본문으로 건너뛰기
azure검색
AI

Azure AI Search (RAG 검색과 에이전틱 검색)

RAG 의 검색 계층으로 쓰는 Azure AI Search 의 구조(인덱스, 인덱서, 스킬셋), 키워드, 벡터, 하이브리드 검색과 시맨틱 순위 매기기, 2026-04 GA 가 된 지식 베이스(에이전틱 검색)와 Foundry IQ 의 관계, 가격 계층과 2026-06 Preview 가 된 서버리스, 보안 구성을 정리합니다.

Azure AI SearchRAG벡터 검색하이브리드 검색에이전틱 검색Foundry IQ2026-10 기준, 약 6분상태 표시 설명

구조

구성 요소하는 일
인덱스검색 대상 문서의 스키마와 데이터. 필드마다 검색, 필터, 정렬, 벡터 여부
인덱서Blob, ADLS Gen2, SQL, Cosmos DB, OneLake 같은 원본을 주기적으로 읽어 인덱스에 채움
스킬셋인덱싱 중 문서 분할(청킹), OCR, 레이아웃 분석, 임베딩 생성 같은 가공
벡터라이저질의 시 텍스트를 임베딩으로 바꿔 주는 설정 (Foundry 의 임베딩 모델 연결)
지식 베이스, 지식 원본에이전틱 검색용 상위 개념. 여러 원본을 묶고 LLM 이 질의를 계획

포털의 데이터 가져오기(Import data) 마법사로 원본 연결부터 청킹, 임베딩, 인덱스까지 한 번에 만들고, 이후 코드로 옮겨 관리하는 것이 빠른 시작입니다.

검색 방식

방식강점약점
키워드 (BM25)제품 코드, 에러 코드, 고유 명사 정확 일치다른 표현, 동의어에 약함
벡터뜻이 비슷한 문장 찾기, 다국어정확한 코드나 숫자 일치에 약함
하이브리드둘을 같이 돌리고 RRF 로 합침비용, 지연 조금 증가
+ 시맨틱 순위 매기기상위 결과를 언어 모델로 다시 정렬별도 과금, 호출량 한도

RAG 의 기본값은 하이브리드 + 시맨틱 순위 매기기입니다. 한국어 문서라면 키워드 필드에 한국어 분석기(ko.microsoft 또는 ko.lucene)를 지정해야 조사, 어미가 붙은 단어도 잘 찾습니다.

POST https://srch-shop-prod.search.windows.net/indexes/manuals/docs/search?api-version=2026-04-01
Content-Type: application/json
Authorization: Bearer <Entra 토큰>

{
  "search": "VM 이 Korea Central 에서 할당 실패",
  "vectorQueries": [{ "kind": "text", "text": "VM 이 Korea Central 에서 할당 실패", "fields": "contentVector", "k": 50 }],
  "queryType": "semantic",
  "semanticConfiguration": "default",
  "select": "title, chunk, url",
  "top": 5
}

청킹과 임베딩 요령

  • 청크는 보통 수백 토큰 단위로, 앞뒤 일부를 겹치게 자릅니다. 제목과 상위 섹션 이름을 청크 필드에 같이 넣으면 검색 품질이 좋아집니다.
  • 표와 다단 PDF 는 문서 레이아웃 스킬이나 Azure Content Understanding 스킬로 구조를 살려 자릅니다.
  • 벡터 필드는 저장 공간을 많이 씁니다. 스칼라, 이진 양자화와 차원 줄이기(truncate dimensions)로 줄이고, 재점수(rescoring)로 정확도를 보완합니다.

지식 베이스와 에이전틱 검색

에이전틱 검색(agentic retrieval)은 LLM 이 복잡한 질문을 여러 하위 질의로 나누고, 여러 지식 원본을 병렬로 검색해 결과를 합치는 방식입니다. 발전 과정은 다음과 같습니다.

시점API 버전내용
2025-052025-05-01-preview에이전틱 검색 첫 Preview (knowledge agent)
2025-112025-11-01-previewknowledge agent 가 지식 베이스(knowledge base) 로 이름 변경. OneLake, SharePoint, 웹 원본 추가. Foundry IQ Preview
2026-042026-04-01지식 베이스 GA. 검색 인덱스, Blob, OneLake, 웹 지식 원본이 GA
2026-062026-05-01-preview파일, Azure SQL, MCP 서버 같은 원본 추가 (Preview)

GA 범위는 GA 원본에서의 추출형 검색이고, 질의 계획, 답변 합성, 추론 노력(reasoning effort) 은 2026-10 기준 아직 Preview API 가 필요합니다. 2025-11-01-preview 의 이름 변경은 REST 경로와 속성이 바뀐 호환성 깨짐이므로, 예전 knowledge agent 코드는 마이그레이션 가이드를 따라 고칩니다.

Foundry IQ 는 Microsoft Foundry 에서 이 지식 베이스를 에이전트에 연결하는 계층의 이름입니다. 실체는 Azure AI Search 의 지식 베이스이므로, 에이전트에서 Foundry IQ 를 쓰면 검색 서비스 요금과 설정이 같이 따라옵니다 (Agent Service).

가격 계층

계층특징
Free체험용, 작은 인덱스. 시맨틱 순위와 에이전틱 검색은 지역, 호출량 제한 안에서 가능
Basic작은 운영. 복제본, 파티션 수 제한
Standard S1~S3일반 운영. 복제본(질의 처리량, 가용성)과 파티션(저장, 인덱싱) 조합
Storage Optimized L1, L2큰 인덱스, 낮은 질의량
  • 가용성 SLA 는 읽기에 복제본 2개, 읽기와 쓰기에 3개 이상이 필요합니다.
  • 2025-07 부터 기존 서비스를 다시 만들지 않고 업그레이드(더 큰 저장 한도)하거나 Basic, S1~S3 사이에서 계층을 바꿀 수 있습니다.
  • 2026-06 에 소비 기반 서버리스 가격 모델이 Preview 로 나왔습니다. 쓰지 않으면 0 으로 줄고 최소 용량 요금이 없습니다.
  • 2026-04 부터 시맨틱 순위 매기기와 에이전틱 검색의 과금 동의가 분리되었습니다. API 버전을 2026-04-01 로 올릴 때 설정을 확인합니다.

보안

  1. 키 대신 Entra 인증(역할 기반)을 켭니다. 앱에는 Search Index Data Reader, 인덱싱 파이프라인에는 Search Index Data Contributor.
  2. 공용 액세스를 끄고 Private Endpoint(privatelink.search.windows.net)를 씁니다. 인덱서가 원본에 닿으려면 공유 Private Link(검색 서비스가 원본으로 만드는 Private Endpoint)를 설정합니다.
  3. 문서 수준 권한이 필요하면 보안 필터 필드(그룹 ID)를 두고 질의에 필터를 붙이거나, Preview 인 원본 권한 수집 기능을 검토합니다.

품질 점검 순서

증상확인
정확한 코드로 찾는데 안 나옴키워드 필드 분석기, 하이브리드 여부
엉뚱한 청크가 상위청크 크기, 제목 포함 여부, 시맨틱 구성의 필드 우선순위
최신 문서가 없음인덱서 일정, 실행 기록의 실패 문서
비용 급증벡터 차원, 복제본 수, 시맨틱 호출량

공식 문서

이 문서에서