질문 하나에보고서 한 편,전부 내컴퓨터에서

중급자용© AIKOREACLUB

LearningCircuit/local-deep-research

질문 하나에 보고서 한 편, 전부 내 컴퓨터에서

질문을 던지면 웹·논문·내 문서를 여러 번 검색해 출처 달린 보고서를 쓰는 조사 도구예요. 모델과 자료를 내 컴퓨터에 두고 암호화해 돌릴 수 있어요

★ 9,486자체 설치 웹 앱 + MCP 서버 + 파이썬 API · MIT확인 2026-11-03

소송 준비든 신제품 조사든, 민감한 주제를 파고들 때 검색어와 읽은 문서가 전부 남의 서버에 남는 게 찜찜하죠. 그렇다고 손으로 수십 번 검색하자니 하루가 가고요.로컬 딥 리서치는 그 조사를 내 컴퓨터 안에서 대신 해 주는 도구예요. 질문을 받으면 하위 질문을 만들고, 여러 검색 엔진과 논문 데이터베이스를 돌며 출처를 모아 보고서를 써요. 사람마다 따로 암호화된 데이터베이스에 저장되고, 모델을 내 그래픽카드에서 돌리면 질문이 밖으로 나가지 않아요. 그래픽카드 한 장(RTX 3090)에 Qwen3.6-27B를 얹어 SimpleQA 약 95%를 보고한 첫 오픈소스 프로젝트라고 밝히고 있어요.

'로컬'이라는 말, 어디까지가 로컬일까

내 컴퓨터

로컬 딥 리서치조사 진행, 보고서 작성

내 모델(올라마 등)그래픽카드에서 돌아요

사용자별 암호화 데이터베이스비밀번호가 열쇠, 저장 안 함

내 서재·내 문서내려받은 논문, 색인

바깥

공개 검색 엔진arXiv, PubMed, 위키백과, SearXNG 상류 엔진

클라우드 모델OpenAI, 클로드, 제미나이

결과 페이지 가져오기검색에 나온 주소 열기

README가 직접 밝히는 한계: 로컬 주소로 떠 있어도 클라우드로 중계하는 모델 서버는 감지되지 않고, 내 컴퓨터의 SearXNG도 검색어를 바깥 엔진에 보내요. 이 범위 설정은 '최선을 다하는 가드레일'이지 완전한 차단이 아니에요.

README의 트래픽 범위(egress scope) 표를 따라 저희가 그린 예시예요. 실제로 어디까지 막히는지는 고른 검색 엔진, 모델 서버, 운영자 설정에 따라 달라져요.

한눈에

무엇인가요

무엇을 하나요. 복잡한 질문을 주면 조사를 대신 해요. 웹, 학술 논문, 내 문서를 검색하고 결과를 출처와 함께 보고서로 엮어요. 빠른 요약(30초~3분), 상세 조사, 목차가 있는 보고서, 내 문서 분석 네 가지 모드가 있어요.어디를 찾나요. 무료 엔진은 arXiv, PubMed, Semantic Scholar, 위키백과, SearXNG, GitHub, Wayback Machine, 가디언이에요. 유료 엔진은 Tavily, 구글(SerpAPI), Brave예요. 기본 전략인 langgraph-agent는 모델이 질문을 보고 어느 엔진을 쓸지 스스로 골라요.내 것으로 남나요. 조사에서 찾은 논문과 웹 페이지를 내 서재에 내려받아 색인하면, 다음 조사 때 웹과 내 자료를 함께 검색해요. 원격 측정이나 분석 추적은 없고, 밖으로 나가는 요청은 내가 설정한 검색 엔진과 AI 제공자뿐이라고 해요.

함께 쓰는 도구 · 올라마 · LM 스튜디오 · llama.cpp · OpenAI · 클로드 · 제미나이 · OpenRouter · SearXNG · 클로드 데스크톱·클로드 코드(MCP)

이런 분께

경쟁사·시장·판례처럼 민감한 주제를 조사하는데 검색 기록을 남기고 싶지 않은 분
논문을 arXiv·PubMed에서 찾아 읽고 정리하는 일을 매주 반복하는 연구자
회사 안 문서와 바깥 자료를 한 번에 뒤지는 조사 도우미를 자체 서버에 두고 싶은 팀

어떻게 작동하나요

조사는 이렇게 돌아요. 질문을 받으면 기본 전략(langgraph-agent)이 무엇을 검색할지, 어느 엔진(arXiv, PubMed, Semantic Scholar 등)을 쓸지, 언제 정리할지 스스로 정해요. 찾은 내용에 따라 엔진을 바꿔 가며 파이프라인 방식보다 훨씬 많은 출처를 모은다고 해요.서재가 쌓여요. 조사 → 출처 내려받기 → 서재 → 색인 → 내 문서 검색 → 다시 조사. README는 이 순환을 '지식이 복리로 쌓인다'고 표현해요.밖으로 나가는 길을 정해요. 조사마다 트래픽 범위(egress scope)를 고를 수 있어요. 기본 Adaptive는 주 검색 엔진을 따라가고, Public only는 공개 엔진만, Private only로 두면 검색은 내 자료만, 모델은 로컬만 쓰도록 막아요. Strict는 주 엔진 하나만 쓰고 나머지 연결을 차단해요. 다만 README는 이를 '최선을 다하는 가드레일이지 완전한 차단은 아니다'라고 적어요.

할 수 있는 일

빠른 요약30초에서 3분 안에 출처 달린 답을 줘요

보고서 생성목차와 절이 있는 긴 보고서를 쓰고 PDF나 마크다운으로 내려받아요

내 문서 분석내 파일을 색인해 두고 AI로 검색해요. 페이퍼리스, 엘라스틱서치 같은 문서 저장소도 붙여요

구독주제나 질문을 등록하면 매일·매주 새 소식만 걸러 요약해요

학술지 품질 점수OpenAlex·DOAJ 자료로 21만 개 넘는 출처의 학술지 평판을 매기고 약탈적 학술지를 걸러요

클로드에서 바로MCP 서버로 붙이면 클로드 데스크톱·클로드 코드에서 quick_research 같은 도구로 조사를 시켜요

비용·성능 보기모델별 비용, 토큰 사용량, 응답 시간을 대시보드에서 봐요

바로 쓸 수 있나요

도구 연결 필요

필요한 것도커(또는 파이썬 3와 올라마·SearXNG), 브라우저. 내 컴퓨터 모델로 제대로 돌리려면 그래픽카드가 있어야 하고, README의 95% 결과는 RTX 3090 한 장 기준이에요. 2011년 이후 AVX 지원 CPU가 필요해요

비용저장소는 무료(MIT). 모델을 내 컴퓨터에서 돌리면 API 요금이 없고, OpenAI·클로드 같은 클라우드 모델이나 Tavily·SerpAPI·Brave 같은 유료 검색을 붙이면 그 요금이 따로 나가요

시작하기

도커 컴포즈로 띄우기(모든 운영체제)
맥·윈도우·리눅스 공통이에요. 올라마와 SearXNG까지 묶여 있어요. 30초쯤 뒤 브라우저에서 http://localhost:5000 을 열어요. 엔비디아 GPU가 있는 리눅스는 README의 GPU 오버라이드 파일을 함께 써요.
```
curl -O https://raw.githubusercontent.com/LearningCircuit/local-deep-research/main/docker-compose.yml && docker compose up -d
```
또는 pip로 설치
이 경우 올라마(또는 OpenAI 호환 모델 서버)와 SearXNG를 따로 띄워야 해요. 설치 안내는 docs/install-pip.md에 있어요.
```
pip install local-deep-research
python -m local_deep_research.web.app
```
계정 만들고 모델 고르기
첫 화면에서 계정을 만들면 그 비밀번호로 내 데이터베이스가 암호화돼요. 비밀번호는 저장되지 않아 잃어버리면 복구가 안 돼요. 모델은 기본값이 없어서 Settings → LLM 에서 직접 골라야 해요.
클로드에서 쓰려면(선택)
MCP 추가 패키지를 설치하고 클로드 데스크톱이나 클로드 코드 설정에 ldr-mcp 명령을 등록해요. 자세한 설정은 docs/mcp-server.md에 있어요.
```
pip install "local-deep-research[mcp]"
```

처음 해 볼 한마디

Use quick_research to find information about quantum computing applications

README의 MCP 사용 예시예요(클로드 데스크톱에서). 웹 화면에서는 질문 상자에 바로 질문을 넣고 모드를 골라요. 한국어 질문 예시는 README에 없어요.

처음 쓰는 순서

docker compose up -d묶음으로 띄우기
Settings → LLM모델 고르기(기본값 없음)
Quick Summary짧은 질문으로 먼저 시험
Detailed · Report본격 조사와 보고서
서재에 내려받기찾은 출처를 색인해 다음 조사에 함께 검색
구독계속 볼 주제는 정기 요약으로

README의 기능 설명을 처음 쓰는 순서로 묶었어요.

질문 하나가 보고서가 되는 과정

localhost:5000 · 로컬 딥 리서치

README와 기능 문서의 조사 흐름(질문 분해 → 엔진 선택 → 출처 수집 → 보고서 → 서재)을 따라 저희가 그린 예시예요. 질문, 출처 제목, 보고서 문장은 지어낸 것이고, 실제 화면과 결과는 고른 모델·검색 엔진·전략에 따라 달라져요.

비슷한 도구

로컬 딥 리서치는 바깥 검색과 내 자료를 한 번에 돌며 보고서를 쓰는 쪽이고, 페이퍼QA2는 내가 가진 논문 안에서 출처를 정확히 짚는 쪽이에요(각 README 기준).

논문 더미에 물으면 몇 쪽인지까지 답해요내 논문 폴더 안에서만 답하고 쪽수까지 짚는 쪽Future-House/paper-qa

종이 서류, 찾을 때마다 서랍을 뒤지나요로컬 딥 리서치가 문서 저장소로 붙일 수 있는 도구paperless-ngx/paperless-ngx

주의할 점

AI가 단 출처는 반드시 원문을 열어 확인하세요. README도 벤치마크에 대해 표본이 작고 AI 채점에 오차가 있으며 최신 모델은 문제를 미리 봤을 수 있다고 스스로 적어요.
'로컬'의 한계를 README가 직접 밝혀요. 로컬 주소로 떠 있어도 클라우드 모델로 중계하는 서버(올라마 클라우드 모델, LiteLLM 프록시)는 외부로 감지되지 않아요. 내 컴퓨터에 띄운 SearXNG도 검색어를 바깥 검색 엔진에 보내요. Private only 범위도 '에어갭이 아니다'라고 해요.
MCP 서버는 로컬 전용(STDIO)이고 인증과 속도 제한이 없어요. 네트워크에 노출하지 말라고 경고해요.
맥과 윈도우에서는 도커의 --network host 가 조용히 실패해요. README의 1번 방법 대신 도커 컴포즈(2번)나 pip를 써야 해요.
계정 비밀번호가 곧 암호화 열쇠예요. 저장되지 않아서 잃어버리면 데이터베이스를 열 수 없어요. 새 버전으로 올리기 전에는 백업 안내(docs/deployment/upgrading.md)를 먼저 읽으라고 해요.
개발용 예외인 LDR_BOOTSTRAP_ALLOW_UNENCRYPTED=true 는 비밀번호를 검증하지 않아 여러 사람이 쓰는 서버에는 맞지 않아요.

낯선 말

딥 리서치 · 질문 하나를 여러 하위 질문으로 쪼개 여러 번 검색하고 종합해 보고서를 쓰는 조사 방식이에요
SearXNG · 여러 검색 엔진 결과를 모아 주는 자체 설치형 검색기예요. 내 서버에 두지만 검색어는 바깥 엔진으로 가요
SQLCipher · 데이터베이스 파일 전체를 암호화하는 기술이에요. 여기서는 사용자 비밀번호가 열쇠예요
egress(트래픽 범위) · 프로그램이 바깥 어디로 연결해도 되는지 정하는 범위예요
MCP · AI 앱이 바깥 도구를 같은 방식으로 부르게 하는 연결 규격이에요
약탈적 학술지 · 심사 없이 돈만 받고 논문을 싣는 질 낮은 학술지예요

AI 답은 참고 자료예요. 법·세금·돈·건강처럼 삶에 큰 영향을 주는 일에서는 AI 답이 정답이 될 수 없어요. 최종 판단은 전문가나 공식 기관에서 확인하세요.