top of page

Gemini API, 온디맨드 Tool Retrieval 프리뷰 공개

3분 전
9분 분량
Illustrative photograph. Photo: Godfrey Atima / Pexels.

Google은 2026년 11월 19일 Tool Retrieval을 도입하며, 에이전트가 작업을 시작하기 전에 모든 도구의 전체 지침을 불러오던 관행에 변화를 제시했다. 발표문인 Introducing Tool Retrieval in the Gemini API는 필요할 때 매개변수 스키마, 즉 허용되는 입력값의 정의를 불러오는 프리뷰를 설명한다. 즉각적인 질문은 이러한 선택적 로딩이 전체 워크플로의 개선으로 이어지는지다.

핵심 경쟁 구도는 모든 정보를 사전에 불러오는 방식과 실행 중 세부 정보를 검색하는 방식 사이에 있다. 모델을 사용해 행동을 선택하고 수행하는 소프트웨어인 에이전트는 유용한 기능을 선택할 만큼의 정보를 필요로 한다. 모든 세부 정보를 즉시 제공하면 다른 문제가 생긴다. 관련 지침이 작업에 전혀 필요하지 않은 정보와 경쟁하게 된다.

Anthropic은 이미 유사한 도구 검색 방식을 제공하고 있어, Google의 출시는 확립된 아키텍처 변화의 일부가 된다. 개발자와 엔터프라이즈 구매자에게 중요한 과제는 통합 설계에 있다. 사용 가능한 연결 목록이 길어도 어시스턴트가 그중에서 선택하기 어렵거나, 응답 시간이 길어지거나, 반복적인 수정이 필요하다면 그 가치는 떨어진다.

Gemini API의 Tool Retrieval 도입은 처음 불러오는 정보를 바꾼다

Google의 프리뷰는 도구 세부 정보가 모델의 작업 컨텍스트에 들어오는 시점을 바꾸는 것이지, 해당 세부 정보의 필요성을 없애는 것은 아니다.

Google의 Tool Retrieval 발표에 따르면, 지연된 도구는 이름과 설명을 계속 표시하지만 매개변수 스키마는 초기 컨텍스트 밖에서 대기한다. 컨텍스트는 모델이 응답을 생성하는 동안 사용할 수 있는 정보다. 개발자는 tool_search와 defer_loading으로 이 동작을 활성화한다.

이러한 구분은 이번 출시의 범위를 정한다. 모델에는 사용 가능한 기능에 대한 유용한 설명이 여전히 필요하다. 특정 작업의 정확한 입력값을 읽는 시점은 미룰 수 있지만, 그 작업의 목적을 인식할 수 있을 만큼의 정보는 필요하다.

문서 검색, 고객 기록, 일정 관리, 지원 운영에 연결된 가상의 업무용 어시스턴트를 생각해 보자. 회의에 관한 요청을 처리하기 위해 모든 고객 관리 작업의 세부 지침이 필요해서는 안 된다. 선택적 로딩은 개발자가 기능의 존재를 인지하는 것과 호출할 준비가 된 상태를 분리할 수 있게 한다.

아키텍처 측면에서 보면 도구 설명은 중요한 선택 표면이 된다. 모호한 이름은 모델이 상세 스키마를 받기 전까지 추측하게 만든다. 행동, 대상, 의도된 상황을 식별하는 간결한 설명은 검색에 더 명확한 출발점을 제공한다.

이는 문제가 발생했을 때 팀이 검토해야 할 대상도 바꾼다. 잘못된 행동은 인자 생성 이전, 즉 어시스턴트가 잘못된 기능을 식별하는 단계에서 시작될 수 있다. 최종 요청만 살펴보면 그 이전의 판단을 놓치게 된다.

Google은 상호작용 응답에서 검색과 호출 단계를 노출한다. 이 가시성은 개발자가 탐색 문제와 실행 문제를 구분할 수 있게 해 주므로 중요하다. 전자는 모델이 어떤 기능을 찾았는지에 관한 것이고, 후자는 선택 이후 어떤 일이 일어났는지에 관한 것이다.

이 프리뷰는 Interactions API를 통해 Gemini 4를 포함한 Gemini 3.6 이후 모델을 지원한다. 도입 논의에서는 이 제공 범위를 명확히 유지해야 한다. 기능 발표가 기존의 모든 Gemini 통합과의 호환성을 보장하는 것은 아니다.

따라서 의미 있는 변화는 에이전트 기능의 제한 없는 확장보다 더 좁다. Google은 기존 도구에 대한 접근을 관리하는 또 하나의 방식을 도입했다. 그 가치는 지연된 세부 정보가 사용자가 실제로 요청한 작업을 애플리케이션이 완료하는 데 도움이 되는지에 달려 있다.

제품 팀에는 이것이 유용한 재구성이다. 카탈로그는 폭넓게 유지하면서도 모델에 즉시 제공되는 지침은 선택적으로 유지할 수 있다. 다음 판단은 기존 실행 경로를 변경할 만큼 어떤 애플리케이션이 충분한 이점을 얻는지에 관한 것이다.

대규모 도구 카탈로그는 통합 팀에 부담을 준다

가장 뚜렷한 부담을 받는 팀은 대부분의 개별 작업에 필요한 것보다 더 많은 기능을 어시스턴트에 노출하는 팀이다.

폭넓은 카탈로그는 어시스턴트가 비즈니스 시스템 전반에 접근할 수 있다는 제품 약속을 만든다. 그러나 연결이 하나 추가될 때마다 명명 방식, 중복되는 행동, 접근 규칙, 가능한 실패 상태도 함께 늘어난다. Retrieval은 이러한 기능이 모델에 도달하는 방식을 바꾸지만, 구성 책임은 여전히 개발자에게 있다.

Google의 function calling 문서는 function calling을 모델과 외부 행동 및 데이터를 연결하는 방식으로 설명한다. 애플리케이션 정의 함수의 경우 모델이 작업을 요청하고 애플리케이션이 이를 실행한다. 이 분리는 도구 선택 기능을 평가할 때도 핵심으로 남는다.

모델이 올바른 작업을 선택했다고 해서 그 작업이 성공했다는 뜻은 아니다. 애플리케이션은 사용할 수 없는 서비스, 만료된 자격 증명, 유효하지 않은 비즈니스 조건에 직면할 수 있다. 구매자는 탐색 품질과 연결된 시스템의 신뢰성을 구분해야 한다.

이 부담은 가상의 지원 워크플로에서 구체적으로 드러난다. 고객이 교체품이 아직 발송되지 않은 이유를 묻는다. 어시스턴트는 적절한 조회를 식별하고, 그 결과를 해석하며, 추가 행동이 필요한지를 판단해야 한다.

광범위한 통합 목록만으로는 이러한 질문에 답할 수 없다. 유사한 기능은 주문을 조회하거나, 배송을 확인하거나, 교체품을 생성하거나, 고객에게 연락할 수 있다. 자연어 요청에서 실행 가능한 행동으로 이어지는 과정에서 이러한 차이가 유지되어야 한다.

엔지니어링 관점에서 선택적 로딩은 카탈로그 유지보수의 중요성을 더 이상 무시하기 어렵게 만든다. 설명이 겹친다면 Retrieval은 모호성이 결과에 영향을 줄 수 있는 또 하나의 지점을 만든다. 이름과 책임을 검토하지 않은 채 커넥터를 추가하면 선택 계층은 점점 이해하기 어려워진다.

내부 지식 도구를 담당하는 팀은 관련된 또 다른 구분에 직면한다. 문서를 찾는 일과 소프트웨어 작업을 찾는 일은 서로 다른 검색 문제다. 검색 가능한 지식 베이스는 정보 접근에 관한 것이며, 도구 검색은 기능 접근에 관한 것이다.

이 계층들을 결합하면 어시스턴트는 더 유용해질 수 있지만, 각각은 별도로 평가받아야 한다. 시스템은 올바른 문서를 찾고도 부적절한 행동을 선택할 수 있다. 반대로 올바른 검색 작업을 선택하고도 불완전한 정보를 받을 수 있다.

엔터프라이즈 조달도 이러한 차이를 반영해야 한다. 제품이 몇 개의 통합을 지원하는지 묻는 것은 목록을 제공한다. 어시스턴트가 작업을 어떻게 선택하고, 권한을 부여하며, 실행하고, 검증하는지를 묻는 것은 그 행동에 대해 더 의미 있는 그림을 제공한다.

기존 애플리케이션을 유지하는 개발자에게 이번 출시는 실질적인 검토 시점을 만든다. 어떤 기능이 실제로 즉시 사용 가능해야 하는가? 어떤 기능이 가끔 발생하는 워크플로에 속하는가? 어떤 기능이 다른 도구의 목적과 충분히 유사해 선택을 혼란스럽게 하는가?

이 질문들은 마이그레이션을 결정하기 전에 중요하다. 검색 메커니즘은 로딩 동작을 빠르게 바꿀 수 있지만, 불명확한 카탈로그는 여전히 불명확하다. 이번 발표를 통합 설계를 점검하는 계기로 삼는 팀은 단순히 또 하나의 옵션을 활성화하는 팀보다 더 많은 것을 배울 것이다.

지연 로딩은 판단 시점을 앞당긴다

선택적 로딩은 탐색을 행동 경로의 명시적인 일부로 만들기 때문에 초기 설명의 품질이 더 큰 비중을 차지한다.

Google의 tool retrieval 문서는 서버 측 탐색과 애플리케이션 관리형 탐색을 구분한다. 기본 서버 모드는 선언된 도구를 내부적으로 해결한다. 클라이언트 측 검색은 애플리케이션이 자체 레지스트리, 즉 사용 가능한 작업의 카탈로그를 검색하고 일치하는 정의를 반환할 수 있게 한다.

클라이언트 경로는 요청 왕복을 추가하며, 이는 애플리케이션과 모델 간에 한 번 더 교환이 이루어진다는 뜻이다. 또한 대화 중 도입되는 도구도 수용할 수 있다. 이들은 애플리케이션 제어와 응답 시간에 서로 다른 영향을 미치는 별개의 운영 선택지다.

설계의 핵심 질문은 선택 로직이 어디에 속하는가다. 안정적인 카탈로그는 애플리케이션이 이미 사용 가능한 작업을 알고 있으므로 관리형 탐색 경로에 적합할 수 있다. 반면 변경되는 카탈로그는 현재 사용자나 연결된 시스템에 따라 가용성이 달라질 때 애플리케이션의 개입을 정당화할 수 있다.

이 판단은 애플리케이션의 요구 사항을 따라야 한다. 제어가 늘어날수록 유지해야 할 코드, 점검해야 할 실패 상태, 응답 경로의 종속성이 늘어난다. 더 단순한 관리형 경로도 노출되는 기능 집합을 신중하게 정의해야 한다.

이 가이드는 대화 상태에 대한 지속적인 주의도 요구한다. 도구 선언은 다시 전송해야 하며, 기록을 직접 관리하는 애플리케이션은 검색 단계와 그 서명을 보존해야 한다. 서명은 API가 검색 컨텍스트를 유지하는 데 사용하는 불투명한 값이다.

개발자에게 이는 작은 구성 변경도 더 넓은 통합 영향을 가질 수 있음을 뜻한다. 대화 기록을 변환하는 미들웨어는 검토가 필요하다. 최종 답변만 캡처하는 로깅은 선택 경로를 가릴 수 있다. 재시도 동작은 이어서 진행하는 데 필요한 정보를 보존해야 한다.

이러한 고려 사항은 Retrieval이 기능 체크리스트가 아니라 아키텍처 논의에 속하는 이유를 보여 준다. 모델의 선택은 애플리케이션이 무엇을 노출하는지, 그 노출을 어떻게 설명하는지, 요청 사이에 어떤 상태가 유지되는지에 달려 있다.

가상의 일정 관리 어시스턴트는 이 문제를 더 쉽게 보여 준다. “가능한 시간을 찾아줘”와 “회의를 예약해줘”는 같은 주제에 관한 요청이지만 서로 다른 결과를 수반한다. 모델이 상세 입력값을 받기 전에 탐색은 그 차이를 보존해야 한다.

같은 논리는 고객 운영에도 적용된다. “환불을 확인해줘”와 “환불을 처리해줘”는 상세 스키마가 없더라도 구별 가능해야 한다. 명확한 사용자 의도를 중심으로 구성된 카탈로그는 선택 단계에 더 유용한 토대를 제공한다.

이것이 지연 로딩이 모호한 모든 워크플로를 개선한다는 뜻은 아니다. 다만 개발자가 이를 테스트할 때 어디를 살펴봐야 하는지 보여 준다. 탐색 단계는 나머지 애플리케이션이 역할을 수행하기 전에 올바른 작업을 선택해야 한다.

제품 설계 측면의 함의도 있다. 어시스턴트가 적절한 기능을 찾지 못할 때 사용자는 명확한 설명을 받아야 한다. 반복 검색, 관련 없는 행동, 명확화를 위한 요청은 서로 다른 결과다.

성공적인 구현은 이를 유지하는 팀이 그러한 결과를 관찰할 수 있게 한다. 그렇지 않으면 겉보기에는 간결한 최종 답변이 혼란스러운 탐색 과정을 숨길 수 있다. 로딩 메커니즘은 실행 경로를 바꾸며, 애플리케이션은 그 변화를 평가할 만큼 충분한 가시성을 확보해야 한다.

Anthropic은 선례를 제공하지만 Gemini의 벤치마크는 아니다

경쟁 환경은 온디맨드 탐색이 진지한 설계 선택지임을 뒷받침하지만, Google의 애플리케이션 수준 이점은 측정이 필요하다.

Anthropic의 advanced tool use 발표는 자체 Tool Search Tool과 지연된 정의를 설명한다. 또한 추가 검색 단계가 더 나은 컨텍스트 활용이나 정확도를 통해 그 가치를 입증해야 한다는 절충점을 명시적으로 인정한다.

그 선례가 중요한 이유는 Google이 이미 존재하는 아키텍처 논쟁에 뛰어들고 있기 때문이다. 핵심 선택지는 여전히 애플리케이션이 완전한 정의를 즉시 제공할지, 아니면 작업이 진행되면서 이를 발견하도록 할지에 있다. 제공업체의 브랜딩이 근본적인 엔지니어링 문제를 없애지는 않는다.

구현 방식 역시 가볍게 동등하다고 볼 수 없을 만큼 다르다. Google은 지연 도구가 초기 컨텍스트에 이름과 설명을 유지한다고 말한다. Anthropic은 지연 도구의 정의를 확장하기 전에 이를 찾아내는 검색 메커니즘을 설명한다.

두 방식 모두 정보를 지연한다는 이유만으로 상호 교환 가능한 것으로 취급해서는 안 된다. 모델이 처음에 보는 정보는 관련 기능을 식별하는 방식에 영향을 준다. 서로 다른 탐색 방식은 서로 다른 실패 패턴을 만들 수도 있다.

Anthropic은 자사 구현에서 내부 개선 결과를 보고했지만, 그 결과가 Gemini의 성능을 입증하는 것은 아니다. 벤치마크는 테스트한 모델, 도구 모음, 작업, 평가 방법에 귀속된다. 제공업체 간에 퍼센티지를 옮겨 적용하면 그러한 조건이 가려진다.

따라서 구매자에게 유용한 비교는 방법론적 비교다. 각 시스템은 처음에 무엇을 보여 주는가? 도구는 어떻게 찾는가? 예상한 기능이 없을 때는 어떻게 되는가? 애플리케이션은 잘못된 선택을 어떻게 점검하고 복구하는가?

공정한 평가에는 신뢰할 만한 기준선도 필요하다. 의도적으로 정리되지 않은 카탈로그와 검색 방식을 비교하면 새 메커니즘의 기여도를 과장하게 된다. 기존 방식에도 명확한 설명, 적절한 그룹화, 불필요한 작업의 제거가 필요하다.

마찬가지로 드물게 쓰이는 도구가 대부분인 테스트는 선택적 로딩에 자연스럽게 유리하다. 사용 가능한 기능 대부분을 반복적으로 쓰는 워크플로는 다른 작업 부하를 제시한다. 어느 한 결과만으로 모든 에이전트 애플리케이션을 설명할 수는 없다.

가장 유익한 비교는 비즈니스 작업을 동일하게 유지한다. 사용자는 같은 질문을 하고, 연결된 시스템은 동등한 정보를 반환하며, 애플리케이션은 같은 권한 부여 규칙을 따른다. 이후 평가는 변경된 로딩 전략이 완료된 결과를 개선하는지 살핀다.

여기에는 인간의 경험도 포함된다. 반복적인 확인 끝에 정확히 처리하는 어시스턴트는 요청을 즉시 이해하는 어시스턴트와 다르다. 초기 응답이 더 빨라도 전체 해결은 더 느려질 수 있다.

제공업체 간 경쟁은 누가 도구 사용 문제를 해결했는지에 관한 포괄적 주장보다 이런 차이를 더 쉽게 검증하게 해야 한다. 유사한 제품 방향은 비교 가능한 실험의 기회를 만든다. 하지만 실험 결과까지 제공하지는 않는다.

Introducing Tool Retrieval in the Gemini API에 관해 방어 가능한 결론은 Google이 선택적 기능 로딩으로의 흐름에 합류했다는 것이다. 이 프리뷰가 특정 애플리케이션에서 선호되는 경로가 될지는 해당 애플리케이션의 측정된 동작에 달려 있다.

더 작은 프롬프트가 더 저렴한 완료 작업을 보장하지는 않는다

관련 경제성 지표는 탐색, 실행, 복구, 이어지는 대화를 포함한 성공적인 워크플로의 비용이다.

Google은 Tool Retrieval에 별도 기능 요금이 없으며 일반적인 모델 토큰 과금은 계속 적용된다고 밝힌다. 토큰은 모델 입력과 출력을 측정하는 단위다. 검색은 고정된 입력 오버헤드를 추가하고, 검색된 스키마는 이후 대화 컨텍스트에서 계속 과금 대상이 된다.

이 과금 모델은 조건부 기회를 만든다. 사용하지 않는 자료를 제외하면 입력 소비를 줄일 수 있다. 나중에 자료를 불러오는 데도 소비가 발생하며, 결국 카탈로그의 상당 부분이 필요한 대화는 다른 특성을 보인다.

중요한 분석적 지점은 분모다. 초기 프롬프트만 측정하면 최적화가 실제보다 더 가치 있어 보일 수 있다. 기업이 관심을 두는 것은 고객 요청이 해결됐는지, 보고서가 완료됐는지, 의도한 기록이 정확하게 업데이트됐는지다.

가상의 어시스턴트는 더 적은 입력으로 시작했지만 불필요한 탐색을 시도할 수 있다. 잘못된 작업을 가져오고, 확인을 요청한 뒤 다시 시도할 수도 있다. 그러면 초기 절감은 상호작용의 일부만 설명하게 된다.

반대 결과도 가능하다. 더 나은 선택은 잘못된 호출과 그 뒤따르는 복구 작업을 막을 수 있다. 이 경우 이점은 제외된 스키마 텍스트를 넘어선다.

증거 없이 어느 시나리오도 관측된 Gemini 결과로 제시해서는 안 된다. 이는 팀에 작업 부하 측정이 필요한 이유를 설명한다. 토큰 수, 완료 품질, 경과 시간은 관련된 질문에 답하지만, 어느 하나도 다른 것을 대체하지는 못한다.

응답이나 작업이 완료되기까지의 경과 시간인 지연 시간에도 비슷한 주의가 필요하다. 내부 서버 검색은 추가 애플리케이션 교환을 피한다. 그래도 요청 내에서 수행되는 작업이므로 “추가 왕복 없음”이 “검색 시간 없음”을 뜻하지는 않는다.

캐싱은 또 다른 변수를 더한다. 캐시는 이전에 처리한 적격 콘텐츠를 재사용한다. Google은 지연 로딩이 안정적인 프롬프트 접두사를 유지한다고 말하지만, 팀은 경제적 이점을 추정하기 전에 실제 대화 패턴을 살펴봐야 한다.

안전성과 권한도 같은 실무 평가에 포함된다. 나중까지 스키마를 숨긴다고 해서 사용자가 해당 작업을 수행할 권리가 있는지 확인되는 것은 아니다. 애플리케이션은 기능을 노출할 때와 중요한 작업을 실행할 때 모두 접근 권한을 강제해야 한다.

환불 사례는 그 경계를 분명히 보여 준다. 환불 작업을 발견하는 것은 어떤 도구가 요청에 적합한지에 답한다. 그러나 고객이 자격을 갖췄는지, 금액이 맞는지, 현재 사용자가 이를 승인할 수 있는지는 확인하지 않는다.

이 프리뷰는 출시 위험도 도입자에게 남긴다. Google 문서는 Tool Retrieval을 정식 출시 전에 인터페이스가 변경될 수 있는 프리뷰로 명시한다. 팀은 이에 얼마나 깊이 의존할지 결정할 때 이 상태를 고려해야 한다.

따라서 합리적인 파일럿은 낮은 입력 수 이상을 평가한다. 완료된 작업, 오류, 복구 노력, 총 경과 시간을 비교한다. 효율성이 이러한 더 폭넓은 지표에서도 유지될 때 결과는 상업적으로 의미를 갖는다.

이것이 발표 약속의 핵심 한계다. 선택적 로딩은 컨텍스트를 더 신중하게 사용할 기회를 만든다. 전체 애플리케이션의 성능이 더 낫다는 점을 입증할 필요를 없애지는 않는다.

다음 신호는 안정성, 워크플로 결과, 카탈로그 품질이다

다음 단계는 관찰 가능한 애플리케이션 결과로 판단해야 하며, 출시 성숙도와 유지보수성은 필수적인 맥락을 제공한다.

첫 번째로 살필 신호는 제품 안정성이다. 향후 몇 달 동안 프리뷰 상태, 지원되는 동작, 문서의 변화가 도입 결정에 영향을 미칠 것이다. 안정적인 인터페이스는 팀이 엔지니어링 노력을 투입하고 일관된 동작을 유지하기 쉽게 만든다.

이 신호는 더 폭넓은 사용의 근거를 강화할 수 있지만, 효율성 향상을 입증하지는 않는다. 출시 성숙도와 작업 부하 성능은 서로 다른 질문에 답한다. 신뢰할 수 있는 인터페이스라도 작고 자주 사용하는 도구 세트를 가진 애플리케이션에는 잘못된 선택일 수 있다.

두 번째 신호는 완전한 워크플로 증거다. 유용한 결과는 애플리케이션의 다른 동작을 일정하게 유지한 채 선택적 로딩과 선행 로딩에서 동등한 작업을 비교해야 한다. 보고서는 무엇이 성공했고, 무엇이 실패했으며, 복구가 결과에 어떤 영향을 미쳤는지 설명해야 한다.

다양한 요청에 걸친 결과는 신중하게 선정한 시연보다 더 설득력이 있다. 일상적인 조회, 모호한 요청, 변화하는 대화 목표, 사용할 수 없는 기능은 서로 다른 약점을 드러낸다. 이러한 조건 전반에서 좋은 성능을 보이는 기능은 도입 근거가 더 강하다.

안정적인 완료 품질과 함께 총 입력 소비가 줄었다는 증거는 Google의 효율성 주장을 뒷받침할 것이다. 탐색 실패가 더 많아지거나 해결 시간이 길어지면 테스트한 작업 부하에서의 근거는 약해진다. 어느 결과든 개발자가 더 구체적인 결정을 내리는 데 도움이 된다.

세 번째 신호는 유지되는 애플리케이션에서의 카탈로그 품질이다. 팀은 통합이 바뀌어도 명확한 이름, 집중된 설명, 의도적인 기능 경계가 계속 효과적인지 지켜봐야 한다. 발견 가능성을 유지하기 위해 지속적인 수정이 필요한 애플리케이션은 다른 유지보수 부담을 안게 된다.

이 신호는 책임성에도 관련된다. 기능이 변경되면 누군가는 그 설명, 접근 조건, 예상 동작을 책임져야 한다. 카탈로그 텍스트가 선택에 직접 참여하기 때문에 검색은 그러한 책임을 드러낸다.

엔터프라이즈 구매자에게 이러한 신호는 공급업체에 물을 구체적인 질문을 제시한다. 제품은 작업을 어떻게 선택했는지 보여 줄 수 있는가? 실패한 탐색을 설명할 수 있는가? 로딩 전략을 바꾸기 전후의 완료된 워크플로를 비교할 수 있는가?

개발자에게 가장 강력한 다음 단계는 대표적인 작업을 이용한 범위가 정해진 비교다. 익숙한 기능이 필요한 요청, 가끔 쓰는 기능이 필요한 요청, 아무 작업도 수행해서는 안 되는 요청을 포함하라. 결과를 해석할 수 있도록 기존 기준선을 보존하라.

Introducing Tool Retrieval in the Gemini API를 검증 가능한 아키텍처 변화로 다뤄라. 사용자가 이미 선택 오류나 지연을 체감하는 워크플로를 선택한 뒤, 성공적인 완료, 총 소비량, 경과 시간을 비교하라. 어시스턴트가 잘못 선택하거나, 유용한 것을 발견하지 못하거나, 확인이 필요한 사례를 살펴보라. 더 명확한 설명이 로딩 변경만으로 해결할 수 없는 문제를 해소할 수 있으므로, 그러한 실패와 함께 카탈로그를 검토하라. 비교 전반에서 권한을 일관되게 유지하고, 프리뷰가 발전하는 동안 이전 실행 경로를 보존하라. 결정은 애플리케이션의 증거를 따라야 한다. 선택적 로딩이 사용자의 더 적은 노력으로 어시스턴트가 올바른 작업을 끝내는 데 도움이 되는가?

 
 

무료로 시작하세요

개인 지식 관리 기능을 갖춘 로컬 우선 AI 어시스턴트

더 나은 AI 경험을 위해

현재 remio는 Windows 10+ (x64) 및 M-Chip Macs만 지원합니다.

업무를 위한 AI 파트너
remio와 더 많은 일을 해내세요

계획하고, 만들고, 완성하세요
모든 일을 한곳에서

bottom of page