이 글에서 배울 내용:

Azure AI Foundry의 정의와 제공 기능
Azure AI Foundry에서 Bright Data의 SERP API 를 통합하는 것이 효과적인 전략인 이유.
SERP API에 연결하는 실제 Azure AI 프롬프트 흐름 구축 방법.

자, 시작해 보겠습니다!

Azure AI Foundry란 무엇인가요?

Azure AI Foundry는 AI 애플리케이션, 에이전트 및 플로우를 구축, 배포 및 관리하기 위한 일련의 도구와 서비스를 제공하는 통합 플랫폼입니다. 즉, AI 시스템 생성 프로세스를 표준화하여 “AI 공장” 역할을 합니다.

주요 목표는 개념에서 생산까지의 과정을 지원하는 것입니다. 이를 위해 Azure OpenAI, Meta, Mistral과 같은 AI 공급업체의 다양한 모델과 기능에 대한 접근 권한을 제공하며, 개발, 배포 및 지속적인 모니터링을 위한 도구도 함께 제공합니다.

Bright Data의 SERP API를 Azure AI Foundry에 통합해야 하는 이유

Azure AI Foundry는 다양한 대규모 언어 모델(LLM)을 제공하지만, 어떤 모델을 선택하든 그 지식은 정적입니다. 예를 들어 LLM은 오늘의 주식 뉴스나 어제 밤 스포츠 경기 결과 등을 인지하지 못합니다. 이로 인해 “부실한” 또는 “허구적인” 응답이 발생할 수 있습니다.

이러한 한계를 극복하기 위해 인터넷의 실시간 데이터로 LLM을 “그라운딩(grounding)”하는 시스템을 구축할 수 있습니다. 이 접근 방식은 특히 RAG(검색 강화 생성) 워크플로우에서 흔히 사용되며, LLM이 응답을 생성하기 전에 외부 정보를 제공받아 출력이 최신 사실에 기반하도록 보장합니다.

Azure AI에는 내장된 그라운딩 도구가 있지만, 데이터 소스로 Bing에만 제한되어 있어 항상 이상적인 것은 아닙니다. 보다 전문적이고 유연한 대안은 Bright Data의 SERP API입니다!

SERP API를 사용하면 프로그래밍 방식으로 검색 엔진에 쿼리를 실행하고 전체 SERP 콘텐츠를 가져올 수 있어, AI 에이전트 및 LLM 워크플로에 원활하게 통합 가능한 신선하고 검증 가능한 데이터의 신뢰할 수 있는 소스를 제공합니다. 공식 문서에서 모든 기능을 살펴보세요.

Azure AI Foundry에서는 에이전트와 플로우 모두에 타사 API 통합을 구현할 수 있습니다. 여기서는 특히 RAG 시나리오에 적합한 프롬프트 플로우에 집중하겠습니다.

SERP API를 사용한 Azure AI 프롬프트 플로우에서 웹 검색 컨텍스트 가져오기

이 가이드 섹션에서는 뉴스 분석 프롬프트 플로우의 일환으로 Bright Data의 SERP API를 Azure AI 플로우에 통합하는 방법을 살펴봅니다. 이 워크플로는 네 가지 주요 단계로 구성됩니다:

입력 수신: 관심 주제를 워크플로에 제공하여 관련 뉴스를 검색합니다.
뉴스 수집: 특수한 Python 노드가 입력된 주제를 받아 Bright Data의 SERP API로 전송하여 Google에서 뉴스 기사를 수집합니다.
뉴스 분석: LLM이 SERP API로 검색된 데이터를 처리하여 읽을 가치가 있는 뉴스 항목을 식별합니다.
출력 생성: 생성된 마크다운 보고서는 SERP에서 추출한 각 뉴스 항목을 간략한 설명과 함께 읽을 가치가 있는 정도를 나타내는 점수와 함께 나열합니다.

참고: 이는 예시일 뿐이며, SERP API는 다양한 다른 시나리오와 사용 사례에서 활용할 수 있습니다.

Azure AI Foundry 내에서 Bright Data의 SERP API에서 제공하는 최신 데이터를 기반으로 RAG 스타일 워크플로를 구축하려면 아래 지침을 따르세요!

필수 구성 요소

이 튜토리얼 섹션을 따라 하려면 다음이 준비되어 있어야 합니다:

Microsoft 계정.
Azure 구독 (무료 체험판으로도 충분함).
활성 API 키( 관리자 권한 포함)가 있는 Bright Data 계정.

API 키를 얻으려면 공식 Bright Data 가이드를 따르십시오. 곧 필요할 것이므로 안전한 곳에 보관하십시오.

1단계: Azure AI 허브 생성

Azure AI 프롬프트 플로우는 Azure AI 허브 내에서만 사용할 수 있으므로, 첫 번째 단계는 Azure AI 허브를 생성하는 것입니다.

이를 위해 Azure 계정에 로그인한 후 아이콘을 클릭하거나 검색창에서 ‘Azure AI Foundry’ 서비스를 검색하여 열어야 합니다:

“AI Foundry” 관리 페이지로 이동합니다:

여기서 “Create” 버튼을 클릭하고 “Hub” 옵션을 선택하세요:

다음으로 아래와 같이 Azure AI 허브 생성 양식을 작성합니다:

Filling out the Azure AI Hub creation form

리전을 선택하고, 기존 리소스 그룹을 선택하거나(필요 시 새 그룹 생성) 허브 이름을 지정합니다(예: bright-data-serp-ai-hub).

그런 다음 “검토 + 생성” 버튼을 클릭하세요. 요약 정보가 표시됩니다:

Reviewing the form info and pressing “Create”

모든 내용이 정확하다면 “Create”를 클릭하여 배포를 시작하세요.

초기화 과정은 몇 분 정도 소요될 수 있습니다. 완료되면 다음과 같은 확인 페이지가 표시됩니다:

훌륭합니다! 이제 프로젝트를 생성하고 프롬프트 흐름을 초기화할 수 있는 Azure AI 허브가 준비되었습니다.

2단계: AI 허브에서 프로젝트 생성

프롬프트 플로우를 관리하려면 먼저 AI 허브 내에서 프로젝트를 생성해야 합니다. 왼쪽 메뉴에서 “AI 허브” 옵션을 클릭하여 시작하세요:

Selecting the “AI Hubs” option in the left menu

허브 이름을 클릭한 후 오른쪽에 나타나는 섹션에서 “프로젝트 만들기”를 선택하세요:

프로젝트 생성 양식을 작성하세요. 이번에는 프로젝트 이름을 serp-api-flow와 같이 지정하세요:

“검토 + 생성” 버튼을 클릭한 후 요약 섹션에서 모든 내용이 정확한지 확인하세요. 마지막으로 “생성”을 눌러 프로젝트를 배포하세요.

프로젝트 초기화가 완료될 때까지 잠시 기다리세요. 준비되면 “AI 허브” 페이지에 목록으로 표시됩니다. 해당 프로젝트를 클릭하세요:

“스튜디오 실행” 버튼을 눌러 Azure AI Foundry 스튜디오에서 열기:

상단에서 현재 “Serp api flow” 프로젝트 내에서 작업 중임을 확인하세요. 그렇지 않은 경우(예: 여러 프로젝트 보유 시) 올바른 프로젝트를 선택해야 합니다.

좋습니다! Azure AI 프롬프트 플로우를 정의할 준비를 하세요.

3단계: LLM 배포

프롬프트 플로우에서 LLM 노드를 사용하려면 Azure에서 먼저 사용 가능한 AI 모델 중 하나를 배포해야 합니다.

이를 위해 왼쪽 메뉴에서 “모델 카탈로그” 옵션을 선택하세요. 카탈로그 페이지에서 사용하려는 AI 모델을 검색하세요. 예를 들어 gpt-5-mini를 사용한다고 가정해 보겠습니다.

“gpt-5-mini”를 검색하여 선택하세요:

모델 페이지에서 “이 모델 사용”을 클릭하여 채택합니다:

표시되는 모달 창에서 “리소스 생성 및 배포” 버튼을 클릭한 후 모델 배포가 완료될 때까지 기다립니다:

이 과정은 몇 분 정도 소요될 수 있으니 기다려 주세요. 배포가 완료되면 Azure AI 프로젝트에서 다음과 같이 모델을 사용할 수 있습니다:

The gpt-5-mini page for the adopted model

훌륭합니다! 이제 프롬프트 흐름을 구동할 LLM 엔진이 준비되었습니다.

4단계: 새 프롬프트 플로우 생성

이제 프롬프트 흐름 작업을 시작할 차례입니다. 왼쪽 메뉴에서 “프롬프트 흐름”을 선택한 후 “생성” 버튼을 클릭하세요:

“새 흐름 만들기” 모달에서 “표준 흐름” 카드의 “만들기”를 클릭하여 새 기본 프롬프트 흐름을 시작하세요:

Clicking the “Standard flow > Create” button

플로우 이름을 입력하라는 메시지가 표시됩니다. bright-data-serp-api-flow와 같은 이름을 지정하세요:

“생성” 버튼을 누르고 프롬프트 플로우가 초기화될 때까지 기다리면 다음과 같은 플로우가 생성됩니다:

Your new prompt flow in Azure AI Foundry studio

보시다시피 오른쪽에는 플로우를 DAG(방향성 비순환 그래프) 형태로 시각화한 내용이 표시됩니다.
반면 왼쪽에는 플로우의 노드를 정의할 수 있는 시각적 편집기가 있습니다. 왼쪽에서 변경한 내용은 오른쪽 DAG에 자동으로 반영됩니다.

기본적으로 표준 플로에는 AI에게 농담을 해달라고 요청하는 간단한 예제가 포함되어 있습니다.
기존 노드를 모두 삭제하고 “컴퓨팅 세션 시작”을 눌러 플로우 개발 플랫폼을 활성화하여 처음부터 시작하세요:

Starting the compute session in your new, blank flow

참고: 컴퓨팅 세션을 시작할 때 Azure는 기본 컴퓨팅 인스턴스를 자동으로 시작하려고 시도합니다. 그러나 리소스 할당에 몇 분에서 몇 시간이 소요될 수 있습니다. 긴 대기 시간을 피하려면 사용자 지정 구성을 사용하여 자체 컴퓨팅 인스턴스에서 컴퓨팅 세션을 수동으로 시작하는 것을 고려하십시오.

잘하셨습니다! 이제 Bright Data SERP API로 구동되는 Azure AI 프롬프트 플로우로 변환할 준비가 된 빈 캔버스를 확보하셨습니다.

단계 #5: 프롬프트 플로우 설계

플로우를 구축하기 전에 포함할 노드를 명확히 정의해야 합니다.

이 경우 목표는 뉴스 검색 및 평가 흐름을 만드는 것입니다. 주제가 주어지면 Bright Data SERP API를 활용하여 Google에서 관련 뉴스 기사를 가져온 다음, 읽을 가치가 있는지 평가하기 위해 LLM(대규모 언어 모델)로 전달합니다. 이렇게 하면 어떤 기사가 읽을 가치가 있는지 빠르게 식별할 수 있습니다.

이를 위해 플로우에는 네 개의 노드가 구성됩니다:

뉴스 웹 검색을 수행할 주제를 받아들이는 입력 노드.
제공된 주제를 사용하여 Bright Data의 SERP API를 호출하는 Python 도구 노드.
API가 반환한 SERP 데이터를 처리하여 뉴스 기사를 식별하고 평가하는 LLM 노드.
LLM이 생성한 최종 보고서를 표시하는 출력 노드.

다음 단계에서 이 Azure AI 프롬프트 흐름을 구현하는 방법을 배워보겠습니다!

단계 #6: 입력 노드 추가

모든 플로우에는 입력 노드와 출력 노드가 반드시 포함되어야 합니다. 따라서 입력 및 출력 노드는 제거할 수 없으며 이미 플로우의 일부입니다.

입력 노드를 구성하려면 플로우의 “입력” 섹션으로 이동하여 “추가 버튼”을 클릭하세요:

입력을 topic 으로 정의하고 유형을 string으로 설정하세요:

완료! 입력 노드 설정이 끝났습니다.

7단계: SERP API 호출 준비

Bright Data SERP API를 호출하는 맞춤형 Python 노드를 생성하기 전에 몇 가지 사전 준비 단계를 수행해야 합니다. 이 단계들은 반드시 필요한 것은 아니지만, 통합을 단순화하고 보안을 강화하는 데 도움이 됩니다.

먼저, API 호출을 용이하게 하려면 Bright Data Python SDK를 설치하세요. 이 SDK는 HTTP 클라이언트를 사용해 API를 직접 호출하는 대신 SERP API를 포함한 Bright Data 제품과 상호작용할 수 있는 편리한 메서드를 제공합니다. 자세한 내용은 공식 문서에서 확인할 수 있습니다.

SDK는 brightdata-sdk 패키지로 제공됩니다. 플로우에 설치하려면 왼쪽의 “세션 실행 중” 버튼을 클릭한 후 “requirements.txt에서 패키지 설치” 옵션을 선택하세요:

Select “Install packages from requirements.txt” option

플로우 정의 패널에서 requirements.txt 파일이 열립니다. 다음 줄을 추가한 후 “저장 및 설치” 옵션을 클릭하세요:

Adding the brightdata-sdk line into the requirements file

설치가 완료되면 커스텀 Python 도구 노드 내에서 Bright Data Python SDK를 사용할 수 있습니다.

다음으로, SERP API는 API 키를 통한 인증이 필요하며, 이를 플로우에 하드코딩하지 않도록 Azure에 시크릿으로 안전하게 저장해야 합니다. 이를 위해 왼쪽 메뉴에서 “관리 센터”(보통 마지막 옵션)를 엽니다:

Selecting the “Management center” option in the menu

프로젝트 관리 개요에서 “연결된 리소스” 섹션 아래 “새 연결”을 클릭하세요:

표시되는 모달에서 “사용자 지정 키” 옵션을 선택하세요:

이것이 Azure AI Foundry에 사용자 지정 API 키를 저장하는 방법입니다.

이제 BRIGHT_DATA_API_KEY와 같은 새 시크릿 키를 생성하고 값 필드에 Bright Data API 키를 붙여넣으세요. “비밀” 옵션을 반드시 선택하십시오. 그런 다음 연결에 bright-data와 같이 식별 가능한 이름을 지정하세요:

Defining your bright-data custom connection

마지막으로 “연결 추가”를 눌러 저장하세요.

잘하셨습니다! 플로우로 돌아가세요. 이제 Bright Data Python SDK와 저장된 API 키를 사용하여 몇 줄의 코드로 SERP API를 호출하는 방법을 확인할 준비가 되었습니다.

단계 #8: Bright Data의 SERP API 호출을 위한 맞춤형 Python 노드 정의

플로우 캔버스에서 “Python” 버튼을 클릭하여 새 Python 도구 노드를 생성하세요:

노드에 serp_api와 같은 이름을 지정한 후 “추가” 버튼을 누릅니다:

코드 텍스트 영역에 다음 Python 코드를 추가하세요:

from promptflow import tool
from promptflow.connections import CustomConnection
from brightdata import bdclient

@tool
def serp_api(search_input: str, bd_conn: CustomConnection) -> str:
    # Bright Data SDK 클라이언트 초기화
    client = bdclient(api_token=bd_conn.BRIGHT_DATA_API_KEY)

    # Google에서 SERP를 Markdown 형식으로 가져옴
    serp_page = client.search(
        search_input,
        data_format="markdown",
        country="us"
    )

    return serp_page

Azure AI Foundry에서 Python 노드는 @tool 어노테이션이 적용된 함수로 도구를 정의해야 합니다. 이 경우 serp_api() 함수는 검색 입력 문자열과 커스텀 연결을 입력으로 받습니다.

사용자 정의 연결에서 함수는 앞서 정의한 BRIGHT_DATA_API_KEY를 읽고 이를 사용하여 Bright Data API Python SDK 클라이언트 인스턴스를 초기화합니다. 그런 다음 해당 클라이언트를 사용하여 search() 메서드를 통해 SERP API를 호출하며, data_format="markdown" 및 country="US" 옵션을 지정하여 미국 버전 Google에서 스크랩한 SERP 페이지를 마크다운 형식으로 반환합니다( AI 입력에 이상적입니다).

다음으로 아래로 스크롤하여 노드의 입력 요소를 정의합니다. 먼저 “입력 검증 및 파싱”을 눌러 노드가 유효한 입력을 인식하도록 합니다. 식별된 입력을 매핑하여 구성합니다:

bd_conn을 bright-data (앞서 정의한 사용자 지정 연결)로 매핑합니다.
search_input을 ${input.topic} 으로 매핑하여 입력 노드의 검색 입력이 SERP API로 전달되도록 합니다.

훌륭합니다! Azure AI Foundry의 Bright Data SERP API 통합이 완료되었습니다.

단계 #9: LLM 노드 지정

초기 검색 주제와 일치하는 SERP 페이지를 확보했으므로, 이를 LLM에 입력하여 뉴스 추출 및 평가를 수행합니다. “Flow” 탭 바로 아래의 “LLM” 버튼을 눌러 LLM 노드를 추가하세요:

LLM 노드에 llm과 같은 이름을 부여하고 “추가”를 클릭하여 확인합니다:

이 노드에서 프롬프트 흐름의 핵심 논리를 정의합니다. 뉴스 추출 및 평가 목표를 달성하려면 다음과 같은 프롬프트를 작성할 수 있습니다:

# system:
당신은 주어진 주제에 대해 가장 관련성 높은 뉴스 기사를 식별하는 뉴스 분석 보조 프로그램입니다.

# user:
아래 SERP 페이지에서 가장 중요한 뉴스 항목을 추출하고, 읽을 가치가 얼마나 되는지에 따라 1부터 5까지의 척도로 각각을 평가하세요.

다음 내용을 포함한 마크다운 형식의 보고서를 반환하세요:
* 뉴스 제목  
* 뉴스 URL  
* 간략한 설명 (20단어 이내)  
* 읽을 가치가 있는 정도 (1–5)

SERP 페이지:
{{serp_page}}

# system 섹션은 어시스턴트의 역할과 전반적인 동작을 정의하는 반면, # user 섹션은 입력 처리의 구체적인 작업과 지침을 제공합니다.

다음으로, LLM 노드를 이전 단계(#3)에서 배포한 AI 모델에 연결하도록 구성합니다:

프롬프트에 포함된 serp_page 매개변수는 이전에 정의한 serp_api 노드의 출력값으로 설정해야 합니다. “입력” 섹션에서 “입력 검증 및 파싱”을 누르고 serp_page를 ${serp_api.output}에 할당하여 구성하세요:

멋지네요! 이제 Azure AI 플로우에 SERP 결과를 처리하고 평가된 뉴스 보고서를 생성할 수 있는 LLM “두뇌”가 작동합니다.

10단계: 출력 노드 정의

마지막 단계는 출력 노드를 구성하는 것입니다. “출력” 섹션에서 “출력 추가”를 클릭하세요:

출력 이름을 report로 설정하고 ${llm.output} 변수를 사용하여 LLM 노드의 출력에 할당하세요:

완료 후 “저장”을 눌러 프롬프트 플로우를 저장하세요:

축하합니다! Azure AI 플로우가 완전히 구현되었습니다.

단계 #11: 전체 통합

플로우 개발 환경의 “그래프” 섹션을 보면 아래와 같은 DAG가 표시됩니다:

이는 5단계에서 설명한 뉴스 분석 흐름을 명확히 보여주며, 입력, SERP API 호출, LLM 평가, 출력이 어떻게 연결되는지 보여줍니다.

12단계: 프롬프트 플로우 실행

Azure AI 프롬프트 플로우를 테스트하기 위해 “주식 시장 뉴스”라는 예제 주제를 사용해 보겠습니다. “입력(Inputs)” 노드에서 주제의 “값(Value)” 필드에 “주식 시장 뉴스” 문자열을 입력하세요:

Setting “stock market news” as the flow input

다음으로 오른쪽 상단의 “실행” 버튼을 눌러 흐름을 실행합니다:

데이터가 플로우를 통과하여 “출력” 노드에 도달할 때까지 각 노드가 점차 녹색으로 변하는 것을 확인할 수 있습니다:

실행이 완료되면 다음과 같은 알림을 받게 됩니다:

“출력 보기”를 클릭하여 플로우 결과를 확인하세요:

The Markdown report produced by the flow

예상대로, 이 플로우는 뉴스 기사가 포함된 마크다운 보고서를 생성합니다. 이 경우 다음 내용이 포함됩니다:

- **뉴스 제목:** 다우, S&P 500, 나스닥 선물 상승…미중 협상, 트럼프 무역 협정 체결 준비

  **뉴스 URL:** [Yahoo Finance](https://finance.yahoo.com/news/live/stock-market-today-dow-sp-500-nasdaq-futures-climb-as-us-china-talks-tee-up-trade-deal-for-trump-225050786.html)

  **간략 설명:** 실시간 업데이트: 트럼프 회담 앞두고 미중 무역 협상 기대감에 미국 선물 상승.

  **읽을 가치:** 5

- **기사 제목:** 오늘 주식 시장: 미중 협상, 트럼프를 위한 무역 협정 마련에 다우, S&P 500, 나스닥 선물 상승

    **뉴스 URL:** [Yahoo Finance](https://finance.yahoo.com/news/live/stock-market-today-dow-sp-500-nasdaq-futures-climb-as-us-china-talks-tee-up-trade-deal-for-trump-225050786.html)

    **간략 설명:** 트럼프 회담 중 미중 무역 낙관론 재점화로 시장 상승.

    **읽을 가치:** 5

# 간결함을 위해 생략...

이 결과는 흐름 실행 시점의 “주식 시장 뉴스” SERP 페이지를 반영합니다:

The SERP for “stock market news” on the day of the flow run

SERP 페이지가 올바르게 검색되었는지 확인하려면 serp_api 노드의 “출력(Outputs)” 섹션에서 “출력(output)” 탭을 확인하세요:

The output produced by the “serp_api” node

해당 탭에서 원본 SERP의 마크다운 버전을 확인할 수 있습니다. Bright Data의 SERP API가 제 역할을 해냈습니다!

이제 플로우 출력을 완전히 확인하려면 보고서 출력을 report.md 같은 파일로 복사하세요. Visual Studio Code 같은 마크다운 뷰어로 열어보세요:

Inspecting the flow's output in Visual Studio Code

이 흐름이 생성한 보고서가 “주식 시장 뉴스”에 대한 Google SERP에 표시된 뉴스와 일치하는지 확인하세요. Google 검색 결과 스크래핑은 봇 방지 조치와 속도 제한으로 인해 매우 어렵기로 유명합니다. SERP API를 사용하면 확장성 제한 없이 AI 지원 가능한 Markdown 형식으로 다양한 지역의 Google(또는 기타 지원 검색 엔진) 결과를 안정적이고 쉽게 가져올 수 있습니다.

이 예시는 간단한 사용 사례를 보여줍니다. 더 복잡한 플로우를 실험하거나, 다른 Bright Data 제품을 통합하거나, LLM 프롬프트를 조정하여 다양한 작업을 처리할 수 있습니다. 그 외에도 많은 사용 사례가 지원됩니다!

자, 이제 웹 검색 데이터를 가져와 RAG 스타일 워크플로우의 컨텍스트로 활용하는 Azure AI Foundry 플로우가 완성되었습니다.

결론

이 블로그 게시물에서는 Bright Data의 SERP API를 사용하여 Google에서 최신 뉴스 기사를 가져오고 이를 Azure AI의 RAG 워크플로에 통합하는 방법을 배웠습니다.

여기서 소개한 AI 워크플로는 관심 주제에 맞는 뉴스만 필터링해 제공하는 뉴스 어시스턴트 구축에 이상적입니다. 더 고급 AI 워크플로를 만들려면 실시간 웹 데이터 수집, 검증, 변환을 위한 Bright Data의 전체 도구 모음을 활용해 보세요.

지금 바로 Bright Data 무료 계정에 가입하고 AI 활용이 가능한 웹 데이터 솔루션으로 실험을 시작해 보세요!

문의하기 무료 체험 시작하기

Bright Data의 SERP API를 Azure AI Foundry에서 검색 기반 프롬프트 흐름에 활용