Deep Research Max는 Google이 2026년 4월 21일 출시한 자율 AI 리서치 에이전트다. Gemini 3.1 Pro 기반으로 연구 계획 수립→웹 검색→자료 분석→반복 검증→인용 포함 보고서 생성까지 전 과정을 단일 API 호출로 실행한다. ARC-AGI-2 벤치마크 77.1%로, Gemini 3 Pro 대비 2배 이상의 성능을 기록했다.

Deep Research vs Deep Research Max

Google은 두 가지 에이전트를 제공한다. 목적에 따라 선택해야 한다.

작동 방식

Deep Research Max는 일반 generate_content 엔드포인트가 아닌 Interactions API(장기 실행 백그라운드 작업용 상태 저장 API)로만 동작한다.

1. background=True로 요청 제출 → 즉시 interaction ID 반환
2. AI 에이전트가 질문을 서브질문으로 분해하고 리서치 계획 수립
3. 검색 쿼리 실행 (Max: 약 160회) 및 지식 공백 식별
4. 다중 소스로 반복 리서치 (최대 깊이의 핵심 차별점)
5. 인용 포함 구조화 보고서 생성 (인라인 차트·그래프 포함 가능)
6. 비동기 폴링으로 결과 수신

주요 기능

• MCP 통합: FactSet, S&P, PitchBook 등 사내 데이터를 리서치에 포함
• 리서치 계획 검토·승인: 실행 전 계획 확인 및 수정 가능
• 멀티모달 그라운딩: PDF, CSV, 이미지, 오디오, 영상을 웹 정보와 함께 분석
• 네이티브 시각화: 외부 라이브러리 없이 인라인 차트·그래프 직접 생성
• 실시간 스트리밍: 중간 결과물을 실시간으로 확인

빠른 시작

pip install google-genai
export GEMINI_API_KEY="your-api-key-here"

import time
from google import genai

client = genai.Client()

# 리서치 작업 제출
interaction = client.interactions.create(
    input="EU의 AI 규제 현황을 조사해줘.",
    agent="deep-research-max-preview-04-2026",
    background=True
)
print(f"작업 시작. ID: {interaction.id}")

# 폴링으로 완료 대기
while True:
    interaction = client.interactions.get(interaction.id)
    if interaction.status == "completed":
        print(interaction.outputs[-1].text)
        break
    elif interaction.status == "failed":
        print(f"실패: {interaction.error}")
        break
    print("리서치 중...", flush=True)
    time.sleep(10)

프로덕션 적용 시 고려 사항

• 잡 큐 아키텍처: while 루프 폴링 대신 Cloud Scheduler·cron 사용
• interaction ID 영속화: 연결 끊김에 대비해 interaction_id와 last_event_id 저장
• 프롬프트 구체화: 범용 프롬프트는 토큰·비용을 증가시킴; 구체적일수록 효율적
• 결과 캐싱: 유사 질문이 많으면 캐시로 비용 절감 ($3–$5/작업)
• 인용 검증: 에이전트가 제공한 출처는 중요 의사결정 전 원문 재확인 권장

관련 문서

deep-research-max-tutorial-autonomous-agent — Python SDK로 자율 리서치 에이전트 5분 만에 구축하기