출처 20곳 달린 조사 보고서를 AI가 쓴다면

챗봇 답과 조사 보고서, 무엇이 다른가

챗봇에 물으면조사 보고서로 받으면

2026년 국내 전기차 충전기 보급 현황 정리해 줘

국내 공용 충전기는 최근 몇 년 사이 크게 늘어 주요 도시 아파트와 공공시설 대부분에 설치됐어요. 완속이 대부분이고 급속 비중은 아직 낮은 편이라는 지적이 있어요. 정부는 보급 목표를 계속 올려 잡고 있고요.

?'크게', '낮은 편', '계속' 같은 말에 숫자도 출처도 없어요.그럴듯하지만 어느 자료를 보고 한 말인지 알 수 없고, 모델이 배운 시점 뒤의 일은 모를 수 있어요. 숫자를 지어내는 일도 있고요.

사람이 하면 몇 주객관적인 결론을 손으로 모으려면 시간과 사람이 많이 들어요.

모델은 옛날 지식오래된 학습 자료로 답하면 지금 조사엔 안 맞고, 지어내기도 해요.

긴 보고서는 벅차요한 번에 다룰 글자 양이 정해져 있어 긴 보고서를 쓰기 어려워요.

출처가 적으면 치우쳐요몇 곳만 보면 틀리거나 한쪽으로 기운 결론이 나와요.

README의 '왜 만들었나' 항목과 데모 영상의 보고서 모양을 보여 주려고 저희가 그린 예시예요. 질문과 답, 출처 목록은 지어낸 것이고, 실제 챗봇의 답은 서비스마다 달라요.

한눈에

어떻게 작동하나요

1. 질문을 쪼개요. 조사 질문을 받으면 계획 에이전트가 하위 질문을 여러 개 만들어요. 데모 영상에서는 '최근 AI 동향'이라는 한 줄 질문이 네 갈래 검색어로 나뉘어요.2. 질문마다 자료를 긁어요. 검색기에서 질문당 결과 5개(MAX_SEARCH_RESULTS_PER_QUERY 기본값)를 받아 본문을 긁고, 각 자료를 요약하면서 출처를 기록해요. 검색 다듬기는 기본 3번(MAX_ITERATIONS)까지 돌아요.3. 쓸모 있는 단락만 남겨요. 긁어 온 글 가운데 질문에 답이 되는 단락만 문맥 필터가 골라요. README 벤치마크(조사 과제 28개)에서 Jev 필터는 남긴 단락의 73%가 관련 있었고, 임베딩 방식은 46%였어요.4. 보고서를 써요. 본문 작성은 SMART_LLM(기본 gpt-5.4), 요약은 FAST_LLM(기본 gpt-5.4-mini)이 맡아요. 인용 형식은 APA가 기본이고 MLA·IEEE 등으로 바꿀 수 있어요. 보고서 언어는 LANGUAGE 설정으로 정하는데 기본값은 영어예요.출처 스무 곳을 모았다고 다 맞는 건 아니에요. 보고서에 달린 링크는 꼭 열어 보고 쓰세요. README 자체가 '실험적인 도구이며 학술 논문에 쓰라는 권고가 아니다'라고 밝혀요.

바로 쓸 수 있나요

시작하기

1. 파이썬 3.12 이상 준비

   README가 요구하는 최소 버전이에요.

2. 저장소 받기

   내려받은 폴더로 들어가요.

   git clone https://github.com/assafelovic/gpt-researcher.git && cd gpt-researcher

   복사
3. API 키 넣기

   기본값은 OpenAI 모델과 Tavily 검색이에요. 터미널에 내보내거나 .env 파일에 적어요. 다른 OpenAI 호환 API(로컬 모델 등)는 OPENAI_BASE_URL 로 바꿔요.

   export OPENAI_API_KEY={Your OpenAI API Key here}
   export TAVILY_API_KEY={Your Tavily API Key here}

   복사
4. 설치하고 띄우기

   끝나면 브라우저에서 http://localhost:8000 을 열어요.

   pip install -r requirements.txt
   python -m uvicorn main:app --reload

   복사
5. 코드에서 쓰려면 패키지로

   파이썬 코드에서 GPTResearcher(query=...) 로 부르고 conduct_research() 뒤 write_report() 를 호출해요.

   pip install gpt-researcher

   복사
6. 도커가 편하면

   .env.example 을 복사해 키를 넣고 실행하면 파이썬 서버(8000)와 리액트 화면(3000)이 함께 떠요.

   docker compose up --build

   복사

처음 쓰는 순서

1. API 키 두 개 준비OpenAI 키와 Tavily 키를 .env 에 넣어요(기본값 기준)
2. 웹 화면으로 첫 조사uvicorn 으로 띄우고 localhost:8000 에서 질문 한 줄
3. 출처 링크 열어 보기보고서의 인용을 하나씩 눌러 원문이 그 말을 하는지 확인
4. 내 문서 보태기DOC_PATH 에 PDF·워드를 넣고 Report Source 를 바꿔 다시
5. 필요하면 심층 조사report_type 을 deep 으로. 시간과 비용이 더 들어요

README와 공식 문서의 명령을 처음 쓰는 순서로 묶은 예예요.

질문 하나가 보고서가 되기까지

명령어 전체 10개, 언제 쓰나

공식 문서(파이썬 패키지, 설정, 심층 조사)에 나온 값 중 처음 쓸 때 손댈 만한 것만 골랐어요. 설정은 .env 파일이나 config.json 으로도 넣어요.

직접 띄우지 않고도 써요

npx skills add assafelovic/gpt-researcher

비슷한 도구

GPT Researcher는 밖에서 자료를 모아 보고서로 묶는 쪽이고, AnythingLLM은 내 문서 안에서 답하는 쪽, 과학 스킬 모음은 연구 절차를 코딩 AI에 가르치는 쪽이에요(각 README 기준).

주의할 점

1. AI 보고서의 출처는 반드시 원문을 열어 확인하세요. README의 면책 조항은 이 도구가 실험적이며 '있는 그대로' 제공되고, 학술 논문이나 연구에 쓰라는 권고가 아니라고 밝혀요. 출처가 스무 곳이어도 그 출처들이 같은 오보를 받아 적었을 수 있어요.
2. 기본값은 질문과 긁어 온 자료가 OpenAI와 Tavily 서버로 가요. 외부로 보내면 안 되는 문서를 DOC_PATH 에 넣기 전에, OPENAI_BASE_URL 로 로컬 모델을 붙이는 방법을 먼저 보세요.
3. 웹 자료를 자동으로 긁어 와요. 긁는 사이트의 약관과 robots 규칙, 개인정보 규정은 쓰는 사람이 지켜야 해요. 보고서를 공개할 때는 인용한 글의 저작권도 따로 봐야 해요.
4. 조사마다 API 요금이 들고, 심층 조사는 질문 수가 곱으로 늘어 비용과 시간이 더 커져요. 키는 .env 에만 두고 코드에 적지 마세요.
5. 마지막 코드 반영이 2026년 10월 10일이에요(확인 2026-11-03). 공식 문서 기본 모델(gpt-5.4)과 README의 비용 예시(o3-mini)는 쓴 시점이 달라요.

더 보기

만든 사람은 Assaf Elovic이에요. 공식 사이트는 gptr.dev이고, 멀티 에이전트판은 LangGraph와 AG2 위에 만들어졌어요.

공식 문서 ↗한국어 README ↗심층 조사 설명 ↗문맥 필터 벤치마크 ↗MCP 서버 저장소 ↗깃허브 저장소 ↗

낯선 말

1. 에이전트 · 목표를 받으면 스스로 검색·읽기·쓰기 단계를 밟아 끝까지 가는 AI 프로그램이에요
2. 검색기(리트리버) · 자료를 어디서 찾을지 정하는 부품. Tavily, 덕덕고, arXiv 같은 것들이에요
3. 스크래핑 · 웹페이지를 열어 본문을 자동으로 긁어 오는 일이에요
4. 문맥 필터 · 긁어 온 글에서 질문에 쓸모 있는 단락만 골라 모델에 건네는 단계예요
5. 환경 변수 · 프로그램 바깥에서 넣어 주는 설정값. API 키나 검색기 이름을 여기에 적어요
6. APA · 학술 글에서 출처를 적는 형식 중 하나예요. (저자, 연도) 꼴이에요
7. MCP · AI 앱이 외부 도구·자료에 같은 방식으로 연결하는 규격이에요