발표에서 확인된 핵심 사실

SWE-QA-Bench 평가에서 도구 호출과 입력 토큰이 각각 절반 가까이 감소했다. Qwen 팀이 오픈소스로 공개한 로컬 우선 검색 도구 zg(zvec-grep)를 추가해 얻은 결과다. zg는 ripgrep(rg, 정확한 텍스트 검색 도구)이 가진 정밀한 텍스트 검색 능력에 벡터 검색과 BM25, 하이브리드 검색 방식을 결합했다. 이를 통해 사용자는 자연어 의도만으로 로컬에 저장된 코드와 문서를 탐색하고, 필요한 정보가 있는 정확한 위치까지 검색 범위를 좁힐 수 있다.

운영체제는 macOS, Linux, Windows의 CLI(명령줄 인터페이스)와 MCP(Model Context Protocol, 모델 컨텍스트 프로토콜)를 지원한다. 특히 Codex, Claude Code, Cursor, OpenCode 등 주요 AI 코드 에디터를 자동으로 감지해 동일한 로컬 인덱스를 공유하도록 설계됐다. 사용자가 별도의 검색 서비스를 직접 배포하는 번거로움 없이 `zg install` 명령어만으로 MCP 구성을 완료할 수 있다.

현재 zg의 탐색 대상은 코드와 텍스트 파일로 제한된다. PDF, Word, PowerPoint와 같은 문서 포맷 지원과 OCR(광학 문자 인식) 및 멀티모달 검색 기능은 향후 추가할 계획으로 확인됐다. 지금은 로컬 텍스트 기반의 검색 정확도를 높여 에이전트와 사람의 탐색 효율을 개선하는 데 집중하고 있다.

기술이 실제로 작동하는 방식

Apple M4 Pro 환경에서 Django 파일 3,457개 전체를 30초 이내에 인덱싱했다. 파일 스캔부터 추출, 임베딩, 검색까지의 전 과정이 기본적으로 온디바이스에서 실행된다. GPU 없이 동작하는 16M 파라미터 규모의 기본 임베딩 모델인 local/potion-code-16m-v2를 사용한다. 하드웨어 제약을 낮춰 로컬 환경의 처리 속도를 확보한 구성이다.

Zvec(벡터 검색 및 BM25 기능 제공 도구)의 기능과 rg(문자열 검색 도구)를 결합해 하나의 CLI(명령줄 인터페이스) 및 MCP(Model Context Protocol, AI 모델과 외부 도구를 연결하는 표준 규격) 인터페이스를 구축했다. 이를 통해 의미 검색, BM25(키워드 기반 랭킹 알고리즘), 하이브리드 검색, 정확한 문자열 검색을 동시에 제공한다. 사용자는 하나의 진입점에서 네 가지 검색 방식을 모두 활용할 수 있다.

검색 과정은 모든 단계를 순차적으로 거치는 고정 파이프라인으로 작동하지 않는다. 충분한 단서가 있다면 즉시 정확한 검색 단계로 이동한다. 정보가 부족한 경우에는 자연어 의도에서 시작해 검색 범위를 좁혀나가는 방식을 지원한다. 입력된 정보의 구체성에 따라 검색 경로를 유연하게 변경하는 구조다.

도입 시 에이전트의 도구 호출 횟수와 입력 토큰 소비량이 크게

도구 호출과 입력 토큰 소비량이 절반 가까이 감소한 결과가 SWE-QA-Bench 평가에서 확인됐다. 이 과정에서 Judge 점수는 1.50점 상승했다. BrowseComp-Plus 평가에서도 정확도가 98.67%에서 99.00%로 올랐으며, 입력 토큰 37.56%, 도구 호출 43.52%, 에이전트 실행시간 38.58%가 각각 감소했다.

ripgrep(rg, 텍스트 검색 도구)의 속도와 정확한 검증 능력은 유지하되 의미 기반 발견과 관련도 순위화, 컨텍스트 조직화 기능을 추가했다. 명시적 키워드를 알 때 유용한 rg와 달리 zg는 구현 의도나 도메인 개념 같은 자연어 표현으로 검색한다. 정확한 키워드를 모르는 상태에서 텍스트 일치 검색이 관련 내용을 놓치는 문제를 해결했다.

현재는 코드와 텍스트 중심이며 PDF, Word, PowerPoint 및 OCR/멀티모달 검색은 향후 추가 계획으로 확인됐다. 에이전트가 정확한 키워드를 모르는 상태에서 반복 검색하며 낭비하던 도구 호출 횟수와 컨텍스트 토큰 소비를 획기적으로 줄일 수 있다. `npm install -g @zvec/zvec-grep` 명령어로 설치 후 `zg install`을 통해 Codex, Claude Code, Cursor 등 MCP(Model Context Protocol) 환경을 자동 구성하면 된다.