AI 에이전트가 작업을 수행할 때 가장 중요한 요소 중 하나는 필요한 정보를 정확하고 효율적으로 찾아내는 Retrieval(검색) 과정입니다. 에이전트는 인간과 마찬가지로 Context Window의 제한이 있기 때문에, 비효율적인 검색은 토큰 낭비와 시간 지연을 초래하고, 너무 많은 정보를 한꺼번에 가져오면 정작 작업에 쓸 공간이 부족해지는 문제를 일으킵니다. 이를 해결하기 위해 LangChain은 다음과 같은 전략을 제안합니다: 첫째, 효율적인 검색입니다. 단순 키워드 매칭(grep)과 의미 기반 검색(semantic search)을 적절히 혼합하여 사용해야 합니다. 둘째, 컨텍스트 관리입니다. 대용량 파일은 페이지 단위로 읽거나, 검색 결과를 파일로 저장한 뒤 경로(path)만 전달하는 'retrieve, offload, delegate' 패턴을 활용할 수 있습니다. 셋째, 서브에이전트(subagent)를 활용하는 것입니다. 메인 에이전트가 모든 정보를 직접 읽는 대신, 서브에이전트에게 요약을 맡겨 컨텍스트를 깨끗하게 유지할 수 있습니다. 결국, 에이전트가 '적절한 시점에 적절한 컨텍스트'를 가질 수 있도록 설계하는 것이 핵심입니다.