Consensus Scholar Agent: GPT-5와 Responses API를 활용한 연구 자동화

연구 합성을 위한 다중 에이전트 아키텍처

Scholar Agent는 특화된 에이전트들의 협조적인 워크플로우를 활용하여 Consensus를 수직 검색 엔진에서 에이전트 기반 어시스턴트로 전환합니다. 이 모듈식 설계는 추론을 정확하게 유지하고 각 에이전트의 범위를 제한함으로써 환각을 최소화합니다.

시스템은 네 가지 주요 에이전트를 활용합니다:

• Planning Agent: 사용자의 질의를 분해하고 필요한 작업 순서를 결정합니다.
• Search Agent: Consensus 논문 인덱스, 사용자 개인 라이브러리, 그리고 인용 그래프를 스캔합니다.
• Reading Agent: 학술 논문을 개별적으로 또는 배치로 해석합니다.
• Analysis Agent: 최종 결과를 종합하고, 시각적 구조를 결정하며, 출력물을 작성합니다.

이 아키텍처는 팀이 "컨텍스트 엔지니어링"이라고 부르는 방식을 구현합니다. 시스템은 최종 생성이 이루어지기 전에 "연구 컨텍스트 팩"—메타데이터와 발견을 구조화한 번들—을 조립합니다. 관련 연구가 품질 기준을 충족하지 않을 경우, 시스템은 정보를 조작하기보다 답변을 거부하도록 프로그래밍되어 있습니다.

Responses API와 GPT-5를 통한 기술 구현

Consensus는 다중 에이전트 라우팅을 보다 잘 지원하기 위해 Chat Completions API에서 Responses API로 전환했으며, 이를 통해 비용 효율성과 신뢰성이 향상되었습니다. 팀은 초기 평가에서 GPT-5가 도구 호출 정확도와 계획 안정성 두 가지 핵심 영역에서 GPT-4.1, Sonnet 4, Gemini 2.5 Pro보다 우수함을 확인하고 선택했습니다.

이 전환으로 개발 팀은 프롬프트 최적화보다 에이전트 행동을 실제 연구 워크플로우에 매핑하는 데 집중할 수 있게 되었습니다.

시장 채택 및 임상 적용

Consensus는 학술 기관을 통한 판매 대신 학생, 교수, 임상의 등을 직접 대상으로 하는 Direct‑to‑Consumer 모델을 채택했습니다. 이 전략으로 플랫폼은 전 세계 800만 명 이상의 연구자에게 도달했으며, 지난 해 매출이 8배 증가했습니다.

• User Base: 대학원생, 박사 과정 후보자, 교수진 사이에서 급속한 성장.
• Medical Mode: 임상 근거를 찾는 실무자를 위해 특별히 설계된 새로운 기능.
• Institutional Partnerships: 회사는 최근 Mayo Clinic의 의료 도서관과 파트너십을 체결했습니다.

미래 확장성

플랫폼의 모듈식 아키텍처는 모델 기능이 확장됨에 따라 새로운 에이전트를 통합할 수 있도록 설계되었습니다. 향후 계획된 기능에는 실험을 재현하고, 통계 분석을 수행하며, 도표를 생성할 수 있는 에이전트가 포함됩니다.