배경 및 맥락

기업용 research workflow의 병목은 더 긴 답변이 아니라, 웹 검색과 사내 지식, 전문 데이터 공급자, 파일 기반 증거를 한 번의 조사 루프 안에서 함께 다루기 어렵다는 점이었다. 기존 요약형 에이전트는 웹에서 자료를 모으는 데는 강했지만, 내부 파일 스토어와 외부 데이터 서비스를 섞어가며 근거를 교차 검증하고 그 결과를 보고서 형태로 정리하는 데는 한계가 있었다.

Google DeepMind가 공개한 Deep Research와 Deep Research Max는 이 병목을 정면으로 겨냥한다. 핵심은 단순한 검색 보조가 아니라, MCP를 통해 조직 내부나 전문 공급자의 데이터 영역까지 연결하고, 그 위에서 장시간 조사와 합성을 수행하는 autonomous research runtime을 제공한다는 점이다.

---

핵심 내용

Google은 2026년 4월 21일 Deep Research와 Deep Research Max를 Gemini API의 paid public preview로 공개했다. 두 제품 모두 Gemini 3.1 Pro 기반이며, 단일 API 호출로 exhaustive research workflow를 실행해 cited analysis를 생성할 수 있다. Deep Research는 속도와 비용 효율에 초점을 맞춘 기본형이고, Deep Research Max는 extended test-time compute를 활용해 반복적으로 reason-search-refine 루프를 돌며 더 포괄적인 최종 보고서를 만든다.

기술적으로 가장 중요한 변화는 데이터 연결면이다. Deep Research는 open web뿐 아니라 arbitrary remote MCPs, file uploads, connected file stores를 함께 탐색할 수 있다. 또한 Google Search, remote MCP servers, URL Context, Code Execution, File Search를 조합해 실행할 수 있고, 필요하면 웹 접근을 끄고 내부 데이터만 검색하도록 설정할 수도 있다. 결과물은 텍스트에 그치지 않고 inline HTML 또는 Nano Banana 기반 native charts와 infographics까지 생성한다.

Google은 FactSet, S&P, PitchBook과 MCP 서버 설계 차원에서 협력 중이라고 밝혔고, Deep Research Max가 December release보다 더 많은 소스를 참고하고 더 정교한 nuance를 포착한다고 설명했다. 이는 research agent가 브라우저 자동화의 변형이 아니라, 데이터 연결과 분석 표현까지 통합한 전문 업무 도구로 진화하고 있음을 보여준다.

---

경쟁 구도 / 비교

기존 리서치 에이전트 시장은 웹 검색 깊이, 보고서 길이, citation 품질 같은 지표로 경쟁하는 경향이 강했다. 하지만 실제 업무에서는 웹 정보만으로는 충분하지 않고, CRM export, PDF, 사내 문서, 시장 데이터, 재무 데이터처럼 접근 통제가 있는 소스를 함께 읽을 수 있어야 가치가 커진다. Deep Research Max의 차별점은 바로 이 지점에서 MCP를 정식 연결 레이어로 삼았다는 것이다.

또한 대부분의 research assistant가 최종 텍스트 산출에 머물렀다면, 이번 발표는 native charts와 infographics를 기본 결과물로 올려놓았다. 이는 보고서가 더 이상 텍스트 파일이 아니라, 의사결정 회의에 바로 들어갈 수 있는 분석 패키지로 바뀌고 있음을 의미한다. 장기적으로는 단순 검색형 assistant보다 데이터 소스 연결성과 표현 품질을 함께 통제하는 제품이 더 강한 경쟁력을 가질 가능성이 높다.

---

의미

이번 발표의 산업적 의미는 autonomous research가 검색 UX 개선이 아니라, 지식 수집과 정리의 control plane으로 올라오고 있다는 점이다. MCP를 통한 사내 데이터 연결, 조사 계획 검토, 실시간 reasoning summary, 차트 생성이 결합되면 research는 일회성 프롬프트가 아니라 운영 가능한 파이프라인이 된다.

실무적으로는 전략팀, PM팀, 투자팀, 리서치 조직이 자체 MCP 서버나 전문 데이터 공급자 연동을 염두에 두고 조사 자동화 구조를 재설계할 필요가 있다. 앞으로 경쟁력은 검색 한 번의 품질보다, 어떤 데이터 경계까지 안전하게 연결할 수 있는지와 그 결과를 얼마나 빠르게 stakeholder-ready format으로 전환할 수 있는지에서 갈릴 가능성이 크다.