Skip to main content
PromptQuorum
홈/고급 로컬 LLM/Local Deep Research 리뷰 2026: 셀프 호스팅 출처 명시형 AI 리서치 에이전트
Local AI Agents & Tool Use

Local Deep Research 리뷰 2026: 셀프 호스팅 출처 명시형 AI 리서치 에이전트

·12분 읽기·Hans Kuepper 저 · PromptQuorum 창립자, 멀티 모델 AI 디스패치 도구 · PromptQuorum
언어 선택:
🇺🇸en🇩🇪de🇫🇷fr🇯🇵ja🇨🇳zh🇪🇸es🇧🇷pt🇸🇦ar🇰🇷ko

Local Deep Research는 arXiv, PubMed, Wikipedia, GitHub, 일반 웹 같은 출처에 걸쳐 다단계 리서치를 실행한 뒤, 사용자가 직접 설정한 LLM을 사용해 출처가 명시된 보고서를 생성하는 무료 오픈소스 셀프 호스팅 AI 리서치 에이전트(소스는 github.com/LearningCircuit/local-deep-research)입니다. MIT 라이선스이며 유료 티어가 없습니다 — GitHub 저장소에는 가격 페이지가 없으며, 유일한 비용은 연결하기로 선택한 LLM 제공업체나 검색 API뿐입니다. pip install local-deep-research로 설치되고, Ollama, LM Studio, llama.cpp를 통한 로컬 모델과 작동하며, 클라우드 제공업체(OpenAI, Anthropic, Google Gemini, OpenRouter)와 프리미엄 검색 API(Tavily, SerpAPI, Brave Search)도 선택적 추가 기능으로 지원합니다.

Local Deep Research(github.com/LearningCircuit/local-deep-research)는 arXiv, PubMed, Wikipedia, 웹 같은 출처를 조회하는 다단계 에이전트 리서치를 실행하고 출처가 명시된 보고서를 생성한 뒤, 사용자가 설정한 LLM — Ollama나 llama.cpp를 통한 로컬 모델, 또는 클라우드 API — 로 결과를 요약하는 무료 오픈소스 Python 도구입니다. pip install local-deep-research로 설치되며, 웹 UI, Python 라이브러리, CLI, HTTP API, 그리고 Claude Desktop 및 Claude Code 통합을 위한 MCP 서버를 제공합니다. 이 리뷰는 이 도구가 실제로 무엇을 하는지, 어떻게 설치하고 설정하는지, 그리고 다른 셀프 호스팅 리서치·검색 에이전트와 어떻게 비교되는지를 다룹니다.

핵심 요점

  • Local Deep Research는 무료 오픈소스이며, 공식 LICENSE 파일은 MIT입니다
  • 단순한 한 번의 검색·요약 호출이 아니라 다단계 에이전트 리서치를 실행하고, 출처로 다시 연결되는 인용을 포함한 보고서를 생성함
  • 로컬 LLM — Ollama, LM Studio, llama.cpp가 지원되는 백엔드 — 또는 클라우드 제공업체(OpenAI, Anthropic Claude, Google Gemini, OpenRouter, Requesty)와 작동함
  • 무료 검색 출처: arXiv, PubMed, Semantic Scholar, Wikipedia, SearXNG, GitHub, Wayback Machine, The Guardian. 프리미엄 옵션(Tavily, SerpAPI를 통한 Google, Brave Search)은 선택 사항이며 각자의 API 키가 필요함
  • 인터페이스: 웹 UI(localhost:5000), Python 라이브러리(quick_query(), LDRClient), CLI, 인증된 REST API, 그리고 Claude Desktop과 Claude Code용 MCP 서버
  • 프로젝트 자체 문서에 따르면 사용자별 AES-256 암호화 데이터베이스를 사용하며, 도구 자체에는 텔레메트리, 분석, 추적 기능이 내장되어 있지 않음
  • pip install local-deep-research 또는 Docker Compose(Ollama와 SearXNG도 함께 실행)로 설치 가능
  • GitHub 저장소(github.com/LearningCircuit/local-deep-research)는 2026년 9월 기준 약 9,100개의 스타를 기록

📍 한 문장으로

Local Deep Research는 학술 및 웹 출처에 걸쳐 다단계 리서치를 실행하고, 로컬이든 클라우드든 사용자가 설정한 LLM을 사용해 출처가 명시된 보고서를 생성하는 무료 오픈소스 셀프 호스팅 AI 리서치 에이전트입니다.

💬 쉽게 말하면

챗봇에 한 가지 질문을 던지고 검증되지 않은 답 하나를 받는 대신, Local Deep Research는 리서치 질문을 여러 단계로 나누고, 여러 출처(학술 주제라면 arXiv와 PubMed 같은 곳, 일반 주제라면 공개 웹)를 검색한 뒤, 각 주장이 어디서 나왔는지 인용한 보고서를 작성합니다 — Ollama 같은 로컬 모델로 전체 과정을 자신의 컴퓨터에서 실행할 수 있으므로, 리서치 질문 자체가 컴퓨터를 벗어날 필요가 없습니다.

📌참고: 이 리뷰는 로컬 LLM 소프트웨어 디렉터리에 있는 Local Deep Research 항목의 심층 분석 버전입니다 — 수십 개의 다른 로컬 및 셀프 호스팅 AI 도구와 한눈에 어떻게 비교되는지는 해당 페이지를 참고하세요.

Local Deep Research란 무엇인가?

Local Deep Research는 사용자가 직접 설정한 LLM과 검색 출처를 사용해 다단계의 출처 명시형 AI 리서치를 실행하는 Python 도구입니다. GitHub 설명에서는 깊이 있는 에이전트 조사를 위한 "AI 기반 리서치 어시스턴트"로 소개하며, 로컬 모델로 설정했을 때 "모든 것이 로컬에서 암호화되어" 실행된다는 점을 강조합니다 — 한 번의 검증되지 않은 채팅 응답이 아니라 문서화되고 출처가 명시된 답을 원하는 연구자를 겨냥한 설계 선택입니다.

  • 핵심 기능: 단일 질의가 아니라 다단계 리서치를 계획하고 실행하는 에이전트로, 설정 가능한 학술 및 웹 출처에서 가져온 뒤 출처가 명시된 보고서를 작성함
  • LLM 백엔드: Ollama(기본 엔드포인트 http://localhost:11434), LM Studio, llama.cpp를 통한 로컬 모델, 그리고 클라우드 제공업체 OpenAI, Anthropic Claude, Google Gemini, OpenRouter, Requesty도 지원됨
  • 검색 출처: 무료 옵션으로는 arXiv, PubMed, Semantic Scholar, Wikipedia, SearXNG, GitHub, Wayback Machine, The Guardian이 있으며, 프리미엄 옵션(Tavily, SerpAPI를 통한 Google, Brave Search)은 사용자 자신의 API 키가 필요함
  • 라이선스: 관대한 오픈소스 라이선스인 MIT
  • 개발자/조직: LearningCircuit GitHub 조직 — 프로젝트 소스 코드, 릴리스, 이슈 트래커의 정식이자 적극적으로 유지되는 본거지
  • 인터페이스: 브라우저 기반 웹 UI, Python API(quick_query() 및 LDRClient 클래스), 벤치마킹·자동화용 CLI, 인증된 REST API, 그리고 Claude Desktop과 Claude Code용 MCP 서버

Local Deep Research의 프로젝트 히스토리와 버전 마일스톤

Local Deep Research는 이 리뷰 작성 시점 기준 메인 브랜치에 수천 건의 커밋이 있는 GitHub 저장소가 보여주듯 지속적으로 릴리스되어 왔으며, 그 과정에서 검색 출처 통합, MCP 서버, 사용자별 암호화 데이터베이스를 추가했습니다. 아래 마일스톤은 프로젝트의 공개 저장소 활동에서 가져온 것입니다 — 완전하고 최신인 히스토리는 GitHub 저장소에서 직접 확인하세요.

  1. 1
    핵심 다단계 리서치 엔진 및 CLI
    Why it matters: 단순한 한 번의 검색·요약 호출이 아니라, 질의를 계획하고 여러 출처를 검색한 뒤 출처가 명시된 답을 종합하는 기본적인 에이전트 리서치 루프입니다.
  2. 2
    무료 학술·웹 검색 출처 통합(arXiv, PubMed, Semantic Scholar, Wikipedia, SearXNG, GitHub, Wayback Machine, The Guardian)
    Why it matters: 유료 검색 API 없이도 에이전트가 인용 가능한 학술 문헌과 일반 웹 출처에 접근할 수 있게 합니다.
  3. 3
    로컬 LLM 백엔드 지원(Ollama, LM Studio, llama.cpp)
    Why it matters: 계획, 검색, 보고서 생성을 포함한 전체 리서치 루프를 자신의 하드웨어에 있는 모델로 실행할 수 있게 하며, 리서치 질의가 서드파티로 전송되지 않습니다.
  4. 4
    Ollama와 SearXNG가 번들된 Docker Compose 배포
    Why it matters: 로컬 모델 서버와 셀프 호스팅 검색 엔진(SearXNG)을 리서치 에이전트와 함께 `docker compose up -d` 한 번의 명령으로 띄워 셀프 호스팅을 단순화합니다.
  5. 5
    사용자별 AES-256 암호화 데이터베이스
    Why it matters: 리서치 히스토리와 결과에 대해 사용자별 데이터베이스 수준의 암호화를 추가하며, 여러 사용자를 위해 Local Deep Research를 셀프 호스팅하는 경우 관련성이 있습니다.
  6. 6
    Claude Desktop 및 Claude Code용 MCP 서버
    Why it matters: Model Context Protocol을 통해 Local Deep Research가 독립형 웹 UI나 CLI로서뿐 아니라 Claude Desktop이나 Claude Code 안의 도구로도 작동할 수 있게 합니다.
  7. 7
    v1.10.3 — SearXNG 인스턴스 URL 고정 요구
    Why it matters: 이 버전부터 SearXNG의 localhost 검색 엔진을 사용하려면 설정에서 인스턴스 URL을 고정해야 합니다 — 프로젝트의 `docs/SearXNG-Setup.md`에 문서화되어 있으며, 이 리뷰가 확인할 수 있었던 가장 최근의 버전별 변경 사항입니다.

Local Deep Research로 무엇을 할 수 있는가?

Local Deep Research의 기능은 리서치 질문을 다단계의 출처 명시형 조사로 바꾸는 것을 중심으로 하며, 로컬 모델 지원을 부수적 기능이 아니라 1급 옵션으로 다룹니다. 각 기능이 실제로 무엇을 하는지는 프로젝트 자체의 GitHub README를 기준으로 정리했습니다.

  • 리서치 모드 — 빠른 개요를 위한 간단 요약, 더 깊은 다중 출처 조사를 위한 상세 리서치, 전체 보고서 생성, 그리고 사용자가 제공한 파일에 대한 문서 분석
  • 다단계 에이전트 검색 — 검증되지 않은 채팅 답 하나를 돌려주는 대신, 에이전트가 리서치 접근 방식을 계획하고 여러 설정된 출처를 질의한 뒤 각 출처로 다시 연결되는 인용과 함께 결과를 종합함
  • 로컬 LLM 지원 — Ollama(기본 http://localhost:11434), LM Studio(http://localhost:1234/v1), 또는 llama.cpp(http://localhost:8080/v1)를 통해 전체 리서치·작성 파이프라인을 로컬 모델로 실행할 수 있어, 리서치 질문과 결과가 자신의 컴퓨터를 벗어나지 않음
  • 클라우드 LLM 지원 — 로컬 모델의 선택적 대안으로 OpenAI, Anthropic Claude, Google Gemini, OpenRouter(100개 이상 모델), 또는 Requesty(100개 이상 모델)를 연결
  • 학술·웹 검색 출처 — 무료 출처로는 arXiv, PubMed, Semantic Scholar, Wikipedia, SearXNG(셀프 호스팅 메타 검색), GitHub, Wayback Machine, The Guardian이 있으며, 프리미엄 출처(Tavily, SerpAPI를 통한 Google, Brave Search)는 사용자 자신의 API 키가 필요함
  • 커스텀 및 로컬 문서 검색 — 자신의 로컬 문서를 검색하거나, LangChain 리트리버를 연결하거나, 여러 출처를 메타 검색 설정으로 조합
  • 뉴스 구독 — 사용자가 정한 배포 일정에 따라 특정 주제에 대한 자동화된 반복 리서치 다이제스트를 설정
  • REST API, 분석 대시보드, 벤치마킹 도구 — CSRF 보호를 갖춘 인증된 HTTP API, 리서치 실행을 추적하는 대시보드, 모델/검색 설정을 비교하는 내장 벤치마킹 유틸리티
  • 내보내기 및 통합 — 리서치 보고서를 PDF나 Markdown으로 내보내고, Local Deep Research를 MCP 서버로서 Claude Desktop이나 Claude Code에 연결

사용 예시: Local Deep Research를 활용하는 세 가지 방법

아래는 위에서 설명한 Local Deep Research의 문서화된 기능을 바탕으로 한 구체적인 워크플로이며, 가상의 사용 사례가 아닙니다.

Local Deep Research 가격: 정말 무료인가?

네 — Local Deep Research 자체에는 유료 티어가 없습니다. GitHub 저장소에는 가격 페이지가 없으며, MIT 라이선스가 전체 코드베이스에 적용되어 결제로 잠긴 기능이 없습니다. 실제로 발생할 수 있는 비용은 Local Deep Research 자체가 아니라 사용자가 연결하기로 선택한 LLM 제공업체와 검색 출처에서 나옵니다.

Local Deep Research 소프트웨어

Cost:
무료, MIT 라이선스, 도구 자체가 부과하는 사용 제한 없음

로컬 LLM 백엔드(Ollama, LM Studio, llama.cpp)

Cost:
무료 — 자신의 하드웨어에서 실행, 쿼리당 API 비용 없음

클라우드 LLM 백엔드(OpenAI, Anthropic, Gemini, OpenRouter, Requesty)

Cost:
해당 제공업체에 API 사용료를 직접 지불함, Local Deep Research는 마크업을 추가하지 않음

무료 검색 출처(arXiv, PubMed, Wikipedia, SearXNG, GitHub 등)

Cost:
무료, 대부분 API 키 불필요

Ollama를 통한 로컬 모델과 arXiv, PubMed, SearXNG 같은 무료 검색 출처를 조합한 완전한 로컬 설정이라면, 자신의 하드웨어와 전기료를 제외하고 사실상 비용 없이 Local Deep Research를 실행할 수 있습니다. 클라우드 LLM이나 프리미엄 검색 제공업체를 추가하면 해당 제공업체로부터 사용량 기반 비용이 발생하며, 이는 Local Deep Research 자체의 무료 MIT 라이선스 코드베이스와는 완전히 별개입니다.

Local Deep Research vs. Vane

Local Deep Research와 Vane(이전 명칭 Perplexica)은 모두 폐쇄형 AI 검색 제품의 셀프 호스팅 오픈소스 대안이지만, 목표로 하는 리서치 깊이가 다릅니다. Vane은 Perplexity 스타일의 인용이 포함된 답을 빠르게 제공하도록 만들어졌고, Local Deep Research는 시간이 훨씬 더 걸리지만 더 많은 내용을 다루는 더 깊은 다단계 조사를 위해 만들어졌습니다.

주요 사용 사례

Local Deep Research:
인용을 포함한 다단계 심층 리서치 보고서
Vane:
인용을 포함한 빠른 Perplexity 스타일 답변

학술 출처

Local Deep Research:
arXiv, PubMed, Semantic Scholar 내장
Vane:
출처 목록은 전용 Vane 리뷰 참고

로컬 LLM 지원

Local Deep Research:
Ollama, LM Studio, llama.cpp
Vane:
지원 백엔드는 전용 Vane 리뷰 참고

인터페이스

Local Deep Research:
웹 UI, Python 라이브러리, CLI, REST API, MCP 서버
Vane:
인터페이스 옵션은 전용 Vane 리뷰 참고

라이선스

Local Deep Research:
MIT
Vane:
현재 라이선스 세부 정보는 전용 Vane 리뷰 참고

보고서 깊이

Local Deep Research:
다단계 보고서, 간단 요약부터 전체 보고서까지의 리서치 모드
Vane:
단일 턴 또는 대화형 답변, 전용 다단계 보고서 모드 없음

브라우징 중 특정 질문에 대한 빠르고 인용된 답 — 셀프 호스팅 Perplexity 대체재 — 이 주된 필요라면 Vane이 바로 그 용도에 맞습니다. 전체 Vane 리뷰를 참고하세요. 내보내고 인용할 수 있는 더 길고 다중 출처 리서치 보고서가 주된 필요라면, Local Deep Research의 더 깊은 다단계 설계가 더 적합합니다.

Local Deep Research는 누구에게 적합한가?

Local Deep Research가 적합한지 여부는 진정한 다단계 출처 명시형 리서치 결과가 필요하고, 직접 설정한 LLM 백엔드를 갖춘 Python 도구를 운영하는 데 익숙한지에 달려 있습니다.

Local Deep Research vs. 다른 리서치·에이전트 도구

Local Deep Research는 AI 지원 검색과 자율 리서치/에이전트 워크플로를 위한 셀프 호스팅 도구라는 더 넓은 범주에 속합니다. 이 영역의 다른 옵션과 어떻게 비교되는지는 다음과 같습니다 — 전체 목록은 로컬 LLM 소프트웨어 디렉터리를, 가장 가까운 맞대결 비교는 위의 전용 Local Deep Research vs. Vane 비교를 참고하세요.

  • Vane(이전 명칭 Perplexica) — 다단계 심층 보고서가 아니라 빠른 단일 턴 인용 검색을 위해 만들어진 셀프 호스팅 Perplexity 스타일 AI 답변 엔진 — 위의 전용 비교 섹션과 Vane 리뷰에서 전체 내용을 확인하세요.
  • Onyx(이전 명칭 Danswer) — 조직 자체의 내부 문서와 커넥터를 조회하도록 만들어진 셀프 호스팅 엔터프라이즈 검색·RAG 플랫폼으로, Local Deep Research의 학술/웹 리서치 초점과는 다른 사용 사례 — Onyx 리뷰를 참고하세요.
  • Agent Zero — 리서치를 포함한 여러 작업 유형을 처리할 수 있는 범용 자율 에이전트 프레임워크로, 범위는 더 넓지만 Local Deep Research만큼 인용이 명시된 학술 리서치에 특화되어 있지는 않음 — Agent Zero 리뷰를 참고하세요.
  • BabyAGI — 초기의 영향력 있는 자율 작업 관리 에이전트 프레임워크로, 에이전트 리서치 루프가 어떻게 발전했는지 이해하는 데 유용한 배경이지만 Local Deep Research만큼 인용된 리서치 결과물에 특화되어 있지는 않음 — BabyAGI 리뷰를 참고하세요.

Local Deep Research 평가 시 흔한 실수

Local Deep Research에 대한 혼란은 대부분 단일 질문형 챗봇처럼 작동한다고 가정하거나, 파이프라인의 어느 부분이 실제로 로컬에서 실행되는지 오해하거나, 보고된 벤치마크 수치를 보편적인 것으로 과대평가하는 데서 비롯됩니다.

자주 묻는 질문

Local Deep Research란 무엇인가요?

Local Deep Research(소스는 github.com/LearningCircuit/local-deep-research)는 학술 및 웹 출처에 걸쳐 다단계 에이전트 리서치를 실행하고, 로컬이든 클라우드든 사용자가 설정한 LLM을 사용해 출처가 명시된 보고서를 생성하는 무료 오픈소스 Python 도구입니다.

Local Deep Research는 무료인가요?

네. 도구 자체는 무료이며 MIT 라이선스이고, 가격 페이지나 유료 티어가 없습니다. 클라우드 LLM 제공업체나 프리미엄 검색 API를 연결하면 해당 제공업체에 직접 비용을 지불합니다 — Local Deep Research는 마크업을 추가하지 않습니다.

Local Deep Research는 오픈소스인가요? 어떤 라이선스를 사용하나요?

네, MIT 라이선스로 오픈소스이며, GitHub 저장소의 LICENSE 파일에서 확인할 수 있습니다.

Local Deep Research는 완전히 오프라인/완전히 로컬로 실행될 수 있나요?

그렇게 설정하면 가능합니다. 로컬 LLM 백엔드(Ollama, LM Studio, llama.cpp)와 arXiv, PubMed, Wikipedia 같은 무료 출처, 그리고 셀프 호스팅 SearXNG 인스턴스를 함께 사용하면 리서치 및 생성 파이프라인을 자신의 하드웨어에 유지할 수 있습니다. arXiv나 Wikipedia 같은 출처로의 공개 검색 요청은 해당 공개 서비스에 도달하기 위해 여전히 자신의 컴퓨터를 벗어나며, 이는 LLM 추론이 로컬인지 여부와는 별개의 사안입니다.

Local Deep Research는 어떻게 설치하나요?

pip install local-deep-research로 설치한 뒤 python -m local_deep_research.web.app을 실행하거나, 저장소의 Docker Compose 파일과 함께 docker compose up -d를 사용하면 Ollama와 SearXNG도 함께 실행됩니다.

Local Deep Research는 어떤 LLM 제공업체를 지원하나요?

로컬 백엔드: Ollama, LM Studio, llama.cpp. 클라우드 제공업체: OpenAI, Anthropic Claude, Google Gemini, OpenRouter(100개 이상 모델), Requesty(100개 이상 모델), 그리고 커스텀 OpenAI 호환 및 Anthropic 호환 엔드포인트도 지원합니다.

Local Deep Research는 어떤 검색 출처를 사용하나요?

무료 출처로는 arXiv, PubMed, Semantic Scholar, Wikipedia, SearXNG, GitHub, Wayback Machine, The Guardian이 있습니다. 프리미엄 선택 출처로는 Tavily, Google(SerpAPI 경유), Brave Search가 있으며 각각 사용자 자신의 API 키가 필요합니다.

Local Deep Research는 API나 MCP를 지원하나요?

네. CSRF 보호를 갖춘 인증된 REST API, Python 라이브러리(quick_query(), LDRClient), 그리고 Claude Desktop과 Claude Code 통합을 위한 MCP 서버를 제공합니다.

Local Deep Research는 Vane(이전 명칭 Perplexica)과 어떻게 다른가요?

Vane은 빠른 단일 턴 Perplexity 스타일 인용 답변을 위해 만들어졌습니다. Local Deep Research는 간단 요약부터 전체 보고서까지 전용 리서치 모드와 arXiv, PubMed 같은 내장 학술 출처를 갖춘 더 깊은 다단계 리서치를 위해 만들어졌습니다 — 위의 전용 비교 섹션을 참고하세요.

Local Deep Research는 누가 개발하나요?

Local Deep Research는 프로젝트의 활발한 소스 코드, 릴리스, 이슈 트래커를 호스팅하는 LearningCircuit GitHub 조직 아래에서 유지되고 있습니다.

출처

← 고급 로컬 LLM으로 돌아가기