3가지 딥 리서치 도구 비교: OpenAI vs 오픈소스 (WebUI, Another Wrapper)

3가지 딥 리서치 도구 비교: OpenAI vs 오픈소스 (WebUI, Another Wrapper)

최근 AI 연구 분야에서 딥 리서치는 PhD 수준의 분석을 가능하게 하며 엄청난 결과물을 만들어내고 있습니다. 하지만 OpenAI의 딥 리서치 기능은 월 200달러라는 높은 비용이 발생하여 접근성이 떨어진다는 단점이 있습니다. 본 영상에서는 OpenAI 딥 리서치와 오픈소스 대안 도구인 WebUI, Another Wrapper를 비교하여 사용자에게 적합한 도구를 선택할 수 있도록 돕습니다.

 

본론에 들어가기 앞서: 아래 링크를 통해 3가지 도구 비교 분석 자료를 100% 무료로 제공하는 Stride AI Academy 커뮤니티에 참여하실 수 있습니다. 또한, AI 기업가 및 개발자와 교류하고 템플릿, 도구, 프레임워크 등 다양한 자료를 얻을 수 있습니다.

1. 딥 리서치 도구 설정 방법

각 도구별 자세한 설정 방법은 아래 영상을 참고하시기 바랍니다.

• 오픈소스 딥 리서치 (CLI): GitHub 저장소 (https://github.com/)에서 다운로드하여 설치합니다.
  • 입력값, 깊이, 폭, 사용자 쿼리를 설정하여 딥 리서치를 수행합니다.
  • 검색 엔진, 웹 스크래핑, 대규모 언어 모델을 결합하여 결과를 분석하고 마크다운 보고서를 생성합니다.
  • 명령줄 인터페이스 (CLI)를 사용하며, GitHub 저장소에서 자세한 설치 및 사용법을 확인할 수 있습니다.
• Another Wrapper: 오픈소스 딥 리서치 CLI를 기반으로 GUI 인터페이스를 제공합니다.
  • Another Wrapper 웹사이트 (https://anotherwrapper.com/)에서 클라우드 버전을 사용하거나, GitHub 저장소 (https://github.com/)에서 다운로드하여 직접 호스팅할 수 있습니다.
  • API 키를 설정하고 폭, 깊이 등의 매개변수를 조정하여 딥 리서치를 수행합니다.
• WebUI: Browser use를 기반으로 구축되었으며, 딥 리서치 기능을 제공하는 GUI 인터페이스입니다.
  • GitHub 저장소 (https://github.com/)에서 다운로드하여 설치합니다.
  • UV를 사용하여 Python 환경을 관리하고 필요한 라이브러리를 설치합니다.
  • API 키를 설정하고 다양한 매개변수를 조정하여 딥 리서치를 수행합니다.

2. 딥 리서치 도구 비교

OpenAI 딥 리서치, Another Wrapper, WebUI를 사용하여 동일한 프롬프트를 입력하고 결과를 비교했습니다.

 

프롬프트: "저는 세 가지 딥 리서치 도구를 비교하는 YouTube 영상을 만들고 있습니다. 첫 번째 도구는 OpenAI의 새로운 딥 리서치 도구로, 월 200달러이며 on1 Pro, 더 높은 점수 제한 등을 이용할 수 있습니다. 두 번째와 세 번째는 OpenAI 딥 리서치의 오픈소스 대안입니다. 두 번째는 Browser use의 WebUI이며, 세 번째는 오픈소스 딥 리서치입니다. 클로즈드 소스인 OpenAI 딥 리서치와 두 가지 오픈소스 대안을 심층적으로 비교하고, 시청자가 어떤 도구를 선택해야 하는지에 대한 장단점을 분석해주세요."

OpenAI 딥 리서치는 추가 질문을 통해 검색 컨텍스트를 명확히 했습니다.

• 평가 기준: 정확성, 속도, 사용 편의성, 통합 옵션, 비용, 유연성, 데이터 프라이버시
• 대상 사용자: 개발자, 연구원, 일반 사용자
• 사용 사례: 학술 연구, 시장 분석, 콘텐츠 제작 등
• 비교 수준: 상세한 분석, 성능 벤치마크, 스크린샷, 사용자 후기
• 선호 형식: 요약 테이블, 서면 비교, 편향 없는 의견

결과:

• OpenAI 딥 리서치: 11분 동안 27개의 소스를 사용하여 16,336 단어 분량의 보고서를 생성했습니다.
  • 정확성, 속도, 사용 편의성, 통합 옵션, 비용, 유연성, 데이터 프라이버시 측면에서 상세한 비교 분석을 제공했습니다.
  • 각 도구의 장단점을 명확하게 제시하고, 사용 사례에 따른 추천을 제공했습니다.
• Another Wrapper: 2분 36초 동안 19개의 소스를 사용하여 2,346 단어 분량의 보고서를 생성했습니다.
  • OpenAI 딥 리서치, Browser use WebUI, 오픈소스 딥 리서치 CLI 및 GUI에 대한 개요를 제공했습니다.
  • 정확성, 속도, 사용 편의성, 통합 옵션, 비용, 유연성, 데이터 프라이버시 측면에서 평가 기준을 제시했습니다.
  • 일반 사용자는 OpenAI 딥 리서치를, 개발자 및 연구원은 오픈소스 대안을 추천했습니다.
• WebUI: 약 5분 동안 6개의 소스를 사용하여 661 단어 분량의 보고서를 생성했습니다.
  • 다른 도구에 비해 짧은 답변을 제공했으며, 초기 프롬프트에 모든 컨텍스트를 제공해야 합니다.
  • 비용, 유연성, 사용성, 사용자 정의 및 제어, 장단점 측면에서 비교 분석을 제공했습니다.

결론:

OpenAI 딥 리서치는 가장 심층적인 분석을 제공하지만, 월 200달러라는 높은 비용이 발생합니다. Another Wrapper는 적절한 수준의 비교 분석을 제공하며, 무료로 사용할 수 있습니다. WebUI는 가장 짧은 답변을 제공하지만, 다양한 모델을 사용할 수 있다는 장점이 있습니다.

사용자는 자신의 필요와 예산에 따라 적합한 도구를 선택해야 합니다. AI 연구에 진지하고 자금이 충분하다면 OpenAI 딥 리서치가 좋은 선택일 수 있습니다. 그렇지 않다면, 오픈소스 대안도 매우 강력한 도구가 될 수 있습니다.

3. 주요 내용 사용 방법 (30단계)

본 영상에서 다룬 딥 리서치 도구들의 주요 내용을 효과적으로 활용하기 위한 30단계 사용법을 상세하게 안내합니다.

1. 목표 설정: 딥 리서치를 통해 얻고자 하는 구체적인 목표를 설정합니다. (예: 특정 기술 동향 분석, 경쟁사 전략 파악 등)
2. 정보 수집 범위 설정: 목표 달성에 필요한 정보의 범위와 깊이를 정의합니다. (예: 특정 기간 동안의 논문, 뉴스 기사, 특허 정보 등)
3. 도구 선택: OpenAI 딥 리서치, Another Wrapper, WebUI 중 목표와 예산에 적합한 도구를 선택합니다.
4. API 키 발급 및 설정: 선택한 도구에서 요구하는 API 키를 발급받아 도구에 설정합니다. (OpenAI, FirCrawl 등)
5. 프롬프트 작성: 명확하고 구체적인 프롬프트를 작성하여 도구가 목표에 맞는 정보를 검색하도록 유도합니다. (예: "최근 5년간 인공지능 기술 동향 분석 및 주요 기업 전략 비교")
6. 평가 기준 설정 (OpenAI 딥 리서치): 정확성, 속도, 사용 편의성 등 딥 리서치 결과의 평가 기준을 설정합니다.
7. 대상 사용자 정의 (OpenAI 딥 리서치): 개발자, 연구원, 일반 사용자 등 딥 리서치 결과의 대상 사용자를 정의합니다.
8. 사용 사례 정의 (OpenAI 딥 리서치): 학술 연구, 시장 분석, 콘텐츠 제작 등 딥 리서치 결과의 구체적인 사용 사례를 정의합니다.
9. 비교 수준 선택 (OpenAI 딥 리서치): 간단한 장단점 분석 또는 상세 분석 및 성능 벤치마크 등 딥 리서치 결과의 비교 수준을 선택합니다.
10. 결과 형식 선택 (OpenAI 딥 리서치): 요약 테이블, 서면 비교 등 딥 리서치 결과의 선호하는 형식을 선택합니다.
11. 폭(Breadth) 및 깊이(Depth) 설정 (Another Wrapper): 검색의 범위와 깊이를 조절하여 딥 리서치의 상세 정도를 설정합니다.
12. LLM 모델 선택 (WebUI): OpenAI, LLaMA 등 다양한 LLM 모델을 선택하여 딥 리서치에 활용합니다.
13. 검색 설정 조정 (WebUI): 검색 반복 횟수, 반복 당 최대 쿼리 수 등 검색 설정을 조정합니다.
14. 프롬프트 입력 및 실행: 작성된 프롬프트를 도구에 입력하고 딥 리서치를 실행합니다.
15. 결과 모니터링 (OpenAI 딥 리서치): 딥 리서치 진행 상황을 실시간으로 모니터링하고 필요한 경우 프롬프트를 수정합니다.
16. 결과 분석 및 평가: 딥 리서치 결과를 분석하고 설정된 평가 기준에 따라 결과를 평가합니다.
17. 결과 저장: 딥 리서치 결과를 텍스트 파일 또는 마크다운 형식으로 저장합니다.
18. 결과 재활용: 저장된 딥 리서치 결과를 다른 LLM 모델에 입력하여 추가 분석 또는 콘텐츠 생성에 활용합니다.
19. WebUI 결과 폴더 확인: WebUI의 딥 리서치 결과는 폴더 형태로 저장되므로, 폴더 내의 파일들을 확인합니다.
20. WebUI 기록 정보 확인: WebUI는 각 검색 결과에 대한 기록 정보를 제공하므로, 기록 정보를 통해 검색 과정과 결과를 분석합니다.
21. WebUI 검색 설정 재조정: WebUI의 검색 설정 중 오류가 발생하는 경우, 설정을 낮추어 재실행합니다.
22. WebUI 프롬프트 재작성: WebUI는 추가 질문을 요구하지 않으므로, 프롬프트에 모든 정보를 포함하여 재작성합니다.
23. 결과 비교 분석: 각 도구에서 생성된 딥 리서치 결과를 비교 분석하여 장단점을 파악합니다.
24. 도구별 특징 파악: OpenAI 딥 리서치의 심층적인 분석, Another Wrapper의 사용 편의성, WebUI의 다양한 모델 지원 등 도구별 특징을 파악합니다.
25. 자체적인 평가 기준 설정: 본 영상에서 제시된 평가 기준 외에 자신만의 평가 기준을 설정하여 도구를 평가합니다.
26. 지속적인 실험: 다양한 프롬프트와 설정을 통해 지속적인 실험을 진행하여 최적의 결과를 얻도록 노력합니다.
27. 오픈소스 커뮤니티 활용: 오픈소스 도구 사용 시 커뮤니티에 참여하여 정보를 공유하고 문제를 해결합니다.
28. 문서화: 딥 리서치 과정과 결과를 문서화하여 추후 참고 자료로 활용합니다.
29. 윤리적인 문제 고려: 딥 리서치 과정에서 발생할 수 있는 데이터 프라이버시 및 저작권 등 윤리적인 문제를 고려합니다.
30. 지속적인 학습: 딥 리서치 기술 및 도구는 지속적으로 발전하므로 꾸준히 학습하고 새로운 기술을 습득합니다.

이 30단계를 통해 여러분은 딥 리서치 도구들을 효과적으로 활용하고, 목표 달성에 필요한 귀중한 정보를 얻을 수 있을 것입니다.

Citations: [1] https://ppl-ai-file-upload.s3.amazonaws.com/web/direct-files/28825352/d88c21e6-0333-4ee9-b7c6-9f7360f5b041/paste.txt

---

Answer from Perplexity: pplx.ai/share

유튜브 영상 자료 분석: 딥 리서치 도구 비교 (OpenAI vs 오픈소스)

제공해주신 유튜브 영상 대본을 분석하여 사용된 프롬프트를 추출하고, 딥 리서치 도구 비교 분석 내용을 상세하게 정리했습니다.

1. 사용된 프롬프트 목록 및 분석

영상에서 사용된 프롬프트는 크게 두 가지 유형으로 나눌 수 있습니다.

• 메인 프롬프트: 딥 리서치 도구들의 비교 분석을 요청하는 핵심 질문
• 세부 프롬프트 (OpenAI 딥 리서치): 메인 프롬프트의 컨텍스트를 명확히 하기 위한 추가 질문

1) 메인 프롬프트:

"저는 세 가지 딥 리서치 도구를 비교하는 YouTube 영상을 만들고 있습니다. 첫 번째 도구는 OpenAI의 새로운 딥 리서치 도구로, 월 200달러이며 on1 Pro, 더 높은 점수 제한 등을 이용할 수 있습니다. 두 번째와 세 번째는 OpenAI 딥 리서치의 오픈소스 대안입니다. 두 번째는 Browser use의 WebUI이며, 세 번째는 오픈소스 딥 리서치입니다. 클로즈드 소스인 OpenAI 딥 리서치와 두 가지 오픈소스 대안을 심층적으로 비교하고, 시청자가 어떤 도구를 선택해야 하는지에 대한 장단점을 분석해주세요."

2) 세부 프롬프트 (OpenAI 딥 리서치):

• 평가 기준: "어떤 특정 요소를 중점적으로 평가해야 할까요? 정확성, 속도, 사용 편의성, 통합 옵션, 비용, 유연성, 데이터 프라이버시 등 모든 요소를 고려해야 할까요?"
• 대상 사용자: "주요 대상 사용자는 개발자, 연구원, 일반 사용자 중 누구인가요? 아니면 모두를 고려해야 할까요?"
• 사용 사례: "학술 연구, 시장 분석, 콘텐츠 제작 등 특정 사용 사례에 집중해야 할까요, 아니면 모든 가능성을 고려해야 할까요?"
• 비교 수준: "간단한 장단점 분석을 원하시나요, 아니면 성능 벤치마크, 스크린샷, 사용자 후기를 포함한 상세 분석을 원하시나요?"
• 선호 형식: "서면 비교 외에 요약 테이블 형태로도 제공해 드릴까요? 또한, 각 사용자의 특정 요구 사항에 맞춰 편향 없는 의견을 제시해 드릴까요?"

총 프롬프트 수: 총 5개의 프롬프트가 사용되었습니다 (메인 프롬프트 1개 + 세부 프롬프트 4개). 위 목록은 영상 대본에 명시적으로 언급된 모든 프롬프트를 포함하고 있습니다.

2. 딥 리서치 도구 비교 분석 요약

영상에서는 OpenAI 딥 리서치, Another Wrapper, WebUI, 세 가지 도구를 비교 분석합니다. 각 도구의 특징, 장단점, 사용 방법, 그리고 실제 사용 사례를 상세하게 다루고 있습니다.

• OpenAI 딥 리서치: 심층적인 분석과 높은 정확도를 제공하지만, 월 200달러의 비용이 발생합니다.
• Another Wrapper: 오픈소스 딥 리서치 CLI를 기반으로 GUI 인터페이스를 제공하며, 무료로 사용할 수 있습니다.
• WebUI: Browser use를 기반으로 구축되었으며, 다양한 모델을 사용할 수 있다는 장점이 있습니다.

3. 주요 내용 사용 방법 (30단계)

영상의 주요 내용을 효과적으로 활용하기 위한 30단계 사용법을 상세하게 안내합니다.

1. 목표 설정: 딥 리서치를 통해 얻고자 하는 구체적인 목표를 설정합니다. (예: 특정 기술 동향 분석, 경쟁사 전략 파악 등)
2. 정보 수집 범위 설정: 목표 달성에 필요한 정보의 범위와 깊이를 정의합니다. (예: 특정 기간 동안의 논문, 뉴스 기사, 특허 정보 등)
3. 도구 선택: OpenAI 딥 리서치, Another Wrapper, WebUI 중 목표와 예산에 적합한 도구를 선택합니다.
4. API 키 발급 및 설정: 선택한 도구에서 요구하는 API 키를 발급받아 도구에 설정합니다. (OpenAI, FirCrawl 등)
5. 프롬프트 작성: 명확하고 구체적인 프롬프트를 작성하여 도구가 목표에 맞는 정보를 검색하도록 유도합니다. (예: "최근 5년간 인공지능 기술 동향 분석 및 주요 기업 전략 비교")
6. 평가 기준 설정 (OpenAI 딥 리서치): 정확성, 속도, 사용 편의성 등 딥 리서치 결과의 평가 기준을 설정합니다.
7. 대상 사용자 정의 (OpenAI 딥 리서치): 개발자, 연구원, 일반 사용자 등 딥 리서치 결과의 대상 사용자를 정의합니다.
8. 사용 사례 정의 (OpenAI 딥 리서치): 학술 연구, 시장 분석, 콘텐츠 제작 등 딥 리서치 결과의 구체적인 사용 사례를 정의합니다.
9. 비교 수준 선택 (OpenAI 딥 리서치): 간단한 장단점 분석 또는 상세 분석 및 성능 벤치마크 등 딥 리서치 결과의 비교 수준을 선택합니다.
10. 결과 형식 선택 (OpenAI 딥 리서치): 요약 테이블, 서면 비교 등 딥 리서치 결과의 선호하는 형식을 선택합니다.
11. 폭(Breadth) 및 깊이(Depth) 설정 (Another Wrapper): 검색의 범위와 깊이를 조절하여 딥 리서치의 상세 정도를 설정합니다.
12. LLM 모델 선택 (WebUI): OpenAI, LLaMA 등 다양한 LLM 모델을 선택하여 딥 리서치에 활용합니다.
13. 검색 설정 조정 (WebUI): 검색 반복 횟수, 반복 당 최대 쿼리 수 등 검색 설정을 조정합니다.
14. 프롬프트 입력 및 실행: 작성된 프롬프트를 도구에 입력하고 딥 리서치를 실행합니다.
15. 결과 모니터링 (OpenAI 딥 리서치): 딥 리서치 진행 상황을 실시간으로 모니터링하고 필요한 경우 프롬프트를 수정합니다.
16. 결과 분석 및 평가: 딥 리서치 결과를 분석하고 설정된 평가 기준에 따라 결과를 평가합니다.
17. 결과 저장: 딥 리서치 결과를 텍스트 파일 또는 마크다운 형식으로 저장합니다.
18. 결과 재활용: 저장된 딥 리서치 결과를 다른 LLM 모델에 입력하여 추가 분석 또는 콘텐츠 생성에 활용합니다.
19. WebUI 결과 폴더 확인: WebUI의 딥 리서치 결과는 폴더 형태로 저장되므로, 폴더 내의 파일들을 확인합니다.
20. WebUI 기록 정보 확인: WebUI는 각 검색 결과에 대한 기록 정보를 제공하므로, 기록 정보를 통해 검색 과정과 결과를 분석합니다.
21. WebUI 검색 설정 재조정: WebUI의 검색 설정 중 오류가 발생하는 경우, 설정을 낮추어 재실행합니다.
22. WebUI 프롬프트 재작성: WebUI는 추가 질문을 요구하지 않으므로, 프롬프트에 모든 정보를 포함하여 재작성합니다.
23. 결과 비교 분석: 각 도구에서 생성된 딥 리서치 결과를 비교 분석하여 장단점을 파악합니다.
24. 도구별 특징 파악: OpenAI 딥 리서치의 심층적인 분석, Another Wrapper의 사용 편의성, WebUI의 다양한 모델 지원 등 도구별 특징을 파악합니다.
25. 자체적인 평가 기준 설정: 본 영상에서 제시된 평가 기준 외에 자신만의 평가 기준을 설정하여 도구를 평가합니다.
26. 지속적인 실험: 다양한 프롬프트와 설정을 통해 지속적인 실험을 진행하여 최적의 결과를 얻도록 노력합니다.
27. 오픈소스 커뮤니티 활용: 오픈소스 도구 사용 시 커뮤니티에 참여하여 정보를 공유하고 문제를 해결합니다.
28. 문서화: 딥 리서치 과정과 결과를 문서화하여 추후 참고 자료로 활용합니다.
29. 윤리적인 문제 고려: 딥 리서치 과정에서 발생할 수 있는 데이터 프라이버시 및 저작권 등 윤리적인 문제를 고려합니다.
30. 지속적인 학습: 딥 리서치 기술 및 도구는 지속적으로 발전하므로 꾸준히 학습하고 새로운 기술을 습득합니다.

이 30단계를 통해 여러분은 딥 리서치 도구들을 효과적으로 활용하고, 목표 달성에 필요한 귀중한 정보를 얻을 수 있을 것입니다.

4. 추가 정보

• Stride AI Academy: AI 기업가 및 개발자를 위한 커뮤니티 (템플릿, 도구, 프레임워크 등 제공)