Announcing Deep Research API

🖼️ 인포그래픽

Announcing Deep Research API 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Firecrawl의 Deep Research API는 질의를 하위 주제로 나누어 웹을 반복 탐색하고 출처가 붙은 분석 결과를 생성하는 연구 자동화 API이지만, 2026년 업데이트에서 새 Search API로 대체되는 방향이 공지되었습니다.

📌 핵심 요약

Firecrawl은 Deep Research API를 통해 사용자가 하나의 질의를 입력하면 웹을 탐색하고 정보를 수집한 뒤 핵심 인사이트나 지정한 구조화 출력으로 종합해 주는 기능을 소개합니다.
Deep Research는 단순 검색과 달리 복잡한 질문을 하위 주제로 분해하고, 여러 신뢰 가능한 콘텐츠를 반복적으로 탐색하며, 발견 내용을 하나의 보고서로 합성하고 각 인사이트에 출처를 연결하는 방식으로 설명됩니다.
API로 제공되는 이유는 앱과 워크플로 안에서 연구를 자동화하고, 여러 주제에 대한 인사이트 생성을 확장하며, 브리핑·분석 봇·지식 어시스턴트 같은 기능을 만들 수 있게 하기 위해서입니다.
작동 결과에는 최종 분석, 관련 URL 목록, 연구 단계 활동 내역, 현재 깊이와 상태를 보여주는 진행 정보가 포함되며, 깊이·시간·URL 수 같은 매개변수로 비용과 속도를 조절할 수 있습니다.
문서는 이 기능이 알파 상태이며 공개 정보가 있는 주제에 적합하고, 최대 10분의 시간 제한이 있으며, 중요한 정보는 제공된 출처를 바탕으로 수동 검증하는 것이 권장된다고 밝힙니다.

🧩 주요 포인트

Firecrawl은 Deep Research API를 통해 사용자가 하나의 질의를 입력하면 웹을 탐색하고 정보를 수집한 뒤 핵심 인사이트나 지정한 구조화 출력으로 종합해 주는 기능을 소개합니다.
Deep Research는 단순 검색과 달리 복잡한 질문을 하위 주제로 분해하고, 여러 신뢰 가능한 콘텐츠를 반복적으로 탐색하며, 발견 내용을 하나의 보고서로 합성하고 각 인사이트에 출처를 연결하는 방식으로 설명됩니다.
API로 제공되는 이유는 앱과 워크플로 안에서 연구를 자동화하고, 여러 주제에 대한 인사이트 생성을 확장하며, 브리핑·분석 봇·지식 어시스턴트 같은 기능을 만들 수 있게 하기 위해서입니다.
작동 결과에는 최종 분석, 관련 URL 목록, 연구 단계 활동 내역, 현재 깊이와 상태를 보여주는 진행 정보가 포함되며, 깊이·시간·URL 수 같은 매개변수로 비용과 속도를 조절할 수 있습니다.
문서는 이 기능이 알파 상태이며 공개 정보가 있는 주제에 적합하고, 최대 10분의 시간 제한이 있으며, 중요한 정보는 제공된 출처를 바탕으로 수동 검증하는 것이 권장된다고 밝힙니다.

🧠 상세 정리

1. 발표 내용과 현재 상태

글은 Firecrawl의 Deep Research API를 소개하며, 사용자가 질의만 제공하면 Firecrawl이 웹을 탐색하고 정보를 모아 핵심 인사이트를 합성한다고 설명합니다. 결과는 기본적인 최종 분석뿐 아니라 사용자가 선택한 구조화 출력 형태로도 받을 수 있습니다. 다만 본문 상단의 업데이트 노트는 이 API가 새로운 Search API를 위해 deprecated되고 있다고 밝힙니다. 엔드포인트 자체는 계속 활성 상태로 남지만, 2025년 6월 30일 이후에는 더 이상 유지보수하지 않는다고 명시되어 있어 신규 도입 시 이 상태를 함께 고려해야 합니다.

2. Deep Research의 핵심 개념

Deep Research는 웹 전반에서 다단계 지능형 탐색을 자동 수행해 한 주제에 대한 비자명한 인사이트를 찾는 방법으로 정의됩니다. 단순 검색처럼 결과 목록만 반환하는 방식이 아니라, 복잡한 질의를 하위 주제로 나누고 관련 정보를 반복적으로 추적합니다. 또한 여러 콘텐츠에서 얻은 내용을 하나의 응집력 있는 보고서로 종합하고, 각 인사이트가 어떤 출처에 근거하는지 연결합니다. 글은 이를 앱이나 워크플로에 주문형 전담 리서치 애널리스트를 붙이는 것에 비유합니다.

3. API로 제공되는 이유와 활용처

Firecrawl은 연구가 더 이상 사람만의 작업이 아니며, Deep Research를 API로 제공하면 자체 앱과 워크플로 안에서 연구 과정을 자동화할 수 있다고 설명합니다. 여러 주제에 대해 인사이트 생성을 확장할 수 있고, 브리핑, 분석 봇, 지식 어시스턴트 같은 더 똑똑한 기능을 만들 수 있다는 점도 강조합니다. 사용자는 탐색 깊이, 제한 시간, URL 수를 조정해 비용과 속도를 통제할 수 있습니다. 즉 이 API의 가치는 AI 연구 파이프라인을 처음부터 직접 만들지 않고도 지능형 웹 리서치 인프라를 사용할 수 있게 하는 데 있습니다.

4. 작동 방식과 반환되는 결과

Deep Research의 과정은 먼저 질의를 분석해 하위 주제를 식별하는 단계에서 시작됩니다. 이후 여러 출처를 대상으로 반복적인 웹 탐색을 수행하고, 수집한 내용을 소화 가능한 인사이트로 합성합니다. 마지막으로 추적 가능성을 위해 출처를 붙이며, 결과에는 최종 분석, 관련 URL 목록, 연구 활동의 타임라인, 깊이와 상태를 보여주는 실시간 진행 정보가 포함됩니다. 예시 응답에서도 completed 상태, finalAnalysis, activities, sources, currentDepth, maxDepth 같은 필드가 제시되어 결과 구조를 보여줍니다.

5. 사용 예시와 출력 커스터마이징

본문의 Python 예시는 FirecrawlApp을 초기화한 뒤 maxDepth, timeLimit, maxUrls 매개변수를 설정해 깊이 5, 시간 180초, 최대 URL 15개 조건으로 연구를 실행하는 흐름을 보여줍니다. on_activity 콜백을 통해 검색이나 분석 단계의 활동 메시지를 출력하고, 완료 후에는 finalAnalysis와 sources 개수를 확인합니다. 기본적으로는 마크다운 형태의 최종 분석을 받을 수 있지만, formats를 json으로 설정하면 구조화된 JSON 출력을 받을 수 있습니다. jsonOptions로 원하는 스키마를 지정할 수 있고, systemPrompt와 analysisPrompt를 사용해 에이전트식 진행 과정과 최종 분석 방식도 더 세밀하게 조정할 수 있습니다.

6. 알파 기능의 한계와 문서 안내

알려진 한계로는 먼저 연구 범위가 공개적으로 접근 가능한 정보가 있는 주제에 더 적합하다는 점이 제시됩니다. 유료 장벽 뒤에 있거나 비공개인 콘텐츠에는 접근하지 못할 수 있으며, 연구 작업은 합리적인 응답 시간을 위해 최대 10분으로 제한됩니다. 출처가 제공되더라도 중요한 정보는 수동 검증하는 것이 권장되고, 알파 기능인 만큼 연구 방법론과 출력 형식은 피드백에 따라 바뀔 수 있습니다. 글 말미에는 API 엔드포인트와 SDK 문서를 확인할 수 있는 문서 링크, AI 에이전트나 자동화 시스템을 위한 온보딩 경로, 그리고 작성자인 Firecrawl CTO Nicolas Camara의 배경이 함께 소개됩니다.

🧾 핵심 주장 / 시사점

이 API의 차별점은 검색 결과를 나열하는 데서 끝나지 않고, 질의 분해·반복 탐색·합성·출처 귀속을 하나의 연구 흐름으로 묶는 데 있습니다.
구조화 출력, 스키마 지정, 프롬프트 커스터마이징은 단순 보고서 생성보다 앱 내부 기능이나 자동화 워크플로에 붙이기 쉬운 형태를 지향합니다.
본문이 deprecated 상태와 알파 한계를 함께 명시하므로, 실제 사용자는 기능 가치뿐 아니라 유지보수 종료, Search API 전환, 출처 수동 검증 필요성을 함께 판단해야 합니다.

✅ 액션 아이템

Deep Research API의 하위 주제 분해·반복 탐색·출처 연결 구조를 브리핑·분석 봇·지식 어시스턴트에 맞춰 적용 대상을 정한다.
최종 분석, URL 목록, 단계 활동, 깊이·상태 정보를 포함한 출력 형식으로 비용·속도 조절 파라미터(깊이·시간·URL 수) 튜닝 실험을 수행한다.
알파 상태와 10분 제한, 공개정보 전제 조건을 반영해 중요 인사이트는 수동 출처 검증을 병행하는 운영 규칙을 정의한다.