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

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.

한 줄 요약

SearchOS는 다중 에이전트 협업을 통해 개방적 도메인 정보 탐색의 안정성과 효율성을 향상시키는 시스템 레벨 프레임워크이다.

핵심 기여도

**Relational Search Formulation**: 정보 탐색을 관계형 스키마 완성과 접목된 인용을 통해 구조화하여, 엔티티 발견, 속성 채우기, 증거 인증을 통합한 목표를 제시.
**Stateful, Pipeline-Parallel Collaboration**: SOCM(Search-Oriented Context Management)과 연속적 오케스트레이션을 통해 공유된 탐색 상태를 기반으로 커버리지 갭을 동적으로 할당.
**Middleware-Governed Search Agent Execution**: Search Tool Middleware Harness를 도입하여 증거 처리, 컨텍스트 관리, 예산 강제, 행동 보호를 에이전트 프롬프트 외부에서 수행.
**Hierarchical Search Skills**: 재사용 가능한 전략 스킬과 사이트별 접근 절차를 포함한 계층적 탐색 스킬 시스템을 설계.

핵심 아이디어

기존 정보 탐색 에이전트는 상호작용 히스토리가 늘어날수록 태스크 진행 추적에 어려움을 겪고, 실패한 검색 시 반복 루프에 빠져 예산 낭비와 결과 품질 저하를 초래한다. SearchOS는 이러한 문제를 해결하기 위해 **관계형 스키마 완성**과 **접목된 인용**(grounded citations)을 기반으로 정보 탐색을 구조화한다. 이는 엔티티 발견, 속성 채우기, 증거 인증을 명확한 목표로 삼아 탐색의 진행을 측정 가능하게 만든다.

또한, **SOCM**(Search-Oriented Context Management)을 통해 탐색 상태를 외부화하고, **Frontier Task**, **Evidence Graph**, **Coverage Map**, **Failure Memory**를 공유 상태로 관리함으로써 에이전트 간 협업을 구조화한다. **Pipeline-parallel scheduling**은 서브에이전트의 실행을 중첩시키고, 해소되지 않은 커버리지 갭을 대상으로 작업을 지속적으로 할당하여 효율성을 높인다.

기술적 접근법

**Relational Schema Completion with Grounded Citations**: 정보 탐색을 관계형 스키마 완성 문제로 정의.
**SOCM**: 커버리지 갭, 증거, 중간 탐색 아티팩트를 관리하는 외부화된 컨텍스트 관리 시스템.
**Pipeline-Parallel Scheduling**: 서브에이전트 실행을 중첩하며, 해소되지 않은 갭을 대상으로 작업을 할당.
**Search Tool Middleware Harness**: 모델과 도구의 상호작용을 중간에서 가로채어 증거 기록, 예산 강제, 중단 감지 등을 수행.
**Hierarchical Skill System**: 전략 스킬(검색 전략)과 접근 스킬(사이트별 정보 추출)로 구성된 계층적 탐색 스킬 라이브러리.

주요 결과

**WideSearch** 데이터셋에서 **80.3 item-level F1** 달성.
**GISA** 데이터셋에서 **76.5 set F1** 달성, 최강 베이스라인 대비 **+13.4 점** 개선.
**F1 메트릭**에서 단일 및 다중 에이전트 기반 베이스라인 모두를 상회.

의의 및 한계

SearchOS는 정보 탐색 과정을 **구조화하고, 증거 기반으로 명확하게 추적 가능하게** 만드는 시스템 레벨 프레임워크로서, **다중 에이전트 협업의 안정성과 효율성**을 향상시킨다. 특히, **SOCM**과 **Middleware Harness**를 통해 에이전트가 반복 실패나 예산 초과를 스스로 인지하지 않아도 시스템이 자동으로 대응할 수 있도록 한다는 점에서 혁신적이다.

그러나, 현재는 **WideSearch와 GISA**에만 적용되었으며, **다양한 도메인 및 다중 모달성**(multimodal) 환경으로의 확장 가능성은 아직 명시되지 않았다. 또한, **실시간 반응 속도**나 **대규모 병렬 처리 성능**에 대한 구체적 평가도 부재한다.

실용적 활용

SearchOS는 **복잡한 정보 탐색이 필요한 기업의 지식 관리 시스템**, **대규모 데이터 수집 및 분석 플랫폼**, **AI 기반 고객 지원 서비스** 등에 적용 가능하다. 특히, **다중 에이전트가 협업하여 대규모, 장기적 탐색 작업을 수행**해야 하는 상황에서 유용하다.