AI 에이전트가 검색 엔진을 쓰는 방식에는 오랫동안 같은 병목이 있었다. 쿼리를 넘기면 API가 결과 목록을 돌려준다. 모델은 그걸 읽고 다음 쿼리를 쓴다. 이 루프가 수십 번 반복되는 동안 컨텍스트 창은 관련 없는 정보들로 채워지고, 실제 필요한 신호는 잡음 속에 묻힌다. Perplexity는 새 기술 보고서에서 이 구조를 명시적으로 '병목'이라 부르고, Search as Code(SaC)로 그 틀을 해체하려 한다.
SaC의 핵심은 검색을 '호출'에서 '작성'으로 바꾸는 것이다. 모델이 고정된 API 엔드포인트에 쿼리를 던지는 대신, Python 스크립트를 직접 작성해 검색 파이프라인 전체를 설계한다. 이 코드는 격리 샌드박스에서 실행되며, 하단의 Agentic Search SDK가 Perplexity 검색 엔진을 retrieve, filter, deduplicate, rerank 같은 낱개 함수로 노출한다. 필터링 로직이 API 블랙박스 안에 갇혀 있던 구조와 달리, 모델이 그 로직을 코드로 직접 구현하기 때문에 컨텍스트 창에 올라오는 정보의 밀도와 정확도가 근본적으로 달라진다.
CVE 추적 실험이 이 차이를 가장 잘 보여준다. 2023~2025년 사이 발표된 심각 취약점 200개를 대상으로, 공식 벤더 어드바이저리·영향 소프트웨어·패치 버전을 각각 정확히 찾는 태스크였다. 뉴스 기사나 블로그 포스트는 유효하지 않다. SaC 에이전트는 3단계 스크립트를 작성했다. Mozilla, Google 등 벤더별 보안 공지 포맷 패턴에 맞춘 병렬 쿼리를 먼저 실행하고, 이어서 자체 결과를 스캔해 빈자리를 발견한 뒤 보완 쿼리를 생성했다. 마지막으로 CVE 번호·제품명·버전이 모두 정합하는지 스키마로 검증했다. 결과는 표준 파이프라인 대비 토큰 85% 절감이었고, 경쟁 시스템보다 4배 이상 높은 정답률을 기록했다.
외부 벤치마크 5개 중 4개에서 OpenAI Responses API와 Anthropic Managed Agents를 앞섰다는 수치는 인상적이지만, 가장 큰 격차를 보인 WANDR이 Perplexity 자체 벤치마크라는 점은 짚고 넘어가야 한다. 자사 설계 지표에서 자사 시스템이 이기는 결과를 그대로 받아들이기는 어렵다. 그래도 동일 하드웨어에서 구형 파이프라인 대비 전 항목 개선이라는 내부 비교, 그리고 외부 지표 4/5 우위는 별개로 읽을 필요가 있다. 코드 생성이 툴 호출을 대체하는 에이전트 운영 레이어가 된다는 논의가 여러 서베이 논문에서 동시에 나오고 있는 지금, SaC는 그 방향을 검색 도메인에서 처음으로 제품화한 사례로 기록될 가능성이 있다.