# Agentic Search

Source: https://docs.mira.day/ko/docs/agent-sourcing/agentic-search

> 원하는 사람을 자연어로 설명하세요. Mira가 여러 데이터 소스를 탐색하고 단계별로 깊이 파고들어, 각 후보자가 왜 적합한지 이유와 함께 결과를 돌려줍니다.



Agentic Search는 Mira가 사람을 찾는 방식입니다. 불리언 문자열을 작성하거나 키워드를 고를 필요가 없습니다 — **원하는 사람을 자연어로 설명하면, Mira는 숙련된 리크루터처럼 움직입니다: 여러 데이터 소스를 검색하고, 단계별로 단서를 추적하며, 각 후보자가 왜 적합한지 알려줍니다.**

***

해결하는 문제 [#해결하는-문제]

기존 후보자 검색에는 두 가지 구조적 한계가 있습니다:

* **데이터베이스 하나.** 적합한 사람들은 전문 네트워크, 코드 커뮤니티, 리서치 플랫폼, 기업 사이트 등 여러 곳에 흩어져 있습니다 — 하나의 데이터베이스로는 반드시 놓치는 사람이 생깁니다.
* **한 번의 검색.** 단일 키워드 매칭은 이력서가 그럴듯한 사람을 돌려주는 경향이 있으며, 실제로 잘 맞는 사람을 찾아주지는 않습니다.

Agentic Search는 두 가지 모두 다릅니다: **여러 데이터 소스**에서 가져오고, **여러 단계**에 걸쳐 진행합니다 — 직전 단계에서 나온 결과를 바탕으로 다음에 어디를 볼지 결정하면서 — 적극적으로 구직 중이지 않은 패시브 후보자까지 포함해 적합한 사람을 찾을 때까지 탐색합니다.

작동 방식 [#작동-방식]

1. **요구사항을 설명합니다** — 일상 언어로: 역할, 필수 조건, 우대 사항.
2. **Mira가 검색합니다** — 여러 데이터 소스를 넘나들며 단서(기업, 기술 스택, 프로젝트, 공개 작업물)를 추적하고 교차 검증합니다.
3. **설명 가능한 결과를 받습니다** — 모든 후보자에게 *왜 적합한지* 이유가 붙은 후보자 목록.
4. **방향을 조정합니다** — 방향이 맞지 않으면 그냥 말하거나 조건을 추가하면 Mira가 조정합니다.

핵심 기능 [#핵심-기능]

* **크로스 소스 리콜** — 여러 전문 인재 소스와 오픈 웹을 동시에 검색해 더 넓은 커버리지를 확보합니다.
* **멀티스텝 심층 탐색** — 한 번으로 끝나는 매칭이 아닙니다; 단서를 추적하고 교차 검증하여 패시브 후보자에게도 닿을 수 있습니다.
* **설명 가능한 매칭** — 모든 후보자에게 이유가 붙어 있어 결과를 판단하고 신뢰할 수 있습니다. [MRE](./understanding-ai-matching)가 이를 뒷받침합니다.
* **온디맨드 연락처 공개** — 적합한 사람을 찾은 후 필요할 때 이메일이나 전화번호를 공개합니다(공개할 때마다 credits이 차감됩니다).

역할을 잘 설명하는 방법 [#역할을-잘-설명하는-방법]

Agent는 자연어를 이해합니다 — 하지만 맥락이 많을수록 추론할 재료가 풍부해집니다. 약한 프롬프트와 강한 프롬프트는 매우 다른 Shortlist를 돌려줍니다:

| 약한 설명         | 강한 설명                                                      | 차이가 중요한 이유                         |
| ------------- | ---------------------------------------------------------- | ---------------------------------- |
| "개발자 찾아줘"     | "시니어 백엔드 엔지니어, Python 5년 이상, 대규모 마이크로서비스 구축 경험, 핀테크 출신 우대" | 맥락이 많을수록 매칭에 활용할 신호가 늘어납니다         |
| "뉴욕 마케터"      | "뉴욕 B2B SaaS 마케팅 매니저, 제품 출시 경험 있음, 데이터 기반 캠페인에 익숙함"        | 암묵적 기준이 추론 기반 매칭을 활성화합니다           |
| "잘하는 사람이 필요해" | "0 to 1로 제품을 만들어 본 사람, 시리즈 A-B 스타트업 출신 우대"                 | Mira는 "0 to 1"을 초기 단계 빌딩 경험으로 읽습니다 |

암묵적 기준도 활용할 수 있습니다 — 리크루터에게 말로 설명하는 것들 ("실행력이 있는", "자율적으로 운영 가능한", "팀을 처음부터 구성해 본"). Mira는 이것을 키워드로 매칭하는 것이 아니라 의미를 추론합니다.

빠른 시작 [#빠른-시작]

1. **원하는 사람을 자연어로 설명하세요**, 가능한 한 많이 담아서:
   * 역할 / 레벨
   * 필수 조건 (협상 불가 사항)
   * 우대 사항
   * 위치, 업종, 기업 유형 등 제약 조건
2. **Mira가 검색하는 동안 기다리세요** — 진행하면서 단계들을 보여줍니다.
3. **목록과 각 후보자의 매칭 이유를 검토하세요**; 필요에 따라 연락처를 공개하세요.
4. **정확하지 않나요?** 후속 질문을 하거나 기준을 조정하면 계속 다듬어집니다.

<Callout>
  **프롬프트 예시:** "핀테크 회사에서 실시간 리스크 컨트롤 시스템을 구축한 시니어 백엔드 엔지니어 3명 찾아줘. Go와 Kafka 경험 있으면 우대, 상하이 기반."
</Callout>

Mira는 여러 소스에서 적합한 사람들을 찾고, 프로젝트와 배경을 깊이 파고들어 교차 검증한 후, 각 후보자에게 매칭 이유를 붙인 Shortlist를 돌려줍니다 — 그런 다음 "팀 관리 경험이 있는 사람으로 몇 명 더 찾아줘"라고 말해 좁혀나갈 수 있습니다.

더 좋은 결과를 위한 팁 [#더-좋은-결과를-위한-팁]

* **필수 조건과 우대 사항을 구분하세요.** Mira에게 무엇이 필수이고 무엇이 보너스인지 알려주면 매칭이 더 정확해집니다.
* **배경을 설명하세요.** "자율적으로 운영 가능한 사람이 필요한 초기 스타트업입니다"는 적합도 판단을 도와줍니다.
* **후속 질문을 활용하세요.** 방향이 맞지 않을 때, 처음부터 다시 시작하는 대신 조건을 추가하거나 수정하세요.
* **복잡한 역할은 팀으로 진행하세요.** 크로스 펑셔널하거나 조건이 많은 역할은 [Agent Team](./agent-teams)에 맡겨 병렬로 작업하게 하세요.
* **자주 쓰는 검색을 저장하세요.** 반복하는 검색 워크플로우를 [Skill](./skills)로 만들어 팀이 재사용할 수 있게 하세요.

내부 동작 원리 [#내부-동작-원리]

Agentic Search를 구동하는 몇 가지 요소를 쉽게 설명하면:

* **멀티소스 검색 + 통합 랭킹.** Mira가 여러 데이터 소스를 동시에 쿼리한 후 결과를 병합·중복 제거·재랭킹합니다(역순위 융합(RRF)) — 특정 소스의 편향이 지배하지 않도록 합니다.
* **반복적 추론 루프.** 단일 쿼리가 아니라 추론 → 검색 → 결과 읽기 → 다시 추론의 방식으로, 방금 찾은 것을 바탕으로 다음 단계를 선택합니다.
* **레이어드 파이프라인.** 발견, 연락처 보강, 프로필 보강이 별도의 레이어로 실행되며, 필요할 때만 더 깊이 들어갑니다.
* **설명 가능한 매칭.** [MRE](./understanding-ai-matching)가 각 후보자를 요구사항과 대조 평가하고 화면에 표시되는 이유를 작성합니다.

> 학술적 표현으로, 다양한 이종 소스를 결합하고 여러 도메인에 걸쳐 단계별로 문제를 해결하는 것을 **멀티소스 검색**과 **멀티홉 추론**이라고 합니다.

관련 문서 [#관련-문서]

* [Shortlist 검토하기](./review-your-shortlist) — 받은 후보자를 읽고 내보내는 방법.
* [AI 후보자 매칭](./understanding-ai-matching) — MRE가 적합도를 평가하는 방식.
* [Agent Teams](./agent-teams) — 여러 전문화된 Agent를 복잡한 검색에 투입하는 방법.

Mira를 사용해 보시겠습니까? [대기 명단에 참여하세요](https://www.mira.day/join-waitlist)에서 얼리 액세스를 신청하세요.