 없는 작업에는 deep-research를 쓰지 마세요. 이미 정확한 출처를 가지고 있고 재작성만 필요할 때도 적합하지 않습니다. 이런 경우에는 deep-research 설치와 워크플로의 오버헤드가 불필요합니다.

deep-research skill 개선 방법

의사결정 프레임을 먼저 주기

가장 큰 품질 향상은 왜 이 리서치가 필요한지 알려 주는 데서 나옵니다. “학습용”, “벤더 선택용”, “메모 작성용”은 각각 출처 선택과 종합 방식이 다릅니다. 더 나은 결과를 원한다면 대상 독자, 시간 범위, 그리고 무엇이 유의미한 결론인지까지 함께 적으세요.

노이즈를 줄이는 제약 조건 추가하기

유용한 제약 조건에는 기간, 지역, 경쟁사 범위, 제외할 출처, 선호하는 증거 유형 등이 있습니다. 예를 들어 “최근 18개월 자료만 사용하고, 1차 문서를 우선하며, 독자적 데이터가 없는 한 벤더 블로그는 피하라”처럼 지정할 수 있습니다. 이렇게 하면 deep-research 가이드의 신호 대비 노이즈 비율이 좋아집니다.

자주 생기는 실패 모드 살펴보기

가장 흔한 실패는 하위 질문이 너무 많아지는 것, 마케팅 페이지에 과도하게 의존하는 것, 그리고 실제 질문에 답하지 않고 사실만 나열한 보고서입니다. 첫 결과가 너무 넓다면 “리스크만 집중해 달라” 또는 “이걸 구매자 추천안으로 바꿔 달라”처럼 더 좁은 종합을 요청하세요. 보통은 “더 자세히”라고 하는 것보다 이런 반복이 훨씬 도움이 됩니다.

첫 초안에서 다시 다듬기

초기 보고서를 받은 뒤에는 증거 품질, 비교 깊이, 의사결정 요약 중 한 가지를 더 조이는 두 번째 검토를 요청하세요. 좋은 후속 프롬프트 예시는 “확인된 사실과 추론을 분리해 달라”, “가장 강한 출처를 순위화해 달라”, “이걸 1페이지 임원용 브리프로 바꿔 달라” 같은 요청입니다. 이렇게 하는 것이 deep-research 결과를 가장 빠르게 실행 가능한 형태로 바꾸는 방법입니다.