구글, 제미나이 API에 완전관리형 RAG ‘파일 서치’ 출시… 저장·검색 임베딩 무료

대규모 언어 모델에 사내 문서나 방대한 데이터를 연결하는 RAG(검색 증강 생성) 구축은 개발자들에게 늘 번거로운 인프라 작업이었습니다. 문서를 자르고 임베딩을 거쳐 벡터 데이터베이스에 저장하는 과정 자체가 진입 장벽이었기 때문입니다.

Google이 이 모든 과정을 API 내부로 끌어안았습니다.

Google은 Gemini API에 파일 검색 도구(File Search Tool)를 정식 출시했습니다. 복잡한 검색 파이프라인을 완전히 추상화하여 개발자가 별도 인프라 없이도 Gemini에 자체 데이터를 쉽게 접목할 수 있도록 돕는 완전 관리형 RAG 시스템입니다.

저장소와 검색 임베딩 무료, 파격적인 요금제

이번 발표에서 가장 눈에 띄는 부분은 공격적인 가격 정책입니다.

Google은 파일 저장 비용과 사용자가 질문할 때 발생하는 쿼리 임베딩 생성 비용을 전액 무료로 제공하기로 했습니다. 개발자가 비용을 지불해야 하는 부분은 문서를 처음 업로드하여 인덱싱할 때 발생하는 임베딩 비용뿐이며, gemini-embedding-001 모델 기준 100만 토큰당 0.15달러의 고정 요금이 적용됩니다.

개발 워크플로 역시 단순화되었습니다. 최적의 청킹(문서 분할) 전략, 임베딩, 검색된 맥락의 프롬프트 주입이 모두 자동으로 이루어지며, 기존 `generateContent` API 안에서 그대로 호출할 수 있습니다.

지원 파일 포맷도 다양합니다. PDF, DOCX, TXT, JSON은 물론 널리 쓰이는 프로그래밍 언어 소스 코드까지 지원하며, 생성된 답변에는 출처 문서의 해당 부분을 짚어주는 인용 정보가 기본으로 포함됩니다.

초기 테스터로 참여한 Phaser Studio의 AI 게임 생성 플랫폼 Beam은 방대한 템플릿 라이브러리를 대상으로 하루 수천 건의 검색을 처리하고 있으며, 여러 코퍼스에 걸친 병렬 검색 결과를 2초 이내에 결합해 내고 있다고 밝혔습니다.

현재 Google AI Studio에서 유료 API 키를 연동해 Ask the Manual 데모 앱을 바로 체험해 볼 수 있습니다.

왜 중요한가

Google의 이번 행보는 RAG 도입의 최대 걸림돌이었던 비용과 인프라 장벽을 단숨에 허무는 시도로 볼 수 있습니다.

인디 개발자나 중소규모 스타트업 입장에서 외부 벡터 데이터베이스를 유지 관리하는 비용은 작지 않은 부담이었습니다. 저장소 비용과 실시간 검색 임베딩이 무료라면, 문서 업데이트가 자주 일어나지 않는 사내 매뉴얼이나 고객 응대 봇을 극히 저렴한 비용으로 운영할 수 있게 됩니다.

업계 측면에서는 OpenAI의 Assistants API 내 파일 검색 기능과 정면으로 맞붙는 형국입니다. 파격적인 가격 조건을 내세워 개발자들을 Gemini 생태계로 끌어들이려는 의도가 뚜렷해 보입니다.

다만 모든 과정이 블랙박스 형태로 자동화되어 있는 만큼, 청킹 방식이나 하이브리드 검색 가중치를 세밀하게 조정할 수 없다는 한계는 감안해야 합니다. 복잡한 표나 도면이 많은 특수 문서에서는 검색 정확도 제어에 제약이 있을 수 있지만, 빠른 구현과 가성비를 원하는 다수의 프로젝트에는 매력적인 대안이 될 것입니다.