AI 생성 이미지
벡터 검색은 “가장 비슷한 것”을 찾는 데 강합니다. 하지만 실제 RAG 애플리케이션에서는 이 강점이 곧 한계가 되기도 합니다. 상위 결과 5개가 모두 같은 내용을 조금씩 다르게 표현한 문서 조각이라면, 검색 점수는 높아도 LLM에 제공되는 근거는 빈약해집니다.
Weaviate 1.37에서 주목할 변화는 이 문제를 직접 다루는 Diversity Search, 즉 MMR(Maximum Marginal Relevance)입니다. Weaviate 1.37은 오픈소스 버전과 Weaviate Cloud에서 모두 제공되며, MMR을 프리뷰 기능으로 추가했습니다.1
MMR: 비슷한 결과만 반복되지 않게 하는 검색 방식
MMR은 관련성과 다양성을 함께 고려하는 재정렬 방식입니다. 먼저 쿼리와 관련도 높은 결과를 찾고, 그다음 이미 선택된 결과와 지나치게 비슷한 후보에는 패널티를 줍니다. 목표는 단순히 “가장 가까운 결과”가 아니라 “관련 있으면서도 서로 다른 결과”를 고르는 것입니다.
Weaviate 1.37에서는 다음과 같은 형태로 사용할 수 있습니다.
selection=Diversity.MMR(limit=5, balance=0.5)여기서 limit은 최종적으로 선택할 결과 수이고, balance는 관련성과 다양성 사이의 비중을 조절합니다. 예를 들어 0.0은 다양성 중심, 0.5는 균형, 1.0은 기존 벡터 검색에 가까운 관련성 중심 설정으로 이해할 수 있습니다.1
중요한 점은 MMR이 쿼리 시점에 적용되는 기능이라는 것입니다. 인덱스를 다시 만들거나 스키마를 바꾸는 작업이 아니라, 검색 결과를 반환하기 전에 다양성을 반영해 다시 고르는 방식입니다. Weaviate 1.37의 MMR은 near_text, near_vector, near_object, near_image, near_media 등 모든 near_* 쿼리에서 동작합니다.1
RAG에서는 “상위 5개”보다 “서로 다른 5개”가 유용할 때가 많다
RAG에서 검색 결과는 LLM이 답변을 만들 때 사용할 컨텍스트가 됩니다. 이때 같은 관점의 문서 조각을 여러 개 넣는 것보다, 서로 다른 근거를 제공하는 편이 더 실용적일 수 있습니다. MMR은 제한된 컨텍스트 예산을 더 효율적으로 쓰기 위한 장치에 가깝습니다.
다만 다양성을 높이는 것이 항상 좋은 선택은 아닙니다. balance를 너무 다양성 쪽으로 두면 쿼리와의 직접적인 관련성이 낮은 결과가 포함될 수 있습니다. 실무적으로는 balance=0.5처럼 중간값에서 시작해 검색 로그, 사용자 피드백, 답변 품질을 보며 조정하는 방식이 안전합니다.
쿼리 에이전트 환경에서는 MMR 관련 설정을 diversity_weight로 다룹니다. 즉, 직접 쿼리를 구성하든 에이전트를 통해 검색하든, 핵심 판단 기준은 같습니다. “가장 가까운 결과만 필요한가, 아니면 서로 다른 근거가 필요한가”를 먼저 정해야 합니다.
1.37의 방향: 검색 엔진에서 에이전트용 지식 계층으로
Weaviate 1.37은 MMR만 추가한 릴리스가 아닙니다. MCP Server, Extensible Tokenizers, Diversity Search, Query Profiling이 프리뷰 기능으로 포함됐고, Incremental Backups, Gemini Audio 지원, BlobHash 속성 타입도 함께 추가됐습니다.1
이 중 MCP Server는 Weaviate가 에이전트 환경을 염두에 두고 있다는 점을 보여줍니다. MCP는 LLM과 AI 에이전트가 외부 시스템과 안전하게 상호작용하도록 돕는 Model Context Protocol이며, Weaviate 1.37은 이를 내장 MCP Server 형태로 제공합니다.1
Weaviate의 MCP Server는 REST API와 같은 포트의 /v1/mcp Streamable HTTP 엔드포인트로 구현됩니다. 기본적으로는 비활성화되어 있으며, 사용하려면 다음 환경 변수를 설정해야 합니다.1
MCP_SERVER_ENABLED: 'true'이 흐름을 보면 Weaviate 1.37의 방향은 분명합니다. 벡터 DB는 단순히 가까운 벡터를 찾는 저장소에서, LLM과 에이전트가 활용하기 좋은 검색·기억 계층으로 확장되고 있습니다.
그중 MMR은 가장 즉시 체감하기 쉬운 변화입니다. RAG에서 검색 결과가 반복적이거나, 답변이 한쪽 근거에만 치우치거나, 컨텍스트가 비슷한 문서로 낭비되고 있다면 Weaviate 1.37의 Diversity Search를 먼저 검토해볼 만합니다.
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.