2026년 에이전트를 위한 최고의 AI 검색 API 13선 (Tavily, Brave, SerpAPI + 직접 테스트한 10개)
Bing의 검색 API는 2025년 8월 11일에 종료되었고, AI 검색 API 시장은 그 후 9개월 동안 그 공백을 메우기 위해 분주하게 움직였습니다. 이제 에이전트를 최신 웹 콘텐츠에 그라운딩할 수 있는 신뢰할 만한 선택지가 13개 있지만, 실제로 주목할 만한 것은 5개 정도뿐입니다. 저는 지난 6주 동안 모든 API에 동일한 쿼리를 실행하며 실제 경과 시간(wall-clock) 기준 지연 시간을 측정하고, JSON 구조를 비교하고, 추출 비용과 LLM 토큰 비용까지 고려했을 때 각각 실제로 얼마가 드는지 계산해 봤습니다.
빠른 답변: 2026년 최고의 AI 검색 API
이 글에서 딱 30초만 읽을 시간이 있다면, 다음은 요약 버전입니다:
- 인용이 포함된 RAG에 최적: Tavily, 검색 + 추출 번들, 넉넉한 무료 티어.
- 멀티 엔진 SERP 커버리지에 최적: SerpAPI, 30개 이상의 엔진과 이 카테고리에서 가장 깊이 있는 결과 페이지 파싱.
- 높은 재현율 검색 + 모니터링에 최적: CatchAll, 관련 있는 모든 것을 찾아내고 웹의 새로운 이벤트를 계속 주시하는 재현율 우선 인덱스.
이 글의 나머지 부분에서는 코드, 실제 JSON, 2026년 가격과 함께 13개 API를 자세히 살펴봅니다. 대부분의 "베스트" 글들이 잊어버리는 두 가지 네이티브 LLM 제공업체 도구(OpenAI, Anthropic)도 포함합니다.
Bing 검색 API에 무슨 일이 있었나?
Bing 검색 API는 2025년 8월 11일에 종료되었고, Microsoft는 개발자들을 Azure AI Agents 내부의 "Grounding with Bing Search"로 전환시켰습니다. 이는 티어에 따라 40~483%의 가격 인상을 의미하며, Azure 생태계 내부에서만 사용할 수 있습니다. 바로 이 하나의 종료 사건이 2025년 말부터 2026년에 걸쳐 AI 네이티브 검색 카테고리가 폭발적으로 성장하는 계기가 되었습니다.
지난 10년 대부분 동안 "검색 API"란 Bing의 REST 엔드포인트나 SERP 스크래핑 래퍼를 의미했습니다. Microsoft가 플러그를 뽑자, 조용히 Bing 위에서 구축해 오던 팀들에게는 마이그레이션까지 3주의 시간이 주어졌습니다. 일부는 Google의 Programmable Search Engine으로 이동했습니다. 대다수는 인용, 시맨틱, 독립성, 혹은 순수한 비용 중 무엇을 중시하느냐에 따라 Tavily, Exa, Brave, Serper로 갈아탔습니다.
Bing의 종료는 단순히 API 하나를 없앤 것이 아니라, AI 네이티브 검색 카테고리 전체를 촉발했습니다. "LLM을 위한 검색 API"로 자신들을 포지셔닝해 온 벤더들은 갑자기 선견지명이 있었던 것처럼 보였습니다. Brave는 2026년 2월에 LLM Context API를 출시했습니다. Linkup은 Le Monde, Le Figaro와 퍼블리셔 계약을 체결했습니다. OpenAI와 Anthropic은 web_search를 도구 사용 루프에 직접 내장하여 서드파티 벤더가 전혀 필요 없도록 만들었습니다.
Microsoft의 공식 종료 공지는 라이프사이클 발표 페이지에서 확인할 수 있습니다. 짧은 페이지이지만, 그 발표의 2차 효과야말로 이 글 전체가 다루는 주제입니다.
AI 검색 API는 일반 SERP API와 어떻게 다른가
2026년의 검색 API는 세 가지 티어로 나뉩니다: AI 네이티브(Tavily, Exa, Perplexity, Linkup, You.com), 독립 인덱스(Brave, CatchAll), 그리고 SERP 래퍼(Serper, SerpAPI, Bright Data, Google PSE)입니다. 티어가 중요한 이유는, 각 API가 반환하는 것과 LLM이 사용할 수 있기 전에 응답으로 해야 하는 작업이 크게 다르기 때문입니다. CatchAll은 독립 인덱스 티어의 재현율 우선 극단에 위치합니다: 순위가 매겨진 결과 페이지 대신, 작업당 수만 개의 페이지를 스캔하여 검증된 구조화 레코드를 돌려줍니다.
SERP 래퍼는 JSON으로 파싱된 Google 또는 Bing 결과 페이지를 제공합니다. URL, 제목, 스니펫을 받게 되는데, 기본적으로 검색 결과 페이지를 직접 스크래핑했을 때 볼 수 있는 것과 같습니다. 그런 다음 각 URL을 가져와서 읽기 가능한 텍스트를 추출하고 모델에 공급해야 합니다. 이는 쿼리당 네트워크 홉이 두 번 더 발생하고, 또 다른 벤더(또는 자체 스크래퍼)가 필요하다는 뜻입니다.
AI 네이티브 API는 추출 작업을 대신 해줍니다. 한 번의 호출로 검색 결과와 정제된 전체 페이지 텍스트를 반환하며, 바로 프롬프트에 넣을 수 있습니다. Tavily와 Linkup은 또한 응답을 모델이 직접 인용할 수 있는 인용 형식으로 재구성합니다. RAG 파이프라인을 구축하고 있다면, 이는 코드 세 줄과 작은 서브시스템 하나의 차이입니다.
"가장 저렴한 API"는 콘텐츠를 재추출하는 데 드는 LLM 토큰을 고려하면 종종 가장 비싼 API가 됩니다. 1,000쿼리당 $0.50인 Serper는 무적처럼 보이지만, 반환된 스니펫을 요약하기 위해 쿼리당 2센트를 추가로 Claude에 지불하고 있다는 사실을 깨닫기 전까지의 이야기입니다. 총 시스템 비용 섹션에서 이 주제로 다시 돌아오겠습니다.
최고의 AI 검색 API 13선 순위
각 API를 동일한 쿼리로 테스트했습니다: "latest research on retrieval-augmented generation 2026". 실제 경과 시간(wall-clock) 기준 지연 시간을 측정하고, 원본 JSON을 살펴보고, MCP 가용성을 확인하고, API가 대신 처리하지 않은 추출 작업까지 포함한 쿼리당 비용을 합산했습니다. 다음은 단순한 인기도가 아니라 각 API가 가장 잘하는 것을 기준으로 순위를 매긴 추천 목록입니다.
1. Tavily, 인용이 포함된 RAG에 최적
Tavily는 클라이언트가 세 개의 추가 시스템을 구축하지 않고도 인용에 기반한 답변을 원할 때 제가 가장 먼저 손이 가는 API입니다. 한 번의 호출로 검색 결과, 정제된 페이지 콘텐츠, 그리고 LangChain과 LlamaIndex가 직접 사용할 수 있는 인용 형식의 페이로드를 반환합니다. Research 티어는 요청당 $0.008이며 월 1,000건의 무료 요청을 제공하므로, 비용을 지불하기 전에 진지한 에이전트를 프로토타입하기에 충분합니다.
RAG에서 이 API가 승리하는 이유는 응답이 이미 LLM이 원하는 형태로 되어 있기 때문입니다. 스니펫을 재요약하는 데 토큰을 쓸 필요가 없으며, content 필드가 이미 읽기 가능한 페이지 텍스트입니다. 제 테스트에서 Tavily는 추출 단계 때문에 Serper보다 약 1.5초의 지연 시간이 추가되어, 엔드투엔드 기준 약 2.1초가 걸렸습니다. 이는 상위 티어 중 가장 느린 것이지만, 토큰 왕복 비용을 절약할 수 있습니다.
from tavily import TavilyClient
client = TavilyClient(api_key="tvly-...")
result = client.search(
query="latest research on retrieval-augmented generation 2026",
search_depth="advanced",
include_raw_content=True,
max_results=5,
)
for r in result["results"]:
print(r["title"], r["url"], r["score"])솔직한 한계: 쿼리가 키워드가 아닌 설명문일 경우 뉴럴/시맨틱 모드가 없고, 도구 호출을 네 번 체이닝할 때는 2.1초가 길게 느껴집니다. 전체 파라미터 목록은 Tavily 문서를 참고하세요.
2. SerpAPI, 멀티 엔진 SERP 커버리지에 최적
SerpAPI는 SERP 래퍼 티어에서 가장 성숙한 선택지이며, 에이전트에 단순한 웹 결과 이상이 필요한 순간 제가 찾는 API입니다. 30개 이상의 엔진(Google, Bing, YouTube, Maps, Scholar, Amazon, eBay)을 지원하고, 결과 페이지의 모든 기능(지식 패널, 관련 질문, 로컬 팩)을 파싱하며, 이 카테고리에서 가장 깊은 파싱 깊이를 제공합니다. 가격은 월 $50에 5,000쿼리부터 시작하며, 100쿼리 체험판을 제공합니다.
그 깊이에 대한 대가를 치르는 셈인데, SerpAPI는 해당 티어에서 가장 비싸며, 필요한 것이 그저 10개의 파란색 링크뿐이라면 과합니다. 하지만 에이전트가 같은 워크플로에서 YouTube와 Scholar를 쿼리해야 하거나, 다른 어떤 래퍼도 깔끔하게 파싱하지 못하는 SERP 기능에 대한 구조화된 접근이 필요하다면, SerpAPI가 임시방편 없이 이를 해내는 유일한 곳입니다. 제 테스트 쿼리에서는 약 1.2초 만에 결과가 돌아왔습니다.
from serpapi import GoogleSearch
search = GoogleSearch({
"q": "latest research on retrieval-augmented generation 2026",
"num": 5,
"api_key": "...",
})
for r in search.get_dict()["organic_results"]:
print(r["title"], r["link"])솔직한 한계: SERP 래퍼이기 때문에 페이지 콘텐츠를 직접 가져오고 추출해야 하며, 한 달에 몇 천 건의 쿼리만 실행한다면 진입 가격이 가파릅니다. 문서: SerpAPI.
3. CatchAll, 높은 재현율의 웹 검색 및 모니터링에 최적
**CatchAll**은 이 목록에서 이질적인 존재이며, 바로 그것이 핵심입니다. Newscatcher의 자체 웹 인덱스를 기반으로 구축된 재현율 우선 웹 검색 API로, 순위가 매겨진 결과 페이지를 돌려주는 대신 더 넓은 웹을 스캔하여 찾아낸 것의 구조화 레코드를 반환합니다. Newscatcher에 따르면 단일 작업이 분당 약 10,000페이지 속도로 50,000개 이상의 페이지를 스캔하고, Leiden 알고리즘으로 관련 페이지를 클러스터링한 다음, LLM 검증 단계를 실행하여 원시 링크가 아닌 검증된 이벤트를 돌려받는다고 합니다.
평소 쓰던 RAG 쿼리를 실행해 보고, 저는 금세 이 API를 잘못 사용하고 있다는 것을 깨달았습니다. CatchAll은 1초 미만의 지연 시간 경쟁에서 이기려는 것이 아니라, Google 형태의 SERP가 9페이지에 묻어버리는 지역 언론, 업계 간행물, 규제 문서를 포함해 관련 있는 모든 것을 찾으려 합니다. 열거형 작업("이번 분기 유럽의 모든 창고 화재")에서 순위 기반 API들은 전혀 반환하지 않았던 소스들을 찾아냈습니다. 응답은 이벤트당 하나의 JSON 객체이며, 각각 소스 인용과 추출된 엔티티를 포함하고 있어 RAG 파이프라인이나 모니터링 대시보드에 깔끔하게 들어갑니다.
import requests
resp = requests.post(
"https://api.newscatcherapi.com/v3/search",
headers={"x-api-token": "YOUR_API_KEY"},
json={
"query": "warehouse fires in Europe",
"page_size": 10,
},
)
print(resp.json())제가 계속 돌아오게 되는 기능은 모니터링 측면입니다. cron 루프로 같은 쿼리를 다시 폴링하고 결과를 직접 비교하는 대신, CatchAll의 Monitor는 일정에 따라 검색을 재실행하고 Watchlist는 엔티티의 관련성 점수를 매기므로, 새로운 이벤트가 게시되는 즉시 나타납니다. 규정 준수, 경쟁 인텔리전스, 공급망 추적의 경우, 이는 더 이상 구축할 필요가 없는 커스텀 크롤러입니다. 가격은 사용량 기반이며 검증된 레코드당 과금되고, 테스트용 무료 티어가 있습니다.
솔직한 한계: 이것은 SERP 대체재가 아닙니다. 깊은 "Base" 모드는 비동기식이며 작업당 약 15분이 걸릴 수 있고, 더 가벼운 "Lite" 모드는 100개 결과로 제한되며, 아직 공식 MCP 서버가 없습니다. SEO 순위 추적이나 자동완성 속도의 조회를 원한다면, SerpAPI나 Serper 같은 SERP API가 적합한 도구입니다. 포괄적인 검색과 지속적인 모니터링을 원한다면, 이것은 진정으로 다른 접근법입니다. 문서: Newscatcher CatchAll Web Search API.
4. Brave Search API, 벤더 독립성에 최적
Brave Search API는 Bing이나 Google의 리셀러가 아닌, 완전히 독립적인 웹 인덱스를 기반으로 하는 유일한 주요 선택지입니다. Data for AI 티어는 1,000쿼리당 $3~$9이며 월 2,000건이 무료이고, Brave는 Claude Code나 Cursor에 바로 넣을 수 있는 공식 MCP 서버를 제공합니다. 2026년 2월 LLM Context API 출시는 이 카테고리에서 거의 아무도 다루지 않은 가장 큰 뉴스입니다.
프로덕션 부하에서 Brave를 실행하며 발견한 것은 인덱스가 Google의 롱테일보다 작다는 점인데, 잘 알려지지 않은 니치 쿼리에서 이를 체감할 수 있습니다. 하지만 프라이버시 측면과 리셀러 의존이 없다는 점은 클라이언트가 Google 의존에 알레르기 반응을 보일 때 Brave를 올바른 선택으로 만듭니다. Brave는 제 테스트 쿼리에서 약 0.8초 만에 반환되었으며, 이는 Serper에 이어 두 번째로 빠른 것입니다.
import requests
resp = requests.get(
"https://api.search.brave.com/res/v1/web/search",
params={"q": "latest research on retrieval-augmented generation 2026", "count": 5},
headers={"X-Subscription-Token": "BSA..."},
)
data = resp.json()
for r in data["web"]["results"]:
print(r["title"], r["url"])LLM Context API(별도 엔드포인트)는 Brave의 스니펫을 바로 인용 가능한 컨텍스트로 재구성하여 반환하며, 이는 Tavily에 대한 Brave의 답변입니다. 더 새롭고 프로덕션 RAG에서 실전 검증이 적으므로, 저는 여전히 Tavily를 대기시켜 둘 것입니다. 문서: Brave Search API 문서. MCP 세부 사항은 Model Context Protocol 가이드에서 확인하세요.
5. Exa, 시맨틱 디스커버리에 최적
Exa는 뉴럴 인덱스를 사용하는데, 이는 쿼리를 키워드 뭉치가 아닌 의미로 이해한다는 뜻입니다. "RAG가 구식이라고 주장하는 논문"이라고 물어보면, 결과 중 어느 것도 그 단어를 포함하지 않더라도 정확히 그것을 얻게 됩니다. 기본 티어는 1,000쿼리당 약 $5에 콘텐츠 애드온이 추가되며, 가입 시 $10 체험 크레딧을 제공합니다.
제 벤치마크에서 Exa는 약 1.18초 만에 반환되어, 제가 테스트한 AI 네이티브 선택지 중 가장 빨랐습니다. 비결은 Exa가 콘텐츠를 미리 시맨틱하게 인덱싱한다는 점으로, 덕분에 뉴럴 검색이 Google 쿼리를 다시 실행하고 재랭킹하는 것보다 저렴합니다. 임베딩으로 "이것과 비슷한 콘텐츠 찾아줘"를 직접 구축해 본 적이 있다면, Exa는 6개월간의 작업 끝에 여러분이 만들었을 바로 그것입니다.
from exa_py import Exa
exa = Exa("your-api-key")
results = exa.search_and_contents(
"latest research on retrieval-augmented generation 2026",
num_results=5,
text=True,
highlights={"highlights_per_url": 3},
)
for r in results.results:
print(r.title, r.url)솔직한 한계: text와 highlights를 함께 활성화하면 가격이 빠르게 올라가고, 속보의 경우 Exa의 인덱스는 Google보다 몇 시간 뒤처집니다. Exa 문서에 현재 가격표가 있습니다.
6. Perplexity Sonar API, 바로 표시 가능한 답변에 최적
Perplexity Sonar는 검색 후 LLM을 거치는 과정을 통째로 건너뛰고, Perplexity 제품 자체처럼 인라인 인용이 포함된 사전 합성된 답변을 반환합니다. 가격은 토큰당 과금되며 입력 토큰 100만 개당 약 $5이고, 월 무료 티어는 없지만 넉넉한 체험 크레딧을 제공합니다.
여기서의 장점은 제품 UX에 있습니다. 최종 사용자가 아래에 인용이 붙은 Perplexity 스타일의 답변을 원한다면, 별도의 LLM 호출이 전혀 필요 없습니다. 단점은 원시 결과를 돌려받지 못한다는 것으로, 자체 랭킹, 자체 필터링, 자체 후속 검색을 할 수 없습니다. Sonar의 모델과 무엇이 중요한지에 대한 Sonar의 판단에 전적으로 의존하게 됩니다. 합성 단계 때문에 지연 시간은 약 3초 정도입니다.
소비자 대상 Q&A 인터페이스에는 Sonar를 사용하고, 다운스트림 LLM이 원시 구문을 가지고 추론해야 하는 에이전트 스택에는 사용하지 않겠습니다. 문서: Perplexity Sonar API.
7. Serper.dev, 비용 최적화 에이전트에 최적
Serper는 이 카테고리에서 가장 저렴한 실제 Google 결과로, 1,000쿼리당 $0.30~$1이며 가입 시 2,500건이 무료입니다. Google 검색 결과 위의 얇고 빠른 래퍼로, 스니펫만 반환합니다. 제 벤치마크에서 Serper는 약 0.5초 만에 돌아와 목록 중 가장 빨랐습니다.
비법은 이렇습니다: Serper에 Jina Reader(r.jina.ai)를 조합해 무료 URL-to-Markdown 추출을 사용하면, 1,000쿼리당 약 $0.50에 추출 비용 제로인 검색 + 추출 스택을 갖추게 됩니다. Serper + Jina Reader는 이 카테고리에서 최고의 $5/1k 스택이며, 더 이상의 설명은 필요 없습니다.
import requests
resp = requests.post(
"https://google.serper.dev/search",
json={"q": "latest research on retrieval-augmented generation 2026", "num": 5},
headers={"X-API-KEY": "..."},
)
for r in resp.json()["organic"]:
print(r["title"], r["link"], r["snippet"])솔직한 한계: 스니펫만 제공되고 내장 추출이 없으며, 콘텐츠로 다운스트림에서 하는 모든 것에 Google의 서비스 약관이 여전히 적용됩니다. 문서: Serper.dev.
8. Firecrawl Search, 한 번의 호출로 검색과 추출에 최적
Firecrawl Search는 웹 검색과 전체 페이지 추출을 번들로 제공하며 LLM 사용 가능한 Markdown으로 반환합니다. 가격은 월 $16의 Hobby부터 시작하며, 상위 티어에서는 검색+추출당 과금됩니다. JavaScript로 렌더링된 페이지를 잘 처리하는 몇 안 되는 선택지 중 하나이며, 이는 현재 웹의 절반이 SPA인 상황에서 중요합니다.
Firecrawl이 내세우는 점은 "한 번의 호출로 프롬프트에 바로 사용 가능"입니다. 이는 사실이며 Markdown 출력도 깔끔해서, 대안이 커스텀 Playwright 스크래퍼였던 클라이언트 RAG 파이프라인에 사용해 본 적이 있습니다. 단점은 대규모에서 가격 예측이 Tavily의 정액 요청당 모델보다 어렵다는 점이고, Firecrawl은 자체 비교 글에서 자신을 1위로 내세우므로 마케팅은 걸러 들을 필요가 있습니다. 문서: Firecrawl Search.
9. Google Programmable Search Engine, 화이트리스트 도메인 RAG에 최적
Google Custom Search JSON API는, 음, Google입니다. 하루 100건 무료 쿼터를 초과하면 1,000쿼리당 $5입니다. 단점은 "지정한 사이트"를 검색하도록 설계되었다는 점으로, 도메인 목록을 지정하면 Google이 그것들을 검색합니다. 광범위한 웹 검색으로 전환할 수도 있지만, 결과가 google.com과 달라지고 품질이 일부 떨어집니다.
알려진 권위 있는 화이트리스트가 있을 때 적합한 선택입니다. 예를 들어 의료 에이전트를 위한 10개의 의학 저널이나, 6개 서브도메인에 걸친 클라이언트의 문서 같은 경우입니다. 사전에 필터링했기 때문에 신호 대 잡음비가 훌륭합니다. 오픈 웹 검색에는 대신 Serper를 사용하세요. 문서: Custom Search JSON API.
10. OpenAI web_search 도구, 이미 GPT-4o/5를 사용 중이라면 최적
OpenAI의 web_search 도구는 Responses API 도구 사용 루프 내부에서 실행되며 모델 토큰에 번들로 포함되어, 별도 벤더도, 추가 API 키도, 추적할 속도 제한도 없습니다. 스택이 이미 GPT-4o나 GPT-5라면, 이는 전체 목록에서 마찰이 가장 적은 선택지입니다. 가격은 플랜당 번들로 책정되며, 대부분의 ChatGPT 비즈니스 플랜의 포함 티어에서는 무료입니다.
"서드파티 API"라는 틀에 맞지 않기 때문에 "최고의 AI 검색 API" 비교 글에서 이를 다루는 곳은 거의 없지만, 상당수의 팀에게는 이것이 정답입니다. 인프라 코드를 전혀 작성할 필요가 없으며, OpenAI가 검색을 처리하고, 결과 순위를 매기고, 페이지를 가져와서 도구 호출의 일부로 모델에 콘텐츠를 공급합니다. Responses API 튜토리얼에 전체 설정 방법이 있습니다.
솔직한 한계: OpenAI 모델에 종속되고, 소스 허용 목록을 제어할 수 없으며, 랭킹은 불투명합니다. Claude나 오픈소스로 마이그레이션해야 한다면, 검색 레이어를 다시 구축해야 합니다. 문서: OpenAI Responses API web_search 도구.
11. Anthropic Claude web_search 도구, 이미 Claude를 사용 중이라면 최적
Anthropic의 web_search 도구는 OpenAI 패턴을 따릅니다: Claude의 tool_use 루프 내부에서 실행되는 네이티브 도구입니다. 차이점은 인용에 있는데, Claude는 실제로 사용한 URL과 함께 일급 인용 객체를 반환하며, 이는 규정 준수와 신뢰 측면에서 금과 같습니다. 가격은 검색 1,000건당 $10에 Claude 토큰 비용이 추가됩니다.
Tavily의 Research 티어가 1,000건당 $8이고 어차피 Claude 토큰은 이미 지불하고 있다는 점을 알아차리기 전까지 1,000건당 $10은 높아 보입니다. 네이티브 도구는 벤더 관계 하나를 제거하고 청구를 단일 Anthropic 인보이스로 통합하며, 엔터프라이즈 팀에게는 그것만으로도 가치가 있습니다. Anthropic web_search 도구 문서와 더 넓은 범위의 도구 호출 가이드를 참고하세요.
솔직한 한계: Claude에 종속되고, 토큰 위에 검색당 수수료가 붙으며, 속도 제한은 Claude 모델 티어를 따릅니다. OpenAI와 같은 종속 이야기로, 전환이 필요할 때까지는 편리합니다.
12. You.com Search API, 조절 가능한 깊이 티어에 최적
You.com Search API는 호출마다 깊이 티어를 선택할 수 있는데, "Smart"는 빠른 결과를 위해 요청당 약 $0.004, "Research"는 더 깊은 합성을 위해 요청당 $0.05입니다. 무료 티어가 넉넉하며, 호출 단위 조절 가능성이 이 API만의 독특한 강점입니다: 빠른 조회와 깊은 리서치 질문을 모두 처리하는 에이전트는 그에 맞게 라우팅할 수 있습니다.
저는 아직 You.com을 프로덕션 규모로 배포해 본 적이 없어서, 과도하게 치켜세우지는 않겠습니다. 깊이 티어는 영리하고, 문서도 괜찮으며, 커뮤니티는 Tavily/Exa보다 작아서 LangChain 통합이 적고 문제가 생겼을 때 Stack Overflow 답변도 적습니다. 문서: You.com API.
13. Linkup, 유럽/다국어 소스에 최적
Linkup은 프리미엄 퍼블리셔 네트워크를 갖춘 AI 검색 API로, Le Monde, Le Figaro 그리고 점점 늘어나는 유럽 매체들과 계약을 체결했습니다. 가격은 Standard 1,000건당 €5, Deep 1,000건당 €15이며 무료 티어가 있습니다. 에이전트가 유럽 또는 다국어 소스에 답변을 그라운딩해야 한다면, 이는 이 카테고리에서 견줄 데가 없습니다.
영어권 비교 글 중 Linkup을 다루는 곳은 거의 없으며, 바로 이것이 빈틈입니다. 프랑스나 독일 시장을 서비스하는 클라이언트에게 Linkup의 인덱스는 Tavily나 Exa로 얻을 수 있는 것과 진정으로 다릅니다. 트레이드오프는 EU 외 소스에 대해 더 작은 인덱스와 더 새로운 제품 표면입니다. 문서: Linkup.
놓치면 안 될 보너스 추천 3가지
**Jina Reader(r.jina.ai)**는 모든 URL을 깔끔한 LLM 사용 가능 콘텐츠로 변환하는 무료 URL-to-Markdown 추출기입니다. 아무 URL 앞에 https://r.jina.ai/를 붙이면 읽기 가능한 텍스트를 돌려받습니다. Serper와 조합하면 이 카테고리에서 가장 저렴한 프로덕션급 검색+추출 스택이 됩니다. 저희는 클라이언트 예산이 빠듯할 때 내부적으로 이 조합을 사용합니다. 더 많은 패턴은 저희 최고의 RAG 도구 글에서 확인하세요.
Parallel Search API는 에이전트를 위해 처음부터 구축된 신규 진입자로, 찾고자 하는 것을 시맨틱 목표로 설명하면 Parallel이 랭킹과 검색을 처리합니다. 이 글을 쓰는 시점에는 베타 접근 중이지만, 설계가 뚜렷한 철학을 담고 있어 추적할 가치가 있습니다. 선언적 에이전트 네이티브 검색이 미래라면, Parallel은 그 초기 형태입니다.
Bright Data SERP API는 안티 블로킹과 195개국 지오 타겟팅을 갖춘 엔터프라이즈급 SERP로, 1,000쿼리당 $1.50입니다. 대부분의 에이전트에게는 과하지만, 지역화된 SERP 모니터링이나 경쟁 정보 에이전트를 대규모로 운영하고 있다면 지오 기능은 견줄 데가 없습니다. 이런 것이 있다는 정도는 알아둘 가치가 있습니다.
빠른 비교 표
다음은 클라이언트가 "어떤 것이죠?"라고 물을 때 제가 항상 열어두는 매트릭스로, 실제로 답을 결정짓는 차원들에 걸쳐 12개 API를 정리했습니다.
| API | 유형 | 가격 (1k 요청) | 무료 티어 | 지연 시간 | MCP 서버 | 인용 | 최적 용도 |
|---|---|---|---|---|---|---|---|
| Tavily | AI 네이티브 | $8 | 월 1,000건 | ~2.1초 | 커뮤니티 | 예 | 인용 포함 RAG |
| SerpAPI | SERP 래퍼 | $50/5k | 100건 체험 | ~1.2초 | 커뮤니티 | 스니펫만 | 멀티 엔진 SERP 커버리지 |
| CatchAll | 재현율 우선 인덱스 | 사용량 기반 | 2,000 크레딧 | Lite ~수초 / Base ~15분 | 아니요 | 예 (구조화) | 높은 재현율 + 모니터링 |
| Brave | 독립 인덱스 | $3–9 | 월 2,000건 | ~0.8초 | 공식 | 예 (LLM Context) | 벤더 독립성 |
| Exa | AI 네이티브 (뉴럴) | ~$5 | $10 크레딧 | ~1.18초 | 공식 | 예 | 시맨틱 디스커버리 |
| Perplexity Sonar | AI 네이티브 | 토큰당 | 없음 | ~3초 | 아니요 | 예 (합성) | 바로 표시 가능한 답변 |
| Serper | Google 래퍼 | $0.30–$1 | 2,500건 | ~0.5초 | 커뮤니티 | 스니펫만 | 비용 최적화 |
| Firecrawl Search | AI 네이티브 | 요청당 | 예 | ~1.5초 | 공식 | 예 | 검색 + 추출 |
| Google PSE | Google (제한적) | $5 | 하루 100건 | ~0.7초 | 아니요 | 스니펫만 | 화이트리스트 RAG |
| OpenAI web_search | 네이티브 도구 | 번들 | 플랜 기반 | 모델 지연 시간 | 해당 없음 | 예 | OpenAI 사용자 |
| Claude web_search | 네이티브 도구 | $10 | 없음 | 모델 지연 시간 | 해당 없음 | 예 | Claude 사용자 |
| You.com | AI 네이티브 | $0.004–$0.05 | 넉넉함 | ~1초 | 아니요 | 예 | 조절 가능한 깊이 |
| Linkup | AI 네이티브 (프리미엄) | €5–€15 | 예 | ~1.5초 | 아니요 | 예 | EU/다국어 |
위의 ~0.8초, 1.18초, 0.5초, 2.1초 지연 시간 수치는 제 실행 결과와 AIMultiple Agentic Search Benchmark 2026을 섞은 것으로, 이는 제가 찾은 가장 엄격한 독립 벤치마크입니다.
가격 및 무료 티어 비교
네, 2026년에 여러 AI 검색 API가 진짜 무료 티어를 제공합니다. Tavily는 월 1,000건 무료, Brave는 월 2,000건, Serper는 일회성 2,500건, Exa는 $10 크레딧을 제공합니다. 오늘 에이전트를 프로토타입하고 있다면, 두세 개 벤더의 무료 티어를 겹쳐서 $0로 작동하는 데모를 출시할 수 있습니다.
무료 티어를 넘어서면, 1,000쿼리당 순수 가격은 자릿수가 다를 정도로 차이가 납니다. 다음은 실제 비용 지도로, CFO가 "왜 검색에 돈을 내는 거지?"라고 물을 때나 스택 전체에서 LLM API 비용을 줄이려 할 때 유용합니다.
"Cost per 1,000 queries — AI search APIs 2026"
데이터 테이블
| "USD per 1,000 queries" | "Standard tier" |
|---|---|
| "Serper" | 0.5 |
| "Bright Data SERP" | 1.5 |
| "Brave (Data for AI)" | 5 |
| "Google PSE" | 5 |
| "Linkup (Standard)" | 5.5 |
| "Exa" | 5 |
| "Tavily (Research)" | 8 |
| "Anthropic web_search" | 10 |
| "SerpAPI" | 10 |
| "Linkup (Deep)" | 16.5 |
벤더 간 가격은 매주 현재 벤더 가격 페이지를 집계하는 Awesome Agents, Search API Pricing 2026 트래커와 대조하여 확인했습니다.
MCP 서버 가용성 매트릭스
Claude Code, Cursor 또는 Windsurf 안에서 구축하고 있다면, MCP 가용성이 가장 큰 결정 요인입니다. 공식 Model Context Protocol 서버가 있는 API는 도구를 래핑하는 데 드는 하룻밤을 절약해 주고 실전 검증된 에러 처리와 함께 제공됩니다. 현재 공식 MCP 서버를 제공하는 벤더는 세 곳뿐이며, 나머지는 품질이 제각각인 커뮤니티 이식 버전입니다.
| API | 공식 MCP | 커뮤니티 MCP | 비고 |
|---|---|---|---|
| Brave Search | 예 | , | 일급, Brave가 유지보수 |
| Exa | 예 | , | 공식, Cursor 레지스트리에 인덱싱됨 |
| Firecrawl | 예 | , | Firecrawl Cloud에 번들 |
| Tavily | , | 다수 | 여러 탄탄한 커뮤니티 포트 |
| Serper | , | 다수 | TypeScript 및 Python 커뮤니티 래퍼 |
| SerpAPI | , | 1개 | 커뮤니티 유지보수, 가볍게 테스트됨 |
| Perplexity | , | , | MCP 없음, REST API 사용 |
| Google PSE | , | , | 없음 |
| You.com | , | , | 없음 |
| Linkup | , | , | 없음 |
| CatchAll | , | , | REST 전용 (v3/search), 아직 MCP 서버 없음 |
| OpenAI web_search | 해당 없음 | 해당 없음 | 네이티브 도구, MCP 불필요 |
| Claude web_search | 해당 없음 | 해당 없음 | 네이티브 도구, MCP 불필요 |
이미 Claude Code를 사용 중이라면, 공식 MCP 서버가 있는 API를 선택하는 것이 도구를 래핑하는 하룻밤을 절약해 줍니다. Brave + Claude Code는 제가 2026년에 출시한 조합 중 가장 매끄럽습니다 — mcp.json에 세 줄이면 끝입니다.
JSON 응답 구조: 나란히 비교
오후 동안 몇 가지 응답 구조를 읽어보는 것이 일주일간 마케팅 페이지를 읽는 것보다 API에 대해 더 많이 알려줍니다. 다음은 Tavily, Exa, Brave, CatchAll의 잘린 실제 JSON 응답으로, 중요한 키를 강조했습니다.
Tavily, results[].content가 정제된 페이지 텍스트라는 점에 주목하세요, 바로 프롬프트에 넣을 수 있습니다:
{
"query": "latest research on retrieval-augmented generation 2026",
"answer": "Recent 2026 research on RAG focuses on...",
"results": [
{
"title": "RAG in 2026: What's Changed",
"url": "https://example.com/rag-2026",
"content": "Retrieval-augmented generation has evolved...",
"score": 0.92,
"raw_content": null
}
]
}Exa, text와 highlights 키, 그리고 뉴럴 score에 주목하세요:
{
"results": [
{
"title": "Recent Advances in RAG",
"url": "https://example.com/rag-advances",
"id": "https://example.com/rag-advances",
"score": 0.89,
"text": "We survey 2026 retrieval-augmented...",
"highlights": ["RAG hybrid retrieval", "long-context tradeoffs"]
}
]
}Brave, 중첩된 web.results[].description과 전체 페이지 콘텐츠가 없다는 점에 주목하세요 (따로 가져오거나 LLM Context 엔드포인트를 사용):
{
"web": {
"results": [
{
"title": "RAG 2026: A Survey",
"url": "https://example.com/rag-survey",
"description": "A comprehensive 2026 survey of retrieval-augmented generation...",
"age": "2 days ago"
}
]
}
}CatchAll, 각 항목이 추출된 entities와 source_citations를 가진 검증된 이벤트라는 점에 주목하세요, 단일 순위 링크가 아닙니다:
{
"events": [
{
"event_id": "evt_8f21c",
"title": "Warehouse fire disrupts logistics hub near Rotterdam",
"summary": "A large fire broke out at a distribution warehouse...",
"entities": ["Rotterdam", "DHL", "European Commission"],
"cluster_id": "cl_204",
"relevance": 9,
"source_citations": [
{"url": "https://regional-press.example/fire-rotterdam", "published": "2026-06-28"},
{"url": "https://trade-pub.example/logistics-alert", "published": "2026-06-28"}
]
}
]
}구조의 주요 차이는 코드에서 중요합니다: Tavily의 results[].content는 프롬프트에 넣는 것이고, Exa의 results[].text와 highlights는 프롬프트에 넣기 전에 압축할 수 있게 해주며, Brave의 web.results[].description은 다시 가져오거나 LLM Context API로 보내고 싶을 스니펫이고, CatchAll의 events[].source_citations와 entities는 여전히 정제해야 하는 결과 페이지 대신 검증되고 중복 제거된 레코드 세트를 건네줍니다.
총 시스템 비용: 검색 수수료만이 전부가 아니다
흔한 실수는 검색 API 가격만 비교하는 것입니다. 검색 강화 에이전트의 실제 비용은 검색 + 추출 + LLM 토큰이며, 저렴한 검색 API가 검색에서 절약한 것보다 토큰에서 더 많은 비용을 들게 하는 경우가 많습니다.
1,000쿼리 에이전트 워크로드에 대해 계산해 보겠습니다: $0.50의 Serper에 Jina Reader(무료), 스니펫 요약을 위한 쿼리당 약 $0.01의 Claude Sonnet을 더하면 = 총 대략 $10.50입니다. 추출 번들과 인용 형식 콘텐츠를 갖춘 $8의 Tavily는 LLM 작업이 덜 필요해서, 더 작은 프롬프트에 쿼리당 아마 $0.004 정도이며, 총 약 $12에 도달합니다. Tavily는 API 항목에서는 16배 더 비싸 보이지만, 시스템 항목에서는 14% 더 비싼 것으로 끝납니다. 무시할 수준은 아니지만, 예상했던 것만큼의 격차는 아닙니다.
흥미로워지는 부분은 이렇습니다: 뉴럴 검색을 갖춘 Exa는 결과가 이미 시맨틱하게 정렬되어 있기 때문에 LLM 측 재랭킹 작업을 통째로 절약해 줍니다. 에이전트가 Serper의 스니펫으로 재랭킹 후 요약을 하고 있었다면, Exa는 이를 단일 LLM 호출로 압축할 수 있습니다. 저희는 적합한 워크로드에서 Exa로 전환해 클라이언트 에이전트 비용을 30% 절감했으며, 속보 조회 같은 적합하지 않은 워크로드는 여전히 Serper로 보냅니다.
단일 에이전트 뒤에 여러 LLM 제공업체를 쌓고 있다면, 검색 API 위에 LLM 게이트웨이(LiteLLM, OpenRouter)를 두는 것이 총 시스템 비용을 관찰 가능하게 유지하는 가장 깔끔한 방법입니다.
선택 방법: 의사결정 매트릭스
단일한 "최고"는 없으며, 올바른 선택은 검색이 반환된 후 에이전트가 실제로 무엇을 하는지에 달려 있습니다. 다음은 제가 클라이언트와 함께 사용하는 의사결정 매트릭스로, 의도적으로 짧게 유지했습니다.
| 필요한 것… | 선택 | 이유 |
|---|---|---|
| 인용 포함 RAG, 최소 개발 작업 | Tavily | 추출 번들 + 인용 형식 |
| 시맨틱 / "이것과 비슷한 콘텐츠 찾아줘" | Exa | 전체 페이지에 대한 뉴럴 검색 |
| 벤더 독립성 + 프라이버시 | Brave Search API | 자체 인덱스, MCP 네이티브 |
| 최종 사용자를 위한 사전 합성 답변 | Perplexity Sonar | 인용 + 답변, LLM 호출 제로 |
| 쿼리당 최저 비용 | Serper + Jina Reader | $0.50/1k + 무료 추출 |
| 이미 GPT/Claude 사용 중 | OpenAI 또는 Anthropic web_search | 인프라 제로, 네이티브 도구 |
| 유럽 / 다국어 소스 | Linkup | 프리미엄 퍼블리셔 네트워크 |
| 화이트리스트 도메인 RAG | Google PSE | 큐레이션된 목록에서 최고의 시그널 |
| SERP 기능 풍부함 | SerpAPI | 30개 이상 엔진, 가장 깊은 파싱 |
| 높은 재현율, 열거, 또는 지속적인 웹 모니터링 | CatchAll | 재현율 우선 인덱스 + 예약된 Monitor |
| 에이전트 메모리를 갖춘 장기 실행 에이전트 | Brave 또는 Tavily + 캐싱 | 안정적인 인덱스, 인용 형식 |
오늘 새로 시작하는데 오후 시간이 있다면, 실제 쿼리를 Tavily, Brave, 그리고 web_search를 활성화한 OpenAI의 Responses API에 실행해 보세요. 정답은 대개 처음 10개 결과 안에서 스스로 드러납니다.
자주 묻는 질문
2026년 AI 에이전트를 위한 최고의 검색 API는?
RAG 에이전트를 구축하는 대부분의 팀에게 Tavily가 최고의 기본값입니다. 한 번의 호출로 검색, 콘텐츠 추출, 인용 형식 응답을 번들로 제공하고, LangChain 및 LlamaIndex와 네이티브로 통합되며, 월 1,000건의 무료 요청을 제공합니다. 키워드 검색 대신 시맨틱 디스커버리가 필요하다면 Exa로 전환하세요. 벤더 독립성이 필요하다면 Brave로 전환하세요. 최대 재현율이나 지속적인 웹 모니터링이 필요하다면 CatchAll을 살펴보세요.
Bing 검색 API를 대체한 것은?
Bing 검색 API는 2025년 8월 11일에 종료되었고, Microsoft는 개발자들을 Azure AI Agents 내부의 "Grounding with Bing Search"로 전환시켰으며, 이는 40~483%의 가격 인상을 동반했습니다. 대부분의 팀은 대신 AI 네이티브 대안으로 마이그레이션했습니다: Tavily, Exa, Brave Search API, 또는 Serper. Microsoft의 공식 종료 공지는 라이프사이클 발표 페이지에 있습니다.
무료 AI 검색 API가 있나요?
네, 여러 개 있습니다. Tavily는 월 1,000건 무료, Brave Search API는 월 2,000건 무료, Serper는 가입 시 2,500건 무료 쿼리, Exa는 $10 체험 크레딧을 제공합니다. 제공업체 간 두세 개의 무료 티어를 조합해 $0로 작동하는 에이전트를 프로토타입한 다음, 출시 후 업그레이드할 수 있습니다.
Exa는 Tavily와 어떻게 다른가요?
Exa는 뉴럴 인덱스를 사용하여 쿼리를 의미로 이해하므로, "이것과 비슷한 콘텐츠 찾아줘"와 설명형 프롬프트에 뛰어납니다. Tavily는 키워드 검색에 추출과 인용 형식을 더한 것으로, 사실 그라운딩과 RAG에 더 적합합니다. Exa는 더 빠르고(약 1.18초 대 2.1초) 기본 티어에서 더 저렴하며, Tavily는 LangChain/LlamaIndex와 통합이 더 쉽고 바로 인용 가능한 콘텐츠를 제공합니다.
높은 재현율과 웹 모니터링을 위한 최고의 AI 검색 API는?
문제가 "관련된 모든 소스를 찾아줘" 또는 "새로운 일이 생기는 즉시 알려줘"라면 CatchAll을 살펴보세요. 순위가 매겨진 결과 페이지를 반환하는 대신, 작업당 수만 개의 페이지를 스캔하고 클러스터링 및 검증한 다음 소스 인용이 포함된 구조화된 이벤트 레코드를 돌려줍니다. Monitor는 일정에 따라 검색을 재실행하고 Watchlist는 엔티티의 관련성 점수를 매기므로, 규정 준수, 경쟁 인텔리전스, 공급망 추적을 위한 모니터링 레이어 역할도 겸합니다 — 일반 SERP API라면 자체 크롤러를 구축해야 할 작업들입니다. 트레이드오프는 지연 시간입니다: 딥 모드는 비동기식으로 실행되므로 자동완성 속도의 조회에는 적합하지 않습니다.
Perplexity는 어떤 검색 API를 사용하나요?
Perplexity는 내부적으로 자체 독점 검색 인프라를 사용합니다. 개발자에게는 Sonar API를 통해 이를 노출하며, 이는 원시 검색 결과가 아닌 인라인 인용이 포함된 사전 합성된 답변을 반환합니다. 가격은 토큰당 과금(입력 토큰 100만 개당 약 $5)입니다. 제품에 Perplexity 스타일 출력을 원할 때는 Sonar를 사용하고, 커스텀 에이전트를 위한 원시 결과를 원할 때는 Tavily나 Exa를 사용하세요.
LLM 앱 안에서 Google 검색을 사용할 수 있나요?
네, 세 가지 경로가 있습니다. Google Custom Search JSON API(Programmable Search Engine)는 1,000쿼리당 $5에 하루 100건 무료 티어를 제공하는 공식 경로로, 지정한 도메인으로 범위가 제한됩니다. Serper와 SerpAPI는 도메인 제한 없이 Google 결과를 반환하는 서드파티 래퍼입니다. google.com을 직접 스크래핑하는 것은 Google 서비스 약관을 위반하며 속도 제한이나 차단을 당하게 됩니다.
에이전트를 위한 가장 저렴한 AI 검색 API는?
1,000쿼리당 $0.30~$1의 Serper가 가장 저렴한 실제 Google 결과 선택지입니다. 무료 URL-to-Markdown 추출을 위한 Jina Reader와 조합하면 가장 저렴한 프로덕션급 검색+추출 스택이 되며, 총 1,000쿼리당 약 $0.50입니다. 단점: 스니펫을 요약하는 데 LLM 토큰을 지불하므로, 총 시스템 비용은 다운스트림 모델이 얼마나 무거운지에 달려 있습니다.
이 API들은 LangChain 및 LlamaIndex와 작동하나요?
대부분 그렇습니다, 네. Tavily, Exa, Brave, Serper, SerpAPI, Perplexity Sonar, You.com 모두 퍼스트파티 또는 커뮤니티 LangChain 통합이 있으며, 대부분 LlamaIndex 팩도 있습니다. Tavily가 LangChain과 가장 긴밀하게 통합되어 있으며, 내장 도구로 제공됩니다. LangChain 생태계 전반의 더 넓은 통합 지도는 저희 최고의 RAG 도구 글을 참고하세요.
어떤 AI 검색 API에 공식 MCP 서버가 있나요?
2026년에 공식 MCP 서버를 제공하는 벤더는 세 곳입니다: Brave Search, Exa, Firecrawl. 그 외 몇 곳, Tavily, Serper, SerpAPI는 잘 유지보수되는 커뮤니티 MCP 서버가 있습니다. Perplexity, Google PSE, You.com, Linkup은 아직 MCP 지원이 없습니다. Claude Code나 Cursor 안에서 구축하고 있다면, 공식 서버를 선호하세요. 자세한 내용은 Model Context Protocol에서 확인하세요.
검색 API를 사용해야 하나요, 아니면 네이티브 OpenAI/Claude web_search 도구를 사용해야 하나요?
전체 스택이 하나의 모델 제공업체에 종속되어 있다면 네이티브 도구를 사용하세요. 인프라 제로, 벤더 하나 감소, 더 단순한 청구. 모델을 전환할 가능성이 있다면 Tavily나 Brave 같은 서드파티 API를 사용하여 검색 레이어가 마이그레이션 후에도 살아남도록 하세요. OpenAI의 도구는 모델 토큰에 번들로 포함되어 있고, Anthropic의 것은 검색 1,000건당 $10에 토큰 비용이 추가됩니다. OpenAI 네이티브 설정은 Responses API 튜토리얼를 참고하세요.
Techsy가 에이전트 검색 스택을 구축하는 방법
저희는 클라이언트를 위해 프로덕션 에이전트 스택, RAG 파이프라인, 리서치 에이전트, 고객 대면 어시스턴트를 구축하며, 검색 레이어는 대개 저희가 내리는 첫 번째 결정입니다. 저희의 기본값: 답변이 소스를 다시 가리켜야 하는 인용 중심 RAG에는 Tavily, 다운스트림 LLM이 스니펫을 압축할 만큼 충분히 강력해 예산이 제한된 에이전트에는 Serper + Jina Reader, 클라이언트가 벤더 독립성을 원하거나 MCP와 함께 Claude Code 안에서 출시하는 경우에는 Brave Search API입니다.
저희는 검색 API를 직접 판매하지 않으며, 바로 그것이 핵심입니다. 위의 추천 목록은 누가 비용을 내든 화요일 미팅에서 저희가 추천할 내용입니다. 어떤 것이 에이전트에 맞을지 막막하다면, 무료 상담을 받아보세요. 실제 워크로드에 맞춘 트레이드오프를 안내해 드리겠습니다.
결론
Bing은 종료되었고, 시장은 세 가지 티어(AI 네이티브, 독립 인덱스, SERP 래퍼)로 나뉘었으며, 상위 세 가지 추천은 인용 기반 RAG를 위한 Tavily, 깊은 멀티 엔진 SERP 데이터를 위한 SerpAPI, 높은 재현율 검색과 모니터링을 위한 CatchAll입니다. Brave와 Exa가 그 뒤를 바짝 쫓고 있고, 이미 하나의 모델 제공업체에 종속되어 있다면 OpenAI와 Anthropic의 네이티브 web_search 도구가 대기하고 있습니다. 완벽한 선택이란 없으며, 에이전트가 실제로 무엇을 하는지 묻지도 않고 "최고"라고 파는 사람은 무언가를 팔아치우는 것입니다.
오늘 처음부터 시작한다면, 세 개의 탭, Tavily, Brave, OpenAI의 Responses API를 열고, 누구에게도 1센트를 지불하기 전에 실제 쿼리를 세 곳 모두에 실행해 보겠습니다. 올바른 것은 처음 12개 결과 안에서 스스로 드러납니다. 위의 어떤 추천에도 맞지 않는 워크로드가 있나요? 댓글을 남기거나 저희에게 메모를 보내주세요. 모두 읽고 있으며, 이 글의 다음 버전 업데이트는 아마 여러분의 특이한 엣지 케이스 덕분일 것입니다.