AI가 인터넷을 'SQL'로 검색한다고요? Keenable SELECT 이야기

상상해보세요. 여러분이 비서에게 “어제 뉴스에서 나온 그 기업 주가랑 관련 기사 다 정리해와”라고 말했습니다. 그런데 비서가 돌아와서는 수만 페이지 분량의 복잡하고 지저분한 종이 뭉치를 던져주며, “여기서 직접 찾아보세요”라고 말한다면 어떨까요? 아마 화가 날 것입니다.

지금까지의 AI 에이전트들이 인터넷을 검색할 때 겪던 상황이 딱 이랬습니다. 대부분의 검색 API는 사람이 읽기 좋게 만들어졌거나, 혹은 AI가 다시 한번 정제해야 하는 지저분한 데이터(JSON이나 HTML 덩어리)를 쏟아냈기 때문입니다. 하지만 최근 이런 비효율을 해결하기 위해 등장한 기술이 있습니다. 바로 Keenable SELECT입니다.

왜 중요한가요?

지금까지 AI 에이전트(AI Agent, 스스로 판단하고 복잡한 작업을 수행하는 인공지능)는 웹 정보를 얻기 위해 검색 API를 사용해 왔습니다. 하지만 기존의 검색 API들은 주로 인간 사용자를 위해 설계되었기 때문에 에이전트가 복잡한 작업을 수행할 때마다 데이터를 일일이 청소해야 하는 ‘추가 작업’이 필요했습니다 [Source 13, Source 16].

Keenable SELECT는 이 과정을 건너뛰게 해줍니다. 우리가 흔히 데이터베이스를 다룰 때 쓰는 SQL(Structured Query Language, 데이터를 조회하고 관리하기 위한 표준 언어) 문법을 웹 검색에 그대로 도입했기 때문입니다. 덕분에 개발자들은 에이전트에게 필요한 데이터만 ‘딱 집어서’ 가져오라고 명령할 수 있게 되었습니다. 에이전트가 불필요한 정보 해석에 시간을 낭비하지 않고, 복잡한 업무를 더 빠르고 정확하게 처리할 수 있게 된 것입니다.

쉽게 이해하기: 도서관 사서의 비유

Keenable SELECT를 쉽게 이해하기 위해 ‘도서관 사서’ 비유를 들어보겠습니다.

기존의 검색 엔진이 도서관 사서에게 “요리책 다 찾아줘”라고 말하면, 사서가 수천 권의 요리책을 책상 위에 몽땅 쌓아놓고 “여기서 필요한 걸 찾아보세요”라고 말하는 방식이라면, Keenable SELECT는 다릅니다. 이 기술은 마치 사서에게 “2025년 이후에 출판된, 15분 이내로 만들 수 있는 한식 요리법만 골라서 리스트로 만들어줘”라고 상세한 조건을 붙여 주문하는 것과 같습니다.

기술적으로는 모델 컨텍스트 프로토콜(MCP, AI 에이전트를 위한 표준 통신 규칙) 서버 내에서 ‘select’라는 도구를 실행합니다 [Source 12]. 에이전트가 “SELECT * FROM web WHERE…“와 같은 SQL 문을 입력하면, Keenable의 독자적인 시스템이 웹 데이터를 읽어와 깔끔한 행(row) 형태로 정리해 에이전트에게 전달합니다 [Source 12]. 에이전트 입장에선 굳이 복잡한 웹 페이지 구조를 해석하느라 힘을 뺄 필요가 없어지는 셈입니다.

현재 상황

Keenable은 단순한 도구가 아니라, AI 에이전트만을 위해 설계된 독자적인 인프라입니다 [Source 8, Source 15]. 그 규모도 상당합니다.

• 방대한 지식: Keenable은 독자적인 크롤러와 인덱스 시스템을 구축하여 1,000억 개 이상의 문서를 데이터베이스화했습니다 [Source 5, Source 6, Source 8].
• 빠른 속도: AI 에이전트들이 실시간으로 업무를 처리할 수 있도록, 미국 동부(us-east) 지역 기준으로 95%의 요청이 250밀리초(0.25초) 이내에 처리되도록 최적화되어 있습니다 [Source 5].
• 역사적 데이터 지원: 특히 흥미로운 점은 ‘시점 기록 쿼리’입니다 [Source 9]. 이는 에이전트가 현재의 인터넷 정보뿐만 아니라, 과거 특정 날짜에 인터넷에 존재했던 정보만을 조회할 수 있게 해줍니다 [Source 9].

이 서비스는 최근 2,600만 달러(한화 약 300억 원 이상)의 투자 유치에 성공하며 기술력을 인정받았습니다 [Source 4, Source 6, Source 9, Source 16]. 이미 여러 AI 연구소와 데이터 제공 업체들이 훈련 및 실제 서비스 운영 과정에서 이 API를 사용하고 있습니다 [Source 6].

앞으로 어떻게 될까?

Keenable SELECT의 등장은 ‘에이전트 시대’의 검색이 어디로 향하고 있는지 보여줍니다. 앞으로는 AI가 단순히 “검색해줘”라고 명령하는 것을 넘어, 데이터베이스를 다루듯 정교한 질의를 웹에 던지는 것이 표준이 될 것으로 보입니다. 사용자가 “지난달 대비 상승한 친환경 기업 주가를 표로 만들어줘”라고 했을 때, AI 에이전트가 단 몇 줄의 SQL 문만으로 웹에서 즉시 데이터를 뽑아내 답변하는 시대가 코앞으로 다가온 것입니다.

MindTickleBytes의 AI 기자 시선

사람을 위한 검색과 AI를 위한 검색은 근본적으로 달라야 합니다. Keenable의 SQL 인터페이스는 에이전트들이 웹과 소통하는 방식을 한 단계 진화시킬 것입니다. 이제 AI는 웹을 ‘읽는’ 존재를 넘어, 웹을 ‘쿼리하는’ 존재가 되고 있습니다.

참고자료

1. [Web Search & Extract

   Hermes Agent - NOUS RESEARCH](https://hermes-agent.nousresearch.com/docs/user-guide/features/web-search)

2. [SQL Agent

   Use Natural Language to Query Databases](https://www.snaplogic.com/ai-agent-showcase/sql-queries)

3. Examples of Using Select AI Agent

4. [What is Keenable: The ‘AI Agent-Only’ Search API Built by Former Yandex Search Leaders, and the Details of Their $26 Million Funding｜アイドリ

   AI-Driven Lab](https://note.com/ai_driven/n/n1639bb95690d?hl=en)

5. [Show HN: Keenable – A different web search API for AI agents

   Hacker News](https://news.ycombinator.com/item?id=49435555)

6. [Accel-backed Keenable is indexing the web for AI agents

   TechCrunch](https://techcrunch.com/2026/08/25/accel-backed-keenable-is-indexing-the-web-for-ai-agents/)

7. How to Build an AI Agent That Searches the Web: Tools & Setup
8. Keenable.ai — Independent Web Search API for AI
9. Agentic web search infrastructure startup Keenable raises $26M - SiliconANGLE
10. hermes-agent/website/docs/user-guide/features/web-search.md at main · NousResearch/hermes-agent
11. Quickstart - Keenable
12. KeenableSELECT: an agent that searches the web in SQL
13. [IndustryNews] Keenable is trying to fix how AI agents actua…
14. Keenable: Agent-First Search API Architecture and the 100B Page Index Trade-Off - DEV Community
15. Keenable exits stealth mode with $26M seed round to build search…