검색 에이전트를 위한 지속적인 작업 영역에서의 선택과 추출 분리: Fetch-then-Explore

Fetch-then-Explore: Decoupling Selection from Extraction over a Persistent Workspace for Search Agents

현재의 검색 에이전트는 수십 번의 검색을 통해 질문에 답할 수 있지만, 에이전트가 페이지를 어떻게 읽는지는 그 에이전트가 페이지를 찾는 방법보다 훨씬 덜 주목받아 왔습니다. 거의 모든 에이전트가 두 가지 문서 인터페이스 중 하나를 사용하며, 이들은 모두 페이지를 열리는 순간과 연결합니다. extbf{Visit-and-read} 방식은 검색 시점에 페이지의 내용을 메시지 기록에 삽입하여, 에이전트가 어떤 사실을 필요로 할지 알기 전에 해당 내용을 고정합니다. 반면, 상태 기반 extbf{browsing} 방식은 현재 페이지에서 필요한 정보만 즉시 추출하지만, 한 번에 하나의 페이지만 유지하며, 에이전트가 다른 페이지를 열자마자 해당 페이지를 해제합니다. 어떤 방식을 사용하든, 나중에 중요한 역할을 하는 페이지는 다시 검색되고 컨텍스트에 로드되어야 합니다. 우리는 extbf{Fetch-then-Explore}라는 방법을 제안합니다. 이 방법은 페이지 선택과 증거 추출을 분리하고 선택한 내용을 유지합니다. 페이지는 시스템 파일 내의 각 질문별 작업 공간에 기록되며, 컨텍스트 창이나 일시적인 세션에는 저장되지 않습니다. 또한, 필요한 증거는 나중에 해당 페이지에서 요청 시에만 가져옵니다. 이러한 방식을 통해 페이지 선택은 거의 무료로 이루어질 수 있으며, 추출은 에이전트가 무엇을 찾아야 할지 알 때까지 연기할 수 있고, 필요에 따라 반복될 수 있습니다. 또한, 에이전트가 다른 페이지로 이동하더라도 페이지는 해제되지 않으므로 증거가 누적됩니다. 우리는 고정된 검색 기능을 갖춘 통합 ReAct 환경에서 Fetch-then-Explore 방법을 snippet만 사용하거나 visit-and-read 및 browsing 방식과 비교했습니다. 두 가지 공개 웹 벤치마크인 BrowseComp와 WideSearch에서 세 가지 에이전트 백본을 사용하여 성능을 평가한 결과, Fetch-then-Explore 방법은 모든 백본에서 BrowseComp의 정확도를 높였으며, 일반적으로 WideSearch에서 기준 모델과 유사하거나 더 높은 성능을 보였습니다. 행동 분석 결과, 이러한 개선은 작업 공간의 핵심 기능인 '페이지를 떠난 후 다시 방문'하는 기능 덕분이며, 이는 일시적인 인터페이스보다 훨씬 빈번하게 발생합니다. 따라서 한 번에 놓친 증거도 나중에 복구할 수 있습니다.

Search agents now answer questions that take dozens of searches to settle, yet how such an agent reads a page has drawn far less attention than how it finds one. Nearly all of them use one of two document interfaces, and both tie a page to the moment it is opened. \emph{Visit-and-read} injects a reading of the page into the message history at fetch time, fixing that reading before the agent knows which fact it will need. Stateful \emph{browsing} instead extracts on demand from the page in hand, but holds one page at a time and releases it as soon as the agent opens another. Either way, a page that turns out to matter many turns later has to be fetched and rendered into context all over again. We propose \textbf{Fetch-then-Explore}, which separates page selection from evidence extraction and keeps what it selects: pages are recorded in a per-question workspace on the filesystem rather than the context window or a transient session, and evidence is pulled from them on demand later. Selection becomes almost free, extraction can wait until the agent knows what to look for and be repeated as its hypothesis sharpens, and pages are not released when the agent moves on, so evidence accumulates across the trajectory. In a unified ReAct harness with fixed search, we compare Fetch-then-Explore against snippet-only, visit-and-read, and browsing baselines on two open-web benchmarks, BrowseComp and WideSearch, across three agent backbones. It leads BrowseComp accuracy at every backbone and generally matches or exceeds the baselines on WideSearch, and a behavioral analysis traces the gains to the workspace's defining move: returning to a page after leaving it, which it does far more than any transient interface, so evidence missed on a first pass can still be recovered later.