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.
구조
| 구성 요소 | 하는 일 |
|---|---|
| 인덱스 | 검색 대상 문서의 스키마와 데이터. 필드마다 검색, 필터, 정렬, 벡터 여부 |
| 인덱서 | Blob, ADLS Gen2, SQL, Cosmos DB, OneLake 같은 원본을 주기적으로 읽어 인덱스에 채움 |
| 스킬셋 | 인덱싱 중 문서 분할(청킹), OCR, 레이아웃 분석, 임베딩 생성 같은 가공 |
| 벡터라이저 | 질의 시 텍스트를 임베딩으로 바꿔 주는 설정 (Foundry 의 임베딩 모델 연결) |
| 지식 베이스, 지식 원본 | 에이전틱 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
| 방식 | 강점 | 약점 |
|---|---|---|
| 키워드 (BM25) | 제품 코드, 에러 코드, 고유 명사 정확 일치 | 다른 표현, 동의어에 약함 |
| 벡터 | 뜻이 비슷한 문장 찾기, 다국어 | 정확한 코드나 숫자 일치에 약함 |
| 하이브리드 | 둘을 같이 돌리고 RRF 로 합침 | 비용, 지연 조금 증가 |
| + 시맨틱 순위 매기기 | 상위 결과를 언어 모델로 다시 정렬 | 별도 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.
| 시점 | API 버전 | 내용 |
|---|---|---|
| 2025-05 | 2025-05-01-preview | 에이전틱 검색 첫 Preview (knowledge agent) |
| 2025-11 | 2025-11-01-preview | knowledge agent 가 지식 베이스(knowledge base) 로 이름 변경. OneLake, SharePoint, 웹 원본 추가. Foundry IQ Preview |
| 2026-04 | 2026-04-01 | 지식 베이스 GA. 검색 인덱스, Blob, OneLake, 웹 지식 원본이 GA |
| 2026-06 | 2026-05-01-preview | 파일, 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
| 계층 | 특징 |
|---|---|
| Free | 체험용, 작은 인덱스. 시맨틱 순위와 에이전틱 검색은 지역, 호출량 제한 안에서 가능 |
| Basic | 작은 운영. 복제본, 파티션 수 제한 |
| Standard S1~S3 | 일반 운영. 복제본(질의 처리량, 가용성)과 파티션(저장, 인덱싱) 조합 |
| Storage Optimized L1, L2 | 큰 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
- 키 대신 Entra 인증(역할 기반)을 켭니다. 앱에는 Search Index Data Reader, 인덱싱 파이프라인에는 Search Index Data Contributor.
- 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. - 문서 수준 권한이 필요하면 보안 필터 필드(그룹 ID)를 두고 질의에 필터를 붙이거나, Preview 인 원본 권한 수집 기능을 검토합니다.
품질 점검 순서
| 증상 | 확인 |
|---|---|
| 정확한 코드로 찾는데 안 나옴 | 키워드 필드 분석기, 하이브리드 여부 |
| 엉뚱한 청크가 상위 | 청크 크기, 제목 포함 여부, 시맨틱 구성의 필드 우선순위 |
| 최신 문서가 없음 | 인덱서 일정, 실행 기록의 실패 문서 |
| 비용 급증 | 벡터 차원, 복제본 수, 시맨틱 호출량 |