RAG Engine Cross Corpus Retrieval은 Google Research와 Google Cloud가 2026년 6월 5일 공개한 Gemini Enterprise Agent Platform의 문서 검색 기능으로, 하나의 질문에 필요한 근거가 여러 독립 RAG 코퍼스에 흩어져 있을 때 검색 계획을 세우고 관련 문맥을 모아 답변하도록 설계됐다. 일반적인 검색 증강 생성(Retrieval-Augmented Generation, RAG)이 질문 한 번과 검색 한 번을 직접 연결한다면, 이 기능은 복잡한 질문을 여러 검색 계획과 하위 질의(Sub-query)로 분해한다. 이후 각 질의에 적합한 코퍼스를 선택적으로 탐색하고, 확보한 문맥이 답변에 충분한지 평가한 뒤 부족하면 검색을 반복한다. 사서가 한 서가에서 처음 발견한 책만 읽는 것이 아니라 논문실, 특허실, 임상자료실을 차례로 확인하며 답변의 근거를 조립하는 방식에 가깝다. 기존 RAG 파이프라인은 첫 검색 결과의 품질에 크게 의존한다. 질문이 여러 분야를 가로지르거나 필요한 사실이 서로 다른 저장소에 나뉘어 있으면, 단일 코퍼스 검색은 일부 근거만 반환하거나 관련성이 높은 문서를 놓칠 수 있다. 모든 문서를 하나의 거대한 인덱스로 합치는 접근도 코퍼스별 접근 정책, 갱신 주기, 문서 성격을 구분해야 하는 환경에서는 운영 부담을 만든다. 이 기능의 핵심 차별점은 최초 검색 결과를 그대로 생성 모델에 전달하는 데서 멈추지 않고, 검색 계획 수립, 코퍼스 선택, 문맥 충분성 평가, 추가 검색이라는 Agentic RAG 순환 구조를 적용한다는 점이다. 따라서 답변 생성보다 먼저 “현재 근거만으로 질문 전체를 다룰 수 있는가”를 판단하는 과정이 검색 흐름에 포함된다. 생명과학 연구자는 논문, 임상시험 문서, 규제 지침처럼 목적과 갱신 주기가 다른 자료를 별도 RAG 코퍼스로 유지하면서 통합 질문을 처리할 수 있다. 예를 들어 특정 바이오마커의 작용 기전, 관련 임상시험 결과, 규제기관의 동반진단 요구사항을 묻는 경우 각 자료군을 대상으로 하위 질의를 실행하고 수집된 근거의 범위를 비교하도록 구성할 수 있다. 평가 단계에서는 세 개 코퍼스의 검색 결과를 Recall@10, 근거 문서 수, 인용 포함률과 같은 지표로 기록하고, 특정 자료군의 근거가 누락되면 해당 코퍼스만 다시 검색하는 실험 설계가 가능하다. 이는 단순한 문서 요약보다 근거 추적성과 자료군별 누락 여부가 중요한 연구 검토에 적합하다. 또 다른 활용 방식은 후보물질 검토와 안전성 조사다. 연구자는 내부 실험 보고서, 공개 논문, 독성·안전성 자료를 독립 코퍼스로 구성하고 “후보물질의 표적 근거와 보고된 부작용이 서로 모순되는가”처럼 여러 단계의 판단이 필요한 질문을 제출할 수 있다. 검색 결과는 후보물질별 근거 표, 문서 출처, 추가 검토가 필요한 공백으로 후처리하고, 사람이 최종 판단하기 전에 코퍼스별 인용 커버리지를 점검할 수 있다. 다만 지원되는 API, 코퍼스 연결 한도, 검색 반복 제어 파라미터, 데이터 보안 및 리전 조건은 이번 입력에 포함되지 않았으므로 운영 적용 전에 공식 문서 확인이 필요하다.

RAG Engine Cross Corpus Retrieval은 Google Research와 Google Cloud가 2026년 6월 5일 공개한 Gemini Enterprise Agent Platform의 문서 검색 기능으로, 하나의 질문에 필요한 근거가 여러 독립 RAG 코퍼스에 흩어져 있을 때 검색 계획을 세우고 관련 문맥을 모아 답변하도록 설계됐다. 일반적인 검색 증강 생성(Retrieval-Augmented Generation, RAG)이 질문 한 번과 검색 한 번을 직접 연결한다면, 이 기능은 복잡한 질문을 여러 검색