DeepSeek 풀 패키지 API 정식 공개: 웹 검색, 파일, 음성 10가지 기능 한 번에 통합

DeepSeek 풀 패키지 API 정식 공개: 웹 검색, 파일, 음성 10가지 기능 한 번에 통합

요약: DeepSeek가 앱 안에 있던 검색, 파일 파싱, 링크 읽기, 음성 기능을 개발자에게 개방했고, 핵심 도구 워크플로는 API 서버에서 실행해요.

2026년 11월 13일, DeepSeek가 올인원 앱 API를 정식 공개했어요. 원래 DeepSeek 앱과 웹 버전에 통합되어 있던 웹 검색, 심층 사고 검색, 링크 읽기, 파일 입력, 모델 보안 검증, 그리고 Search, Fetch, OCR, ASR, TTS용 독립 엔드포인트를 이제 모두 API로 호출할 수 있어요. 이번 업데이트의 핵심 변화는 개발자가 요청에 deepseek_web_search, deepseek_read_url 같은 도구를 지정하면 검색, 웹 페이지 읽기, 컨텍스트 결합을 DeepSeek 서버가 처리한다는 점이에요. 클라이언트가 이제 “모델 → 검색 → 페이지 가져오기 → 결과 반환 → 다시 요청”이라는 호출 체인을 직접 구성할 필요가 없어요. 공식 설명에 따르면 이 API 세트를 기반으로 DeepSeek 앱과 거의 동일한 기능을 구현할 수 있어요.

아래에서는 먼저 이번에 어떤 기능이 열렸는지, 어떤 모델과 프로토콜을 사용할 수 있는지 설명할게요. 이어서 웹 검색, 심층 검색, 파일과 링크, 음성, OCR의 기술 흐름과 제약을 하나씩 살펴볼 거예요. 그다음 기존 방식과 새로운 방식, 두 가지 개발 방법을 비교하면서 프런트엔드가 여전히 담당해야 할 작업을 짚어요. 마지막으로 뉴스 Q&A, 재무 보고서 읽기, 음성 비서라는 세 가지 제품 유형을 예로 들어 내장 도구와 독립 도구, 두 가지 연동 경로를 어떻게 선택할지 생각해볼게요.

deepseek-full-stack-api-web-search-file-voice-ko-image-0


Table of Contents

To Know: DeepSeek 풀 패키지 API 관련 용어

용어 설명
API 소프트웨어 간에 정해진 형식으로 요청과 결과를 주고받는 인터페이스
Harness Agent 실행 흐름, 모델, 도구, 컨텍스트를 관리하는 실행 프레임워크
Server-side Tool 모델 서버 측에서 실행되는 도구로, 클라이언트는 실행 결과만 받음
Deep Thinking Search 모델이 추론 과정에서 여러 번 검색하고 웹페이지를 열어 정보를 찾는 방식
Chat Completions OpenAI 스타일의 전통적인 대화 완성 인터페이스
Responses API 구조화된 응답, 도구 호출, 다중 턴 상호작용을 지원하는 인터페이스
Messages API Anthropic 스타일의 메시지 인터페이스
Files API 파일을 업로드하고 파싱한 뒤 file_id를 반환해 대화에서 참조할 수 있게 하는 인터페이스
OCR 이미지나 문서 속 텍스트를 처리 가능한 텍스트로 인식하는 기술
ASR 음성을 텍스트로 변환하는 기술
TTS 텍스트를 음성으로 변환하는 기술
Citation 답변 내용을 구체적인 정보 출처와 연결하는 인용 메커니즘
tool_choice 모델이 도구를 호출하는 방식을 제어하는 요청 파라미터

1 DeepSeek 풀 패키지 API, App 핵심 기능을 개발자에게 개방

1.1 DeepSeek 풀 패키지 API가 11월 13일 공개한 것

이번에 공개된 기능은 두 가지로 나뉘어요. 하나는 대화에 내장되는 서버 측 도구로, 모델이 답변할 때 스스로 호출하는 방식이에요. 다른 하나는 독립 도구 인터페이스로, 개발자가 단독으로 호출하거나 자유롭게 조합할 수 있어요.

기능 영어 이름 호출 형태 기능 설명
웹 검색 Web Search 대화 내장 도구 모델이 검색 여부를 스스로 판단하고, 인용이 포함된 답변을 반환
심층 사고 검색 Deep Thinking Search 대화 내장 도구 다단계 검색, 웹페이지 열기, 페이지 내 검색
링크 읽기 Read URL 대화 내장 도구 사용자 메시지에 포함된 웹 링크 읽기
파일 입력 File Input Files API + 대화 PDF, Office, 이미지를 파싱해 컨텍스트에 전달
모델 안전 Safety Check 요청 파라미터 입력, 도구 결과, 출력을 검수
웹 검색 Search API 독립 인터페이스 구조화된 검색 결과 반환
웹 크롤링 Fetch API 독립 인터페이스 웹페이지 본문 추출
OCR Optical Character Recognition 독립 인터페이스 이미지와 문서의 텍스트 및 페이지 위치 인식
ASR Automatic Speech Recognition 독립 인터페이스 오디오를 텍스트로 변환
TTS Text-to-Speech 독립 인터페이스 텍스트를 음성으로 변환, WebSocket 스트리밍 지원

이번 업데이트는 모델의 애플리케이션 역량 계층에 집중돼 있어요. 모델 자체의 추론 능력 외에도 App 수준의 경험이 의존하는 검색, 문서, 음성, 리스크 관리 같은 컴포넌트가 전반적으로 개방되었고, 개발자는 제품에 바로 조립할 수 있는 인프라 세트를 얻게 됐어요.

같은 날 DeepSeek은 가벼운 프런트엔드 Chat Demo도 오픈소스로 공개했는데, 이는 App 경험을 재현해 볼 수 있는 참고 구현이에요. 배경을 덧붙이자면, DeepSeek은 8월 13일 Agent 실행 프레임워크인 DeepSeek Harness를 오픈소스로 공개했으며, 이는 풀 패키지 API와 각각 프레임워크 계층과 인터페이스 계층에 속하는 독립적이지만 서로 연관된 두 제품 라인이에요.

1.2 DeepSeek 풀 패키지 API가 지원하는 모델과 프로토콜

대화 수준의 완전한 도구 통합은 현재 deepseek-flash가 담당하며, 공식 버전으로는 DeepSeek-V4.1-Flash-1017에 해당해요. 이 모델은 사고 모드와 비사고 모드, 웹 검색, 심층 사고 검색, 링크 읽기, 파일 파싱, 이미지 이해, 안전 검증을 지원하고, 컨텍스트 길이는 1M, 최대 출력은 384K예요. 공지에서 언급된 도구 통합은 명확히 deepseek-flash를 대상으로 하며, DeepSeek-V4-Pro 등 다른 모델의 도구 지원 범위는 공식 후속 설명을 기준으로 해요.

프로토콜 요청 주소 특징
OpenAI Chat Completions POST api.deepseek.com/chat/completions 전통적인 대화 완성, 마이그레이션 비용 최소
OpenAI Responses POST api.deepseek.com/responses 구조화된 응답과 다중 턴 도구 상호작용
Anthropic Messages POST api.deepseek.com/anthropic/v1/messages Anthropic 스타일 메시지 형식

세 가지 프로토콜 모두 서버 측 검색, 링크 읽기, 파일 기능을 사용할 수 있지만, 요청 파라미터와 응답 구조는 각각 달라요. 이미 OpenAI SDK 코드를 보유한 팀은 Chat Completions 또는 Responses를 우선 선택할 수 있고, Claude 생태계를 기반으로 구축한 프로젝트는 Messages 프로토콜을 선택할 수 있어요.


2 DeepSeek 올인원 API로 기존에 흩어져 있던 작업을 처리하는 방법

2.1 DeepSeek 웹 검색: 모델이 검색 시점을 결정해요

요청의 tools에 deepseek_web_search를 선언하면, 모델이 질문을 보고 웹 검색이 필요한지 판단한 뒤 검색어를 자동으로 생성해요. 검색은 서버 측에서 수행되고, 모델은 수집한 정보를 정리해 출처 인용까지 붙여 줘요. 이 도구는 웹 검색과 이미지 검색을 모두 지원해요.

“DeepSeek가 최근 어떤 API 신기능을 출시했는지” 같은 기술 뉴스 조회를 예로 들면, 응답에는 검색 쿼리, 구조화된 검색 결과, 출처 URL, 제목, 게시 시각, 인용 정보가 담겨요. 공식 문서에서 제시한 Chat Completions 요청 본문은 아래와 같으며, 사고 모드와 웹 검색, 링크 읽기를 동시에 켠 형태예요.

{
  "model": "deepseek-flash",
  "thinking": { "type": "enabled" },
  "tools": [
    { "type": "deepseek_web_search" },
    { "type": "deepseek_read_url" }
  ],
  "messages": [
    { "role": "user", "content": "调查DeepSeek最近发布了哪些API新功能" }
  ],
  "stream": true
}

도구 호출을 제어하는 규칙은 특히 눈여겨봐야 해요:

  • tools에 도구를 선언해도 실제 호출 여부는 모델이 결정해요.
  • tool_choice로는 deepseek_web_search나 deepseek_read_url을 강제 지정할 수 없어요.
  • tool_choice: none을 지정하면 모든 도구가 꺼져요.
  • 웹 검색 도구와 다른 서버 측 도구의 조합에는 지원 범위 제한이 있어서, 범위를 벗어나면 400 오류를 반환해요.

2.2 DeepSeek 심층 검색: 한 번의 쿼리에서 다단계 연구로

사고 모드를 켜면 인터넷 검색이 심층 사고 검색으로 업그레이드됩니다. 모델은 추론 과정에서 세 가지 동작, 즉 search로 키워드를 검색하고, open_page로 검색된 웹페이지를 열고, find_in_page로 웹페이지 안에서 지정한 정보를 찾는 동작을 번갈아 사용합니다.

각 단계의 결과는 다음 단계의 결정에 영향을 줍니다. 모델은 첫 번째 라운드 결과를 바탕으로 새 키워드를 추가하고, 공식 공지를 열어 세부 내용을 확인한 뒤 여러 출처를 교차 비교하며, 최대 약 20회의 도구 호출 끝에 인용이 포함된 답변을 제시할 수 있습니다. 연구형 질문에서는 작은 검색 에이전트가 인터페이스 안에 내장된 셈입니다.

2.3 DeepSeek 파일 및 링크: 모델이 외부 자료를 직접 읽게 하기

deepseek_read_url은 사용자가 제공한 URL을 전용으로 읽으며, 규칙은 다음과 같습니다.

  • 마지막 사용자 메시지에 있는 URL만 인식하고, 서로 다른 URL은 최대 10개까지 고려하며, 중복 URL은 한 번만 계산합니다.
  • 실제로 어떤 URL을 읽을지는 모델이 결정합니다.
  • 같은 턴에 여러 개의 긴 웹페이지를 읽으면 개별 웹페이지에 사용할 수 있는 컨텍스트가 줄어듭니다.
  • 사고를 켜고 동시에 deepseek_web_search를 선언하면 이번 턴에는 심층 사고 검색 메커니즘이 적용됩니다.

파일 기능은 Files API로 구현됩니다. POST /files를 호출해 파일을 업로드하면 서버가 파싱을 마친 뒤 file_id를 반환하고, 대화에서 이 ID를 참조하면 됩니다. 업로드할 때는 파싱 목적을 반드시 지정해야 하며, 두 모드의 차이는 모델이 차트를 볼 수 있는지에 있습니다.

  • text_recognition: 순수 텍스트만 유지하며 계약서, 논문 등 텍스트 자료에 적합합니다. 차트 내용은 버려집니다.
  • rich_layout_recognition: 텍스트를 유지하고 이미지와 차트를 자동으로 잘라 원래 위치에 맞춰 모델에 전달합니다. 재무 보고서, PPT, 텍스트와 이미지가 섞인 보고서에 적합하며 이미지 토큰을 추가로 소비합니다.

지원 형식에는 PDF, DOC/DOCX, PPT/PPTX와 PNG, JPEG, WebP, GIF, BMP, TIFF 등의 이미지가 포함됩니다. 파일 하나당 최대 100 MiB, 최대 1000페이지이며, 업로드와 파싱은 각각 120초 이내에 완료되어야 합니다. 한 번의 요청에서 최대 20개 파일을 참조할 수 있습니다. XLSX, CSV, EPUB 등의 파일은 user_data로 업로드할 수 있으며, 시스템이 이를 Markdown으로 변환하고 파싱 비용은 받지 않습니다.

파싱 결과가 모델 컨텍스트에 들어가면 모델은 전체 텍스트를 바탕으로 답변, 요약, 비교를 할 수 있고, 멀티턴 대화에서도 이전 파일 내용이 계속 유지됩니다. 이미 파싱된 파일을 다시 참조해도 파싱 비용은 더 받지 않지만, 실제로 컨텍스트에 들어간 입력 토큰 기준으로 과금됩니다. 구현상 두 가지 세부 사항이 더 있습니다. 멀티파트 업로드에서는 purpose 필드가 file 필드보다 앞에 있어야 하고, 문서가 너무 길어 컨텍스트 한도를 초과하면 요청이 400 오류를 반환합니다.

2.4 DeepSeek 음성과 OCR: 애플리케이션 입력·출력 기능 보완

OCR, ASR, TTS는 모두 독립된 인터페이스이며, 경로는 각각 /v1/tools/ocr, /v1/tools/asr, /v1/tools/tts예요.

  • OCR: 이미지, PDF, Word, PowerPoint 안의 텍스트와 페이지 위치를 인식해요. 파일당 최대 100 MiB, 최대 1,000페이지까지 처리하며, 처리 시간 제한은 180초예요. 파일 파싱과는 역할이 달라요. OCR은 텍스트를 독립적으로 추출하고, 파일 파싱은 콘텐츠를 모델 컨텍스트에 넣는 역할을 해요.
  • ASR: 중국어, 광둥어, 영어, 일본어 등 21개 언어를 지원하고 언어를 자동으로 감지해요. 입력 형식은 16-bit PCM WAV 또는 Ogg Opus이며, 파일당 최대 8 MiB, 최대 120초예요. 파일 전체를 업로드하는 비스트리밍 방식으로 인식해요.
  • TTS: stella(여성, 기본)와 tide(남성) 두 가지 음색을 제공해요. 표준 중국어, 광둥어, 영어 등 10개 언어를 지원하며, 한 번에 최대 10,000자의 과금 대상 문자를 입력할 수 있고 최대 30분 길이의 오디오를 반환해요. 출력 형식은 WAV와 PCM이고, WebSocket 스트리밍 합성을 지원해요. 현재 말하기 속도 조절은 지원하지 않아요.

이 세 가지를 대화 모델과 연결하면 완전한 음성 비서 흐름을 만들 수 있어요. ASR이 사용자 음성을 텍스트로 변환하면, deepseek-flash가 검색이나 파일 추론을 결합해 답변하고, TTS가 그 답변을 읽어 줘요. 문서 비서는 먼저 OCR로 스캔 문서의 텍스트를 일괄 추출해 인덱스를 만들고, 그다음 Files API로 모델이 개별 파일을 깊이 읽도록 할 수 있어요.

deepseek-full-stack-api-web-search-file-voice-ko-image-1


3 DeepSeek 풀 패키지 API가 개발자의 연동 방식을 바꾸었습니다

3.1 과거에는 인터넷 연결 AI 어시스턴트를 어떻게 개발했을까요

서버 측 도구가 등장하기 전에는, 인터넷에 연결할 수 있는 어시스턴트를 개발하려면 클라이언트가 직접 도구 루프를 관리해야 했어요:

  1. 사용자가 질문하면 모델 API에 요청합니다.
  2. 모델이 검색이 필요하다고 판단하면 도구 호출 요청을 반환합니다.
  3. 클라이언트가 서드파티 검색 API를 호출합니다.
  4. 클라이언트가 크롤링 서비스를 호출해 웹페이지 본문을 가져옵니다.
  5. 클라이언트가 결과를 컨텍스트에 붙여 넣고 다시 모델에 요청합니다.
  6. 모델이 최종 답변을 생성합니다.

이 체인에서 검색 서비스, 크롤링 서비스, 파일 파싱, OCR, 음성, 콘텐츠 검토는 흔히 서로 다른 공급업체에서 제공되며, 각각 인증, 과금, 오류 처리, 타임아웃 정책을 별도로 연동해야 해요.

3.2 DeepSeek 풀 패키지 API로 호출 체인을 단축하는 방법

새로운 모드에서는 개발자가 요청에 도구를 선언하기만 하면 돼요. DeepSeek 모델이 스스로 검색 여부를 판단하고, 서버가 검색과 웹 페이지 읽기를 수행하며 도구 결과와 컨텍스트를 구성하면 모델이 추론을 이어가고, 마지막에 답변과 출처 인용을 반환해요. 원래 클라이언트가 담당하던 2~5단계가 모두 서버에서 완료되는 거예요.

deepseek-full-stack-api-web-search-file-voice-ko-image-2

서버가 실행 흐름을 넘겨받는 동시에, 일부 생성 파라미터도 함께 넘겨받아요. 내장 네트워크 도구, 안전 검증, 또는 세션 제목 기능을 활성화하면 Chat Completions의 temperature, top_p, frequency_penalty, presence_penalty, stop, seed, n, parallel_tool_calls가 무시될 수 있어요. max_tokens는 여전히 적용되지만, 이건 각 추론 단계의 출력 길이를 제한하는 거예요. 샘플링 파라미터를 엄격하게 제어해야 하는 상황이라면 내장 도구 모드의 적합성을 별도로 평가해야 해요.

안전 검증은 요청 파라미터 "safety_check": {"level": "high"}로 활성화되며, 사용자 입력, 도구 반환 결과, 모델 최종 출력을 모두 아우르고, 위험이 감지되면 400 오류를 반환하거나 거절 응답으로 종료돼요. 공식 측은 이 기능이 기본적인 리스크 관리를 제공할 뿐이며, 애플리케이션 제공자는 여전히 콘텐츠 심사, 대규모 언어 모델 등록, AI 표시 등의 의무를 이행해야 한다고 분명히 안내하고 있어요.

3.3 DeepSeek 전체 제품군 API 환경에서 프런트엔드가 여전히 담당해야 할 작업

DeepSeek는 도구 실행과 컨텍스트 구성을 담당하고, 제품 경험은 여전히 클라이언트가 완성합니다. 처리해야 할 주요 반환 필드는 다음과 같습니다.

  • server_tool_use: 서버 측에서 어떤 도구 호출을 실행했는지.
  • web_search_tool_result, web_fetch_tool_result: 검색 결과와 웹 페이지 가져오기 결과.
  • citations: 답변 내 출처 인용으로, 스트리밍 출력에서는 citations_delta 등의 이벤트를 통해 전달됩니다.
  • signature: 일부 도구 컨텍스트를 저장하는 데 필요한 서명.

다중 턴 대화에서는 관련 콘텐츠 블록을 원형 그대로 되돌려 보내야 합니다. deepseek_read_url이 읽은 웹 페이지 본문은 암호화된 서명을 통해 저장되므로, 클라이언트가 서명을 수정하거나 버리면 이후 턴에서 웹 페이지 컨텍스트를 복원할 수 없습니다. 인용은 해당 텍스트 블록에 바인딩되어 표시되어야 합니다. 스트리밍 시나리오에는 한 가지 디테일이 더 있습니다. 일부 내용이 이미 표시된 뒤에야 최종적으로 거절 응답이 판정될 수 있는데, 이때 프런트엔드는 이미 표시된 내용을 철회하고 거절 안내 정보를 대신 표시해야 합니다.

공식 오픈소스 Chat Demo는 좋은 참고 자료입니다. 대화 제목 자동 생성, 메시지 편집, 재생성, 이어서 생성, 과거 대화 가져오기/내보내기, Markdown 및 Mermaid 렌더링, 라이트/다크 테마, 이미지 안전 심사, 음성 입력과 읽기 기능 등을 구현했으며, API Key, 과거 대화, 이미지는 모두 브라우저 로컬에 저장됩니다. 완전한 상용 애플리케이션이 되려면 여기에 계정, 데이터 관리, 결제, 권한, 보안 심사 등의 비즈니스 계층을 추가해야 합니다.


4 DeepSeek 풀 패키지 API에 가장 적합한 제품 유형

4.1 뉴스 질의응답과 AI 리서치 어시스턴트

사용자가 최근 모델 출시, 업계 동향 같은 실시간 정보를 물어보면, 모델은 웹 검색으로 자료를 확보하고 공식 공지사항을 열어 사실을 확인한 뒤 출처를 인용한 답변을 내놓아요. 심층 사고 검색은 여러 출처를 교차 검증해야 하는 리서치형 질문에 적합하고, 링크 읽기는 사용자가 URL을 직접 붙여 넣고 요약이나 비교를 요청하는 상황에 알맞아요.

4.2 PDF 재무 보고서와 기업 지식 어시스턴트

재무 보고서, 기술 백서, 사내 PPT에는 보통 도표가 잔뜩 들어 있어요. rich_layout_recognition 모드를 사용하면 모델이 본문과 매출 추이 그래프 같은 도표 내용을 동시에 이해해서 “어느 분기에 가장 빨리 성장했나요”처럼 도표에 의존하는 질문에 답할 수 있어요. 반대로 순수 텍스트인 계약서나 규정 문서는 text_recognition만 쓰면 되고, 비용도 더 저렴해요.

4.3 음성 인터랙션 애플리케이션

ASR, deepseek-flash, TTS의 조합으로 음성 질의응답, 회의 녹음 정리, 인터뷰 받아쓰기, 낭독형 앱까지 커버할 수 있어요. 다만 ASR은 단일 오디오 구간이 최대 120초이고 비스트리밍 인식 방식이라, 긴 녹음은 클라이언트에서 잘라 처리해야 해요. TTS는 WebSocket 스트리밍 합성을 지원해서 생성되는 대로 재생할 수 있고, 첫 글자까지의 대기 시간을 줄일 수 있어요.

DeepSeek 공식 도구 가격은 아래와 같으며, 2026년 11월 15일 공식 가격 문서를 기준으로 해요:

기능 과금 단위 정가 한정 기간 할인
Search 검색 성공 요청 1000회 ¥5 ¥5
Fetch 웹 크롤링 성공 요청 1000회 ¥5 ¥5
파일 파싱 1000페이지 ¥1.5 ¥1.5
OCR 1000페이지 ¥1.5 ¥1.5
ASR 오디오 1시간 ¥0.78 ¥0.39
TTS 과금 문자 10,000자 ¥3 ¥1.5

도구 비용과 모델 Token 비용은 별도로 계산돼요. DeepSeek-V4.1-Flash의 100만 Token당 출력 가격은 한가한 시간대 ¥4, 피크 시간대 ¥8이고, 피크 시간대는 베이징 시간 기준 평일 09:00—12:00과 14:00—18:00예요. 실패, 결과 없음, 타임아웃된 도구 요청은 과금되지 않아요. 모델 내장 검색은 실제 검색 쿼리 항목 수로 과금하고, 웹 크롤링은 성공적으로 가져온 웹페이지 수로 과금하며, 심층 검색에서의 페이지 내 검색은 별도로 과금하지 않아요. 그래서 한 번의 대화에서 검색 비용이 여러 번 발생할 수 있어요.


5. DeepSeek 풀 패키지 API, 단일 모델 호출에서 완전한 AI 애플리케이션으로

풀 패키지 API는 애플리케이션 기능 통합의 엔지니어링 장벽을 낮춰 줘요. 검색, 읽기, 문서, 음성, 리스크 관리가 하나의 계정과 하나의 과금 체계 아래 모여 있으니, 개발자는 제품 인터랙션과 비즈니스 로직에만 집중하면 되죠. 인터넷 연결 기능의 경우 현재 두 가지 접속 경로를 선택할 수 있어요.

deepseek-full-stack-api-web-search-file-voice-ko-image-3

구분 모델 내장 서버 측 도구 독립 Search / Fetch 도구
호출 방식 대화 요청 안에서 deepseek_web_search, deepseek_read_url 선언 검색, 크롤링 인터페이스를 별도로 호출
흐름 제어 모델이 언제 검색할지, 어떤 페이지를 읽을지 결정 개발자가 검색 시점, 결과 필터링과 결합 방식을 결정
모델 범위 deepseek-flash 모델에 종속되지 않으며 Agent, RAG, 모든 대규모 언어 모델에 연결 가능
과금 방식 질의어와 크롤링 페이지 수 기준 과금, Token은 별도 성공 호출 횟수 기준 과금, 자체적으로는 모델 Token을 소모하지 않음
적용 시나리오 App 방식 인터넷 Q&A를 빠르게 재현 통제 가능한 검색 흐름이 필요하거나, 모델 간 검색 결과 재사용이 필요할 때
사용 가능 플랫폼 DeepSeek 공식 API DeepSeek 공식 API, 그리고 APIYI apiyi.com에 deepseek-search, deepseek-fetch 출시

APIYI는 10월 21일에 deepseek-search와 deepseek-fetch 두 개의 독립 도구 인터페이스를 출시했고, default와 svip 그룹에서 사용할 수 있어요. 11월 13일에 공개된 모델 내장 검색에 대해서는 APIYI가 문서에서 클라이언트의 내장 검색 호출 호환 작업을 후속 계획으로 명시했죠. 그래서 APIYI를 통해 DeepSeek의 인터넷 연결 기능을 쓸 때는 현재 독립 도구 경로를 택하게 돼요. 직접 검색과 크롤링을 호출한 뒤, 그 결과를 어떤 모델에든 넘겨 추론하게 하는 방식이에요.

5.1 독립 도구를 통해 DeepSeek 검색 연동

아주 간단한 예시로, Search를 호출해 구조화된 결과를 받아와요(요청 필드명은 APIYI 문서를 기준으로 해요):

import requests

BASE_URL = "https://api.apiyi.com/v1"  # APIYI 통합 인터페이스
headers = {"Authorization": "Bearer YOUR_API_KEY"}

resp = requests.post(f"{BASE_URL}/tools/search", headers=headers, json={
    "model": "deepseek-search",
    "query": "DeepSeek 全家桶应用 API",
    "count": 5,
})
print(resp.json())
전체 구현 보기: 검색 + 크롤링 + 모델 요약
import requests
import openai

API_KEY = "YOUR_API_KEY"
BASE_URL = "https://api.apiyi.com/v1"  # 검색, 크롤링, 모델 호출이 같은 진입점을 공유
HEADERS = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"}


def search(query: str, count: int = 5) -> dict:
    """deepseek-search를 호출해 구조화된 검색 결과를 반환(필드명은 문서 기준)"""
    r = requests.post(f"{BASE_URL}/tools/search", headers=HEADERS, json={
        "model": "deepseek-search", "query": query, "count": count,
    }, timeout=30)
    r.raise_for_status()
    return r.json()


def fetch(url: str) -> dict:
    """deepseek-fetch를 호출해 웹페이지 Markdown 본문을 반환; 실패한 요청은 과금되지 않아요"""
    r = requests.post(f"{BASE_URL}/tools/fetch", headers=HEADERS, json={
        "model": "deepseek-fetch", "url": url,
    }, timeout=60)
    r.raise_for_status()
    return r.json()


def answer(question: str, context: str, model: str = "your-model-id") -> str:
    """검색한 내용을 임의의 모델에 넘겨 출처가 포함된 답변을 생성"""
    client = openai.OpenAI(api_key=API_KEY, base_url=BASE_URL)
    resp = client.chat.completions.create(
        model=model,
        messages=[
            {"role": "system", "content": "根据提供的资料回答,并注明来源 URL。"},
            {"role": "user", "content": f"资料:\n{context}\n\n问题:{question}"},
        ],
    )
    return resp.choices[0].message.content


if __name__ == "__main__":
    q = "DeepSeek 11 月 13 日开放了哪些 API 能力?"
    results = search(q)
    # 실제 반환 구조에 따라 앞쪽 몇 개 URL을 꺼낸 뒤, 본문을 크롤링해 모델에 전달
    print(results)

🚀 빠른 시작 팁: 검색 효과를 먼저 확인하고 싶다면 APIYI apiyi.com에서 가입해 테스트 크레딧을 받고, 하나의 API 키로 deepseek-search, deepseek-fetch, 주요 대화 모델을 동시에 호출해서 검색 결과를 여러 모델에 넘겨 답변 품질을 비교해 보세요.

APIYI 자체 테스트 데이터에 따르면 Search는 count=5일 때 약 1.8초, count=50일 때 약 3초에 반환되고, 20개의 동시 요청은 모두 약 2초 이내에 완료됐어요. Fetch는 일반 웹페이지를 크롤링할 때 약 1.6초 만에 6400자 정도의 Markdown 본문을 반환해요. 이 수치는 특정 네트워크 환경에서의 단일 테스트 결과이며, 실제 소요 시간은 대상 사이트의 영향을 받아요.

5.2 DeepSeek 웹 연동 경로는 어떻게 선택할까

  • 내장 도구 선택: DeepSeek App 같은 경험을 가장 빠르게 재현하고 싶고, 모델이 검색 경로를 스스로 결정하는 방식을 받아들이며, deepseek-flash를 사용한다면 이 경로가 잘 맞아요.
  • 독립 도구 선택: 검색어를 직접 제어하고, 출처를 필터링하고, 결과를 캐싱해야 하거나, 같은 검색 결과를 Claude, GPT, Gemini 등 여러 모델에 넘겨 처리하고 싶다면 이쪽이에요.
  • 혼합 사용: 사용자 응대용 질의응답에는 내장 도구를, 백그라운드 대량 자료 수집과 RAG 적재에는 독립 Search / Fetch를 쓰는 방식이에요.

자주 묻는 질문 FAQ

Q1: DeepSeek 풀 패키지 API란 무엇인가요?

2026년 11월 13일 DeepSeek이 공개한 응용 기능 API 모음으로, 웹 검색, 딥씽킹 검색, 링크 읽기, 파일 입력, 안전 검증, 그리고 Search·Fetch·OCR·ASR·TTS 독립 인터페이스를 아우릅니다. DeepSeek App 뒤에 있던 핵심 기능을 대부분 담고 있어요.

Q2: DeepSeek 풀 패키지 API와 DeepSeek Harness는 무엇이 다른가요?

Harness는 8월 13일 오픈소스로 공개된 에이전트 실행 프레임워크로, 모델과 도구, 플러그인, 컨텍스트를 관리하는 역할을 해요. 풀 패키지 API는 모델과 도구를 연결하는 서비스 인터페이스이고요. 개발자는 Harness로 에이전트를 만들고, API를 통해 검색·파일·음성 기능을 붙일 수 있어요.

Q3: 어떤 모델이 DeepSeek 풀 패키지 API의 내장 도구를 사용할 수 있나요?

대화 단위의 완전한 도구 통합은 현재 `deepseek-flash`(DeepSeek-V4.1-Flash-1017)가 제공하며, Chat Completions, Responses, Anthropic Messages 세 가지 프로토콜을 지원해요. OCR, ASR, TTS, Search, Fetch는 독립 인터페이스라서 따로 호출할 수 있어요.

Q4: APIYI를 통해 어떤 DeepSeek 풀 패키지 API 기능을 호출할 수 있나요?

APIYI에는 DeepSeek 독립 Search·Fetch 도구(deepseek-search, deepseek-fetch)가 출시되어 있고, 성공 호출 기준으로 과금되며 default와 svip 그룹에서 사용할 수 있어요. 모델 내장 검색의 클라이언트 호환성은 아직 계획 단계에 있으며, 구체적인 지원 현황은 APIYI apiyi.com 문서를 기준으로 확인하면 돼요.

Q5: DeepSeek 검색과 여러 모델 조합의 효과를 빠르게 테스트하려면 어떻게 해야 하나요?

1. APIYI apiyi.com에서 가입하고 API 키와 테스트 크레딧을 받으세요.
2. 이 글의 코드를 사용하면서 base_url을 `https://api.apiyi.com/v1`로 설정하세요.
3. 먼저 deepseek-search를 호출해 결과를 받고, deepseek-fetch로 본문을 읽은 다음, 마지막으로 원하는 대화 모델에 넘겨 답변을 생성하세요.

Q6: DeepSeek 풀 패키지 API에 알려진 제한은 무엇인가요?

– `tool_choice`로 웹 검색 도구 호출을 강제할 수 없고, 검색 여부는 모델이 결정해요.
– 내장 도구를 켜면 `temperature`, `top_p` 같은 샘플링 파라미터가 무시될 수 있어요.
– ASR은 한 구간 최대 120초이며 스트리밍을 지원하지 않아요. TTS는 아직 말하기 속도 조절을 지원하지 않아요.
– 파일 한 개당 최대 100 MiB, 1000페이지이며, 컨텍스트를 초과하면 400 오류를 반환해요.
– 안전 검증은 기본적인 리스크 제어를 제공하지만, 콘텐츠 검수 책임은 여전히 애플리케이션 측이 져야 해요.


DeepSeek 풀 패키지 API 핵심 요점 Key Takeaways

  • 출시 시점: 2026년 11월 13일, App 뒤에 있는 10가지 애플리케이션 기능을 공개했어요.
  • 핵심 변화: 검색과 웹 페이지 읽기가 서버 측에서 실행되고, 클라이언트는 도구를 선언하기만 하면 돼요.
  • 구동 모델: 대화 단위 도구 통합은 deepseek-flash가 제공하며, 세 가지 프로토콜을 지원해요.
  • 딥 서치: search, open_page, find_in_page가 교차 실행되며, 최대 약 20회의 도구 호출이 이루어져요.
  • 파일 파싱: 두 가지 모드는 도표 보존 여부에 따라 구분되고, 재무제표류 문서에는 이미지+텍스트 모드를 사용해요.
  • 프론트엔드 역할: 인용 표시, 서명 반환, 스트리밍 거절 응답 철회는 여전히 클라이언트가 처리해요.
  • 연동 경로: 통제 가능한 검색이 필요할 때는 APIYI apiyi.com을 통해 독립 Search / Fetch를 호출할 수 있어요.

요약

DeepSeek 풀 패키지 API의 요점은 세 가지로 정리할 수 있어요:

  1. 기능 계층 개방: 검색, 문서, 음성, 리스크 제어와 모델이 하나의 API로 통합되었고, 공식 측은 이를 기반으로 App 경험을 재현할 수 있다고 밝혔어요.
  2. 호출 체인 단축: 서버 측 도구가 검색, 크롤링, 컨텍스트 조합을 맡아 주기 때문에 개발자는 상호작용과 비즈니스 로직에 집중할 수 있어요.
  3. 두 가지 경로 병존: 내장 도구는 App 스타일 질의응답을 빠르게 구축하는 데 적합하고, 독립 Search / Fetch는 통제 가능한 검색과 모델 간 재사용에 적합해요.

네트워크 연동 Q&A 프로토타입을 만들 때는 먼저 내장 도구로 경험을 검증할 수 있어요. 검색 흐름을 정밀하게 제어하거나 여러 모델을 조합해야 할 때는 APIYI apiyi.com을 통해 독립 검색 및 크롤링 도구를 연동하고, 통합된 멀티모델 인터페이스와 함께 효과를 빠르게 비교해 보는 것을 추천해요.


📚 참고 자료

  1. DeepSeek, 올인원 애플리케이션 API 공개: 2026-11-13 공식 공지
  2. 링크: api-docs.deepseek.com/zh-cn/news/news261113/
  3. 설명: 이번에 공개된 기능의 전체 목록

  4. DeepSeek 웹 도구 문서: 서버 측 검색 및 링크 읽기

  5. 링크: api-docs.deepseek.com/zh-cn/guides/web_tools/
  6. 설명: 도구 선언, 호출 규칙 및 과금 방식

  7. DeepSeek 파일 파싱 문서: Files API 사용 설명

  8. 링크: api-docs.deepseek.com/zh-cn/guides/document_parsing/
  9. 설명: 두 가지 파싱 모드와 파일 제한

  10. DeepSeek Chatbot 구축 가이드: 클라이언트 개발 핵심 사항

  11. 링크: api-docs.deepseek.com/zh-cn/guides/build_a_chatbot/
  12. 설명: 반환 필드, 멀티턴 재전송 및 서버가 제어하는 파라미터

  13. DeepSeek 모델 및 가격: Token 및 도구 가격

  14. 링크: api-docs.deepseek.com/zh-cn/quick_start/pricing/
  15. 설명: 피크 및 비활성 시간대 가격

  16. DeepSeek Chat Demo: 공식 오픈소스 프런트엔드 예제

  17. 링크: github.com/deepseek-ai/chat-demo
  18. 설명: 인용 표시, 파일 및 음성 상호작용의 참고 구현

  19. APIYI DeepSeek Search & Fetch 문서: 독립 도구 인터페이스 설명

  20. 링크: docs.apiyi.com/api-capabilities/deepseek-search-fetch/overview
  21. 설명: 인터페이스 파라미터, 그룹 가용성 및 가격 책정

작성자: APIYI 기술 팀
기술 문의: APIYI 웹사이트 홈페이지에서 저희에게 연락해 주세요. 더 많은 연동 자료는 docs.apiyi.com 문서 센터에서 확인하실 수 있어요.

관련 글