SearchOS-V1: 견고한 오픈 도메인 정보 검색 에이전트 협력을 향하여

SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration

최근의 대규모 언어 모델과 도구 통합 기술 발전으로 인해 웹 검색은 정보 검색 에이전트의 핵심 기능이 되었습니다. 그러나 상호 작용 기록이 증가함에 따라, 에이전트는 작업 진행 상황을 추적하는 데 점점 더 어려움을 겪습니다. 검색 시도가 유용한 증거를 제공하지 못할 때, 현재의 단일 및 다중 에이전트 시스템은 반복적인 루프에 빠져 검색 예산을 낭비하고 궁극적으로 최종 결과물의 품질과 완전성을 저해할 수 있습니다. 본 논문에서는 SearchOS라는 시스템 수준의 다중 에이전트 프레임워크를 소개합니다. SearchOS는 불안정하고 암묵적인 검색 진행 상황을 명시적이고 지속 가능하며 공유 가능한 상태로 전환합니다. 먼저, 우리는 오픈 도메인 정보 검색을 기반 지식을 갖춘 인용문을 사용한 관계형 스키마 완성으로 정의합니다. 여기서 에이전트는 개체를 발견하고 연결된 테이블에 속성을 채우며 각 값을 소스 증거에 연결합니다. 다음으로, Search-Oriented Context Management (SOCM)를 설계하여 진화하는 상태를 Frontier Task, Evidence Graph, Coverage Map 및 Failure Memory로 외부화합니다. SOCM을 기반으로 SearchOS는 파이프라인 병렬 스케줄링 메커니즘을 적용하여 하위 에이전트의 실행을 겹쳐서 처리하고, 비어 있는 슬롯을 해결되지 않은 커버리지 격차를 대상으로 하는 작업으로 지속적으로 채워 활용률과 처리량을 향상시킵니다. SearchOS는 검색 에이전트의 실행을 스케줄링하고 제어하기 위해 Search Tool Middleware Harness를 도입합니다. 이 도구는 모델 및 도구 상호 작용을 가로채어 기반 증거를 기록하고, 중단 또는 예산 고갈에 대응하며, 에이전트의 검색 프로세스를 강화하고 여러 실행에서 실패한 검색 패턴을 반복하지 않도록 하는 재사용 가능한 계층적 기술 시스템(전략 및 접근 기술 포함)을 제공합니다. WideSearch 및 GISA 데이터셋에서 SearchOS는 평가된 단일 및 다중 에이전트 기준 성능보다 모든 지표에서 우수한 성능을 보이며, 견고한 정보 검색 협력으로 가는 길을 열었습니다.

Recent advances in Tool-Integrated Large Language Models have made web search a core capability of information-seeking agents. However, as interaction histories grow, agents increasingly struggle to track task progress. When search attempts fail to yield useful evidence, current single- and multi-agent systems can become trapped in repetitive loops, wasting search budgets and ultimately compromising the quality and completeness of the final output. We introduce SearchOS, a system-level multi-agent framework that turns fragile, implicit search progress into explicit, persistent, and shared state. First, we formulate open-domain information seeking as relational schema completion with grounded citations, where agents discover entities, populate attributes across linked tables, and anchor each value to source evidence. Then we design Search-Oriented Context Management (SOCM), which externalizes the evolving state into Frontier Task, an Evidence Graph, a Coverage Map, and Failure Memory. Built on SOCM, SearchOS applies a pipeline-parallel scheduling mechanism that overlaps the execution of sub-agents and continuously refills freed slots with tasks targeting unresolved coverage gaps to improve utilization and throughput. To schedule and control the execution of search agents, SearchOS introduces a Search Tool Middleware Harness that intercepts model and tool interactions to record grounded evidence and react to stalls or budget exhaustion, and provides a reusable hierarchical skill system comprising strategy and access skills to augment the agents' search process and avoid repeating failed search patterns across runs. On WideSearch and GISA, SearchOS leads all metrics among the evaluated single- and multi-agent baselines, paving the way toward robust information-seeking collaboration.