AI agent 성능 병목은 추론보다 검색 인터페이스에 있으며, DCI는 vector database 대신 terminal 접근을 제안합니다

여러 대학 연구진은 agentic workflow 실패의 원인이 LLM 추론 능력보다 제한적인 retrieval interface에 있는 경우가 많다고 지적합니다. 이들이 제안한 **direct corpus interaction(DCI)**은 embedding과 vector database를 우회해, agent가 command-line tools로 raw corpus를 직접 검색하도록 하는 방식입니다.

RAG의 top-k 검색은 의미적 유사도에는 강하지만 error code, version, file path 같은 장꼬리 단서와 단계적 가설 수정에는 취약합니다. DCI는 agent에게 더 넓은 관찰권과 반복적 탐색 능력을 부여해, enterprise 환경에서 검색 병목을 줄이는 방향으로 agent architecture가 진화하고 있음을 보여줍니다.