Add Korean translations (#3307)

docs/ko/tools/search-research/arxivpapertool.mdx

@@ -0,0 +1,110 @@
+---
+title: Arxiv 논문 도구
+description: ArxivPaperTool은 쿼리에 맞는 논문을 arXiv에서 검색하고, 선택적으로 PDF를 다운로드합니다.
+icon: box-archive
+---
+
+# `ArxivPaperTool`
+
+## 설명
+
+`ArxivPaperTool`은 arXiv API를 통해 학술 논문을 검색하고 간결하고 읽기 쉬운 결과를 반환합니다. 또한 선택적으로 PDF 파일을 디스크에 다운로드할 수도 있습니다.
+
+## 설치
+
+이 도구는 `crewai-tools` 외에 별도의 특별한 설치가 필요하지 않습니다.
+
+```shell
+uv add crewai-tools
+```
+
+API 키가 필요하지 않습니다. 이 도구는 공개 arXiv Atom API를 사용합니다.
+
+## 시작 단계
+
+1. 도구를 초기화합니다.
+2. `search_query`를 제공합니다 (예: "transformer neural network").
+3. 선택적으로 생성자에서 `max_results`(1–100)를 설정하고 PDF 다운로드를 활성화할 수 있습니다.
+
+## 예시
+
+```python Code
+from crewai import Agent, Task, Crew
+from crewai_tools import ArxivPaperTool
+
+tool = ArxivPaperTool(
+    download_pdfs=False,
+    save_dir="./arxiv_pdfs",
+    use_title_as_filename=True,
+)
+
+agent = Agent(
+    role="Researcher",
+    goal="Find relevant arXiv papers",
+    backstory="Expert at literature discovery",
+    tools=[tool],
+    verbose=True,
+)
+
+task = Task(
+    description="Search arXiv for 'transformer neural network' and list top 5 results.",
+    expected_output="A concise list of 5 relevant papers with titles, links, and summaries.",
+    agent=agent,
+)
+
+crew = Crew(agents=[agent], tasks=[task])
+result = crew.kickoff()
+```
+
+### 직접 사용 (Agent 없이)
+
+```python Code
+from crewai_tools import ArxivPaperTool
+
+tool = ArxivPaperTool(
+    download_pdfs=True,
+    save_dir="./arxiv_pdfs",
+)
+print(tool.run(search_query="mixture of experts", max_results=3))
+```
+
+## 매개변수
+
+### 초기화 매개변수
+
+- `download_pdfs` (bool, 기본값 `False`): PDF를 다운로드할지 여부입니다.
+- `save_dir` (str, 기본값 `./arxiv_pdfs`): PDF를 저장할 디렉터리입니다.
+- `use_title_as_filename` (bool, 기본값 `False`): 논문 제목을 파일명으로 사용할지 여부입니다.
+
+### 실행 매개변수
+
+- `search_query` (str, 필수): arXiv 검색 쿼리입니다.
+- `max_results` (int, 기본값 `5`, 범위 1–100): 결과 수.
+
+## 출력 형식
+
+이 도구는 다음과 같이 사람이 읽을 수 있는 논문 목록을 반환합니다:
+- 제목
+- 링크 (초록 페이지)
+- 요약/설명 (생략됨)
+
+`download_pdfs=True`로 설정하면, PDF 파일이 디스크에 저장되며 요약에 저장된 파일이 언급됩니다.
+
+## 사용 참고 사항
+
+- 이 도구는 주요 메타데이터와 링크가 포함된 서식을 갖춘 텍스트를 반환합니다.
+- `download_pdfs=True`인 경우, PDF는 `save_dir`에 저장됩니다.
+
+## 문제 해결
+
+- 네트워크 시간 초과가 발생하면 다시 시도하거나 `max_results` 값을 줄이십시오.
+- 잘못된 XML 오류는 arXiv 응답 파싱 문제를 나타냅니다. 더 간단한 쿼리를 시도해 보십시오.
+- 파일 시스템 오류(예: 권한 거부)는 PDF를 저장할 때 발생할 수 있습니다. `save_dir`가 쓰기 가능한지 확인하십시오.
+
+## 관련 링크
+
+- arXiv API 문서: https://info.arxiv.org/help/api/index.html
+
+## 오류 처리
+
+- 네트워크 문제, 잘못된 XML, 그리고 OS 오류는 안내 메시지로 처리됩니다.

docs/ko/tools/search-research/bravesearchtool.mdx

@@ -0,0 +1,96 @@
+---
+title: Brave Search
+description: BraveSearchTool은 Brave Search API를 사용하여 인터넷을 검색하도록 설계되었습니다.
+icon: searchengin
+---
+
+# `BraveSearchTool`
+
+## 설명
+
+이 도구는 Brave Search API를 사용하여 웹 검색을 수행하도록 설계되었습니다. 지정한 쿼리를 사용하여 인터넷을 검색하고 관련 결과를 가져올 수 있습니다. 이 도구는 결과 개수와 국가별 검색을 사용자 지정할 수 있는 기능을 지원합니다.
+
+## 설치
+
+이 도구를 프로젝트에 통합하려면 아래의 설치 지침을 따르세요:
+
+```shell
+pip install 'crewai[tools]'
+```
+
+## 시작 단계
+
+`BraveSearchTool`을(를) 효과적으로 사용하려면 다음 단계를 따르세요:
+
+1. **패키지 설치**: Python 환경에 `crewai[tools]` 패키지가 설치되어 있는지 확인합니다.
+2. **API 키 획득**: https://api.search.brave.com/app/keys 에서 Brave Search API 키를 획득합니다(로그인하여 키를 생성).
+3. **환경 설정**: 획득한 API 키를 `BRAVE_API_KEY`라는 환경 변수에 저장하여 도구에서 사용할 수 있도록 합니다.
+
+## 예시
+
+다음 예시는 도구를 초기화하고 주어진 쿼리로 검색을 실행하는 방법을 보여줍니다:
+
+```python Code
+from crewai_tools import BraveSearchTool
+
+# 인터넷 검색 기능을 위한 도구 초기화
+tool = BraveSearchTool()
+
+# 검색 실행
+results = tool.run(search_query="CrewAI agent framework")
+print(results)
+```
+
+## 매개변수
+
+`BraveSearchTool`은 다음과 같은 매개변수를 받습니다:
+
+- **search_query**: 필수. 인터넷 검색에 사용할 검색 쿼리입니다.
+- **country**: 선택. 검색 결과의 국가를 지정합니다. 기본값은 빈 문자열입니다.
+- **n_results**: 선택. 반환할 검색 결과의 개수입니다. 기본값은 `10`입니다.
+- **save_file**: 선택. 검색 결과를 파일로 저장할지 여부입니다. 기본값은 `False`입니다.
+
+## 매개변수와 함께 사용하는 예시
+
+다음은 추가 매개변수를 사용하여 도구를 활용하는 방법을 보여주는 예시입니다:
+
+```python Code
+from crewai_tools import BraveSearchTool
+
+# Initialize the tool with custom parameters
+tool = BraveSearchTool(
+    country="US",
+    n_results=5,
+    save_file=True
+)
+
+# Execute a search
+results = tool.run(search_query="Latest AI developments")
+print(results)
+```
+
+## 에이전트 통합 예시
+
+다음은 `BraveSearchTool`을 CrewAI 에이전트와 통합하는 방법입니다:
+
+```python Code
+from crewai import Agent
+from crewai.project import agent
+from crewai_tools import BraveSearchTool
+
+# Initialize the tool
+brave_search_tool = BraveSearchTool()
+
+# Define an agent with the BraveSearchTool
+@agent
+def researcher(self) -> Agent:
+    return Agent(
+        config=self.agents_config["researcher"],
+        allow_delegation=False,
+        tools=[brave_search_tool]
+    )
+```
+
+## 결론
+
+`BraveSearchTool`을 Python 프로젝트에 통합함으로써, 사용자는 애플리케이션 내에서 직접 실시간으로 관련성 높은 인터넷 검색을 수행할 수 있습니다. 이 도구는 강력한 Brave Search API에 대한 간단한 인터페이스를 제공하여, 검색 결과를 프로그래밍적으로 손쉽게 가져오고 처리할 수 있게 해줍니다. 제공된 설정 및 사용 지침을 따르면, 이 도구를 프로젝트에 통합하는 과정이 간편하고 직관적입니다.

docs/ko/tools/search-research/codedocssearchtool.mdx

@@ -0,0 +1,84 @@
+---
+title: 코드 문서 RAG 검색
+description: CodeDocsSearchTool은(는) 코드 문서 내에서 의미론적 검색을 위해 설계된 강력한 RAG(Retrieval-Augmented Generation) 도구입니다.
+icon: code
+---
+
+# `CodeDocsSearchTool`
+
+<Note>
+    **실험적**: 저희는 도구를 계속 개선하고 있으므로, 향후 예기치 않은 동작이나 변경 사항이 발생할 수 있습니다.
+</Note>
+
+## 설명
+
+CodeDocsSearchTool은 코드 문서 내에서 의미론적 검색을 할 수 있도록 설계된 강력한 RAG(Retrieval-Augmented Generation) 도구입니다.
+이 도구를 사용하면 사용자는 코드 문서 내에서 특정 정보나 주제를 효율적으로 찾을 수 있습니다. 초기화 시 `docs_url`을 제공하면,
+검색 범위를 해당 문서 사이트로 한정할 수 있습니다. 또는 특정 `docs_url`이 없는 경우,
+실행 중에 알려지거나 발견된 다양한 코드 문서 전체를 대상으로 검색하므로, 다양한 문서 검색에 유연하게 활용할 수 있습니다.
+
+## 설치
+
+CodeDocsSearchTool을 사용하려면 먼저 pip를 통해 crewai_tools 패키지를 설치하세요:
+
+```shell
+pip install 'crewai[tools]'
+```
+
+## 예시
+
+CodeDocsSearchTool을 다음과 같이 활용하여 코드 문서 내에서 검색을 수행할 수 있습니다:
+
+```python Code
+from crewai_tools import CodeDocsSearchTool
+
+# URL이 알려졌거나 실행 중에 발견된 경우
+# 모든 코드 문서 내용을 검색하려면:
+tool = CodeDocsSearchTool()
+
+# 또는
+
+# 특정 문서 사이트 내에서 검색을 집중적으로 수행하려면
+# 해당 사이트의 URL을 제공하세요:
+tool = CodeDocsSearchTool(docs_url='https://docs.example.com/reference')
+```
+<Note>
+    'https://docs.example.com/reference'를 원하는 문서 URL로,
+    'How to use search tool'을 필요에 맞는 검색 쿼리로 대체하세요.
+</Note>
+
+## 인수
+
+다음 매개변수들은 `CodeDocsSearchTool`의 동작을 사용자 지정하는 데 사용할 수 있습니다:
+
+| 인수             | 타입      | 설명                                                                                                  |
+|:------------------|:----------|:-----------------------------------------------------------------------------------------------------|
+| **docs_url**       | `string`  | _선택 사항_. 검색할 코드 도큐멘테이션의 URL을 지정합니다.                                 |
+
+## 커스텀 모델 및 임베딩
+
+기본적으로 이 도구는 임베딩과 요약 모두에 OpenAI를 사용합니다. 모델을 커스터마이즈하려면 아래와 같이 config 딕셔너리를 사용할 수 있습니다.
+
+```python Code
+tool = CodeDocsSearchTool(
+    config=dict(
+        llm=dict(
+            provider="ollama", # or google, openai, anthropic, llama2, ...
+            config=dict(
+                model="llama2",
+                # temperature=0.5,
+                # top_p=1,
+                # stream=true,
+            ),
+        ),
+        embedder=dict(
+            provider="google", # or openai, ollama, ...
+            config=dict(
+                model="models/embedding-001",
+                task_type="retrieval_document",
+                # title="Embeddings",
+            ),
+        ),
+    )
+)
+```

docs/ko/tools/search-research/databricks-query-tool.mdx

@@ -0,0 +1,78 @@
+---
+title: Databricks SQL 쿼리 도구
+description: DatabricksQueryTool은 Databricks 워크스페이스 테이블에 대해 SQL 쿼리를 실행합니다.
+icon: trowel-bricks
+---
+
+# `DatabricksQueryTool`
+
+## 설명
+
+CLI 프로필 또는 직접 호스트/토큰 인증을 사용하여 Databricks 워크스페이스 테이블에 대해 SQL을 실행합니다.
+
+## 설치
+
+```shell
+uv add crewai-tools[databricks-sdk]
+```
+
+## 환경 변수
+
+- `DATABRICKS_CONFIG_PROFILE` 또는 (`DATABRICKS_HOST` + `DATABRICKS_TOKEN`)
+
+개인 액세스 토큰을 생성하고 Databricks 작업 공간의 사용자 설정 → 개발자 메뉴에서 호스트 정보를 확인하세요.
+문서: https://docs.databricks.com/ko/dev-tools/auth/pat.html
+
+## 예시
+
+```python Code
+from crewai import Agent, Task, Crew
+from crewai_tools import DatabricksQueryTool
+
+tool = DatabricksQueryTool(
+    default_catalog="main",
+    default_schema="default",
+)
+
+agent = Agent(
+    role="Data Analyst",
+    goal="Query Databricks",
+    tools=[tool],
+    verbose=True,
+)
+
+task = Task(
+    description="SELECT * FROM my_table LIMIT 10",
+    expected_output="10 rows",
+    agent=agent,
+)
+
+crew = Crew(
+    agents=[agent],
+    tasks=[task],
+    verbose=True,
+)
+result = crew.kickoff()
+
+print(result)
+```
+
+## 매개변수
+
+- `query` (필수): 실행할 SQL 쿼리
+- `catalog` (선택): 기본 카탈로그 재정의
+- `db_schema` (선택): 기본 스키마 재정의
+- `warehouse_id` (선택): 기본 SQL 웨어하우스 재정의
+- `row_limit` (선택): 반환할 최대 행 수 (기본값: 1000)
+
+## 초기화 시 기본값
+
+- `default_catalog`
+- `default_schema`
+- `default_warehouse_id`
+
+### 오류 처리 및 팁
+
+- 인증 오류: `DATABRICKS_HOST`가 `https://`로 시작하는지와 토큰이 유효한지 확인하세요.
+- 권한: SQL 웨어하우스와 스키마에 토큰으로 접근할 수 있는지 확인하세요.
+- 한계: 장시간 실행되는 쿼리는 에이전트 루프에서 피해야 하며, 필터나 제한을 추가하세요.

docs/ko/tools/search-research/exasearchtool.mdx

@@ -0,0 +1,52 @@
+---
+title: EXA 검색 웹 로더
+description: EXASearchTool은 인터넷 전반에 걸쳐 텍스트의 내용에서 지정된 쿼리에 대한 시맨틱 검색을 수행하도록 설계되었습니다.
+icon: globe-pointer
+---
+
+# `EXASearchTool`
+
+## 설명
+
+EXASearchTool은 텍스트의 내용을 기반으로 지정된 쿼리를 인터넷 전반에 걸쳐 의미론적으로 검색하도록 설계되었습니다.
+사용자가 제공한 쿼리를 기반으로 가장 관련성 높은 검색 결과를 가져오고 표시하기 위해 [exa.ai](https://exa.ai/) API를 활용합니다.
+
+## 설치
+
+이 도구를 프로젝트에 포함하려면 아래 설치 지침을 따르세요:
+
+```shell
+pip install 'crewai[tools]'
+```
+
+## 예제
+
+다음 예제는 도구를 초기화하고 주어진 쿼리로 검색을 실행하는 방법을 보여줍니다:
+
+```python Code
+from crewai_tools import EXASearchTool
+
+# Initialize the tool for internet searching capabilities
+tool = EXASearchTool()
+```
+
+## 시작 단계
+
+EXASearchTool을 효과적으로 사용하려면 다음 단계를 따르세요:
+
+<Steps>
+    <Step title="패키지 설치">
+        Python 환경에 `crewai[tools]` 패키지가 설치되어 있는지 확인하세요.
+    </Step>
+    <Step title="API 키 획득">
+        [exa.ai](https://exa.ai/)에서 무료 계정을 등록하여 [exa.ai](https://exa.ai/) API 키를 획득하세요.
+    </Step>
+    <Step title="환경 설정">
+        획득한 API 키를 도구에서 사용할 수 있도록 `EXA_API_KEY`라는 환경 변수에 저장하세요.
+    </Step>
+</Steps>
+
+## 결론
+
+`EXASearchTool`을 Python 프로젝트에 통합함으로써, 사용자는 애플리케이션 내에서 실시간으로 인터넷을 직접 검색할 수 있는 능력을 얻게 됩니다.
+제공된 설정 및 사용 지침을 따르면, 이 도구를 프로젝트에 포함하는 과정이 간편하고 직관적입니다.

docs/ko/tools/search-research/githubsearchtool.mdx

@@ -0,0 +1,85 @@
+---
+title: Github 검색
+description: GithubSearchTool은 웹사이트를 검색하고 이를 깔끔한 마크다운 또는 구조화된 데이터로 변환하도록 설계되었습니다.
+icon: github
+---
+
+# `GithubSearchTool`
+
+<Note>
+    저희는 도구를 계속 개선하고 있으므로, 예기치 않은 동작이나 향후 변경 사항이 있을 수 있습니다.
+</Note>
+
+## 설명
+
+GithubSearchTool은 GitHub 리포지토리 내에서 시맨틱 검색을 수행하기 위해 특별히 설계된 Retrieval-Augmented Generation (RAG) 도구입니다. 고도화된 시맨틱 검색 기능을 활용하여 코드, 풀 리퀘스트, 이슈, 리포지토리를 탐색하므로, 개발자, 연구자 또는 GitHub에서 정확한 정보를 필요로 하는 모든 사람에게 필수적인 도구입니다.
+
+## 설치
+
+GithubSearchTool을 사용하려면 먼저 Python 환경에 crewai_tools 패키지가 설치되어 있어야 합니다:
+
+```shell
+pip install 'crewai[tools]'
+```
+
+이 명령어는 GithubSearchTool과 crewai_tools 패키지에 포함된 기타 도구들을 실행하는 데 필요한 패키지를 설치합니다.
+
+GitHub Personal Access Token은 https://github.com/settings/tokens (Developer settings → Fine‑grained tokens 또는 classic tokens)에서 발급받으실 수 있습니다.
+
+## 예시
+
+다음은 GithubSearchTool을 사용하여 GitHub 저장소 내에서 시맨틱 검색을 수행하는 방법입니다:
+
+```python Code
+from crewai_tools import GithubSearchTool
+
+# 특정 GitHub 저장소 내에서 시맨틱 검색을 위한 도구 초기화
+tool = GithubSearchTool(
+	github_repo='https://github.com/example/repo',
+	gh_token='your_github_personal_access_token',
+	content_types=['code', 'issue'] # 옵션: code, repo, pr, issue
+)
+
+# 또는
+
+# 특정 GitHub 저장소 내에서 시맨틱 검색을 위한 도구를 초기화하여, agent가 실행 중에 알게 된 어떤 저장소라도 검색할 수 있도록 함
+tool = GithubSearchTool(
+	gh_token='your_github_personal_access_token',
+	content_types=['code', 'issue'] # 옵션: code, repo, pr, issue
+)
+```
+
+## 인자
+
+- `github_repo` : 검색이 수행될 GitHub 저장소의 URL입니다. 이 필드는 필수이며, 검색 대상 저장소를 지정합니다.
+- `gh_token` : 인증에 필요한 GitHub 개인 액세스 토큰(PAT)입니다. GitHub 계정의 설정 > 개발자 설정 > 개인 액세스 토큰에서 생성할 수 있습니다.
+- `content_types` : 검색에 포함할 콘텐츠 유형을 지정합니다. 다음 옵션 중에서 콘텐츠 유형의 목록을 제공해야 합니다: 코드 내에서 검색하려면 `code`, 저장소의 일반 정보 내에서 검색하려면 `repo`, 풀 리퀘스트에서 검색하려면 `pr`, 이슈에서 검색하려면 `issue`.
+이 필드는 필수이며, GitHub 저장소 내에서 특정 콘텐츠 유형에 맞춰 검색을 조정할 수 있습니다.
+
+## 커스텀 모델 및 임베딩
+
+기본적으로 이 도구는 임베딩과 요약 모두에 OpenAI를 사용합니다. 모델을 커스터마이징하려면 다음과 같이 config 딕셔너리를 사용할 수 있습니다.
+
+```python Code
+tool = GithubSearchTool(
+    config=dict(
+        llm=dict(
+            provider="ollama", # 또는 google, openai, anthropic, llama2, ...
+            config=dict(
+                model="llama2",
+                # temperature=0.5,
+                # top_p=1,
+                # stream=true,
+            ),
+        ),
+        embedder=dict(
+            provider="google", # 또는 openai, ollama, ...
+            config=dict(
+                model="models/embedding-001",
+                task_type="retrieval_document",
+                # title="Embeddings",
+            ),
+        ),
+    )
+)
+```

docs/ko/tools/search-research/linkupsearchtool.mdx

@@ -0,0 +1,112 @@
+---
+title: Linkup 검색 도구
+description: LinkupSearchTool은 Linkup API를 통해 컨텍스트 정보를 질의할 수 있도록 합니다.
+icon: link
+---
+
+# `LinkupSearchTool`
+
+## 설명
+
+`LinkupSearchTool`은 Linkup API에 쿼리하여 컨텍스트 정보와 구조화된 결과를 가져올 수 있는 기능을 제공합니다. 이 도구는 Linkup으로부터 최신의 신뢰할 수 있는 정보를 워크플로우에 추가하는 데 이상적이며, 에이전트가 작업 중에 관련 데이터를 접근할 수 있도록 해줍니다.
+
+## 설치
+
+이 도구를 사용하려면 Linkup SDK를 설치해야 합니다:
+
+```shell
+uv add linkup-sdk
+```
+
+## 시작 단계
+
+`LinkupSearchTool`을 효과적으로 사용하려면 다음 단계를 따라주세요:
+
+1. **API 키**: Linkup API 키를 발급받으세요.
+2. **환경 설정**: API 키로 환경을 설정하세요.
+3. **SDK 설치**: 위의 명령어를 사용하여 Linkup SDK를 설치하세요.
+
+## 예시
+
+다음 예시는 도구를 초기화하고 에이전트에서 사용하는 방법을 보여줍니다:
+
+```python Code
+from crewai_tools import LinkupSearchTool
+from crewai import Agent
+import os
+
+# Initialize the tool with your API key
+linkup_tool = LinkupSearchTool(api_key=os.getenv("LINKUP_API_KEY"))
+
+# Define an agent that uses the tool
+@agent
+def researcher(self) -> Agent:
+    '''
+    이 에이전트는 LinkupSearchTool을 사용하여 Linkup API에서
+    컨텍스트 정보를 가져옵니다.
+    '''
+    return Agent(
+        config=self.agents_config["researcher"],
+        tools=[linkup_tool]
+    )
+```
+
+## 매개변수
+
+`LinkupSearchTool`은 다음과 같은 매개변수를 사용합니다:
+
+### 생성자 매개변수
+- **api_key**: 필수. 사용자의 Linkup API 키입니다.
+
+### 실행 매개변수
+- **query**: 필수입니다. 검색어 또는 구문입니다.
+- **depth**: 선택 사항입니다. 검색 깊이입니다. 기본값은 "standard"입니다.
+- **output_type**: 선택 사항입니다. 출력 유형입니다. 기본값은 "searchResults"입니다.
+
+## 고급 사용법
+
+더 구체적인 결과를 얻기 위해 검색 매개변수를 사용자 지정할 수 있습니다.
+
+```python Code
+# Perform a search with custom parameters
+results = linkup_tool.run(
+    query="Women Nobel Prize Physics",
+    depth="deep",
+    output_type="searchResults"
+)
+```
+
+## 반환 형식
+
+도구는 다음과 같은 형식으로 결과를 반환합니다:
+
+```json
+{
+  "success": true,
+  "results": [
+    {
+      "name": "Result Title",
+      "url": "https://example.com/result",
+      "content": "Content of the result..."
+    },
+    // Additional results...
+  ]
+}
+```
+
+오류가 발생한 경우 응답은 다음과 같습니다:
+
+```json
+{
+  "success": false,
+  "error": "Error message"
+}
+```
+
+## 오류 처리
+
+이 도구는 API 오류를 우아하게 처리하고 구조화된 피드백을 제공합니다. API 요청이 실패할 경우, 도구는 `success: false`와 오류 메시지가 포함된 딕셔너리를 반환합니다.
+
+## 결론
+
+`LinkupSearchTool`은 Linkup의 컨텍스트 기반 정보 검색 기능을 CrewAI agent에 원활하게 통합할 수 있는 방법을 제공합니다. 이 도구를 활용하여 agent는 의사 결정 및 작업 수행을 향상시키기 위해 관련성 높고 최신의 정보에 접근할 수 있습니다.

docs/ko/tools/search-research/overview.mdx

@@ -0,0 +1,93 @@
+---
+title: "개요"
+description: "웹 검색을 수행하고, 저장소를 찾으며, 인터넷 전반에 걸쳐 정보를 조사합니다"
+icon: "face-smile"
+---
+
+이러한 도구들은 에이전트가 웹을 검색하고, 다양한 주제를 조사하며, 검색 엔진, GitHub, YouTube 등 다양한 플랫폼에서 정보를 찾을 수 있도록 지원합니다.
+
+## **사용 가능한 도구**
+
+<CardGroup cols={2}>
+  <Card title="Serper Dev Tool" icon="google" href="/ko/tools/search-research/serperdevtool">
+    종합적인 웹 검색 기능을 위한 Google 검색 API 통합.
+  </Card>
+
+  <Card title="Brave Search Tool" icon="shield" href="/ko/tools/search-research/bravesearchtool">
+    Brave의 독립적인 검색 인덱스를 활용한 프라이버시 중심의 검색.
+  </Card>
+
+  <Card title="Exa Search Tool" icon="magnifying-glass" href="/ko/tools/search-research/exasearchtool">
+    특정하고 관련성 높은 콘텐츠를 찾기 위한 AI 기반 검색.
+  </Card>
+
+  <Card title="LinkUp Search Tool" icon="link" href="/ko/tools/search-research/linkupsearchtool">
+    최신 콘텐츠 인덱싱을 통한 실시간 웹 검색.
+  </Card>
+
+  <Card title="GitHub Search Tool" icon="github" href="/ko/tools/search-research/githubsearchtool">
+    GitHub 저장소, 코드, 이슈, 문서를 검색합니다.
+  </Card>
+
+  <Card title="Website Search Tool" icon="globe" href="/ko/tools/search-research/websitesearchtool">
+    특정 웹사이트 및 도메인 내에서 검색합니다.
+  </Card>
+
+  <Card title="Code Docs Search Tool" icon="code" href="/ko/tools/search-research/codedocssearchtool">
+    코드 문서와 기술 자료를 검색합니다.
+  </Card>
+
+  <Card title="YouTube Channel Search" icon="youtube" href="/ko/tools/search-research/youtubechannelsearchtool">
+    특정 콘텐츠 및 크리에이터를 찾기 위한 YouTube 채널 검색.
+  </Card>
+
+  <Card title="YouTube Video Search" icon="play" href="/ko/tools/search-research/youtubevideosearchtool">
+    주제, 키워드 또는 조건별로 YouTube 동영상을 찾고 분석합니다.
+  </Card>
+
+  <Card title="Tavily Search Tool" icon="magnifying-glass" href="/ko/tools/search-research/tavilysearchtool">
+    Tavily의 AI 기반 검색 API를 활용한 종합 웹 검색.
+  </Card>
+
+  <Card title="Tavily Extractor Tool" icon="file-text" href="/ko/tools/search-research/tavilyextractortool">
+    Tavily API를 사용하여 웹 페이지에서 구조화된 콘텐츠를 추출합니다.
+  </Card>
+
+  <Card title="Arxiv Paper Tool" icon="box-archive" href="/ko/tools/search-research/arxivpapertool">
+    arXiv에서 논문을 검색하고 선택적으로 PDF를 다운로드합니다.
+  </Card>
+
+  <Card title="SerpApi Google Search" icon="search" href="/ko/tools/search-research/serpapi-googlesearchtool">
+    구조화된 결과를 제공하는 SerpApi를 통한 Google 검색.
+  </Card>
+
+  <Card title="SerpApi Google Shopping" icon="cart-shopping" href="/ko/tools/search-research/serpapi-googleshoppingtool">
+    SerpApi를 통한 Google 쇼핑 쿼리.
+  </Card>
+</CardGroup>
+
+## **일반적인 사용 사례**
+
+- **시장 조사**: 산업 트렌드와 경쟁사 분석 검색
+- **콘텐츠 발견**: 관련 기사, 영상 및 자료 찾기
+- **코드 연구**: 저장소 및 문서에서 솔루션 검색
+- **리드 생성**: 기업 및 개인 조사
+- **학술 연구**: 학술 기사 및 기술 논문 찾기
+
+```python
+from crewai_tools import SerperDevTool, GitHubSearchTool, YoutubeVideoSearchTool, TavilySearchTool, TavilyExtractorTool
+
+# Create research tools
+web_search = SerperDevTool()
+code_search = GitHubSearchTool()
+video_research = YoutubeVideoSearchTool()
+tavily_search = TavilySearchTool()
+content_extractor = TavilyExtractorTool()
+
+# Add to your agent
+agent = Agent(
+    role="Research Analyst",
+    tools=[web_search, code_search, video_research, tavily_search, content_extractor],
+    goal="Gather comprehensive information on any topic"
+)
+```

docs/ko/tools/search-research/serpapi-googlesearchtool.mdx

@@ -0,0 +1,63 @@
+---
+title: SerpApi 구글 검색 도구
+description: SerpApiGoogleSearchTool은 SerpApi 서비스를 사용하여 구글 검색을 수행합니다.
+icon: google
+---
+
+# `SerpApiGoogleSearchTool`
+
+## 설명
+
+`SerpApiGoogleSearchTool`을 사용하여 SerpApi로 Google 검색을 실행하고 구조화된 결과를 가져올 수 있습니다. SerpApi API 키가 필요합니다.
+
+## 설치
+
+```shell
+uv add crewai-tools[serpapi]
+```
+
+## 환경 변수
+
+- `SERPAPI_API_KEY` (필수): SerpApi용 API 키입니다. https://serpapi.com/에서 생성할 수 있습니다(무료 요금제 제공).
+
+## 예시
+
+```python Code
+from crewai import Agent, Task, Crew
+from crewai_tools import SerpApiGoogleSearchTool
+
+tool = SerpApiGoogleSearchTool()
+
+agent = Agent(
+    role="Researcher",
+    goal="Answer questions using Google search",
+    backstory="Search specialist",
+    tools=[tool],
+    verbose=True,
+)
+
+task = Task(
+    description="Search for the latest CrewAI releases",
+    expected_output="A concise list of relevant results with titles and links",
+    agent=agent,
+)
+
+crew = Crew(agents=[agent], tasks=[task])
+result = crew.kickoff()
+```
+
+## 참고 사항
+
+- 환경 변수에 `SERPAPI_API_KEY`를 설정하세요. https://serpapi.com/ 에서 키를 생성할 수 있습니다.
+- SerpApi를 통한 Google Shopping도 참조하세요: `/ko/tools/search-research/serpapi-googleshoppingtool`
+
+## 파라미터
+
+### 실행 파라미터
+
+- `search_query` (str, 필수): Google 쿼리.
+- `location` (str, 선택): 지리적 위치 파라미터.
+
+## 참고 사항
+
+- 이 도구는 SerpApi를 래핑하고 구조화된 검색 결과를 반환합니다.

docs/ko/tools/search-research/serpapi-googleshoppingtool.mdx

@@ -0,0 +1,59 @@
+---
+title: SerpApi 구글 쇼핑 도구
+description: SerpApiGoogleShoppingTool은 SerpApi를 사용하여 구글 쇼핑 결과를 검색합니다.
+icon: cart-shopping
+---
+
+# `SerpApiGoogleShoppingTool`
+
+## 설명
+
+`SerpApiGoogleShoppingTool`을 활용하여 SerpApi를 통해 Google 쇼핑을 쿼리하고 제품 중심 결과를 받아올 수 있습니다.
+
+## 설치
+
+```shell
+uv add crewai-tools[serpapi]
+```
+
+## 환경 변수
+
+- `SERPAPI_API_KEY` (필수): SerpApi용 API 키입니다. https://serpapi.com/에서 생성할 수 있습니다(무료 티어 제공).
+
+## 예시
+
+```python Code
+from crewai import Agent, Task, Crew
+from crewai_tools import SerpApiGoogleShoppingTool
+
+tool = SerpApiGoogleShoppingTool()
+
+agent = Agent(
+    role="Shopping Researcher",
+    goal="Find relevant products",
+    backstory="Expert in product search",
+    tools=[tool],
+    verbose=True,
+)
+
+task = Task(
+    description="Search Google Shopping for 'wireless noise-canceling headphones'",
+    expected_output="Top relevant products with titles and links",
+    agent=agent,
+)
+
+crew = Crew(agents=[agent], tasks=[task])
+result = crew.kickoff()
+```
+
+## 참고 사항
+
+- 환경 변수에 `SERPAPI_API_KEY`를 설정하세요. https://serpapi.com/ 에서 키를 생성할 수 있습니다.
+- 또한 SerpApi를 통한 Google 웹 검색도 참고하세요: `/ko/tools/search-research/serpapi-googlesearchtool`
+
+## 매개변수
+
+### 실행 매개변수
+
+- `search_query` (str, 필수): 제품 검색 쿼리.
+- `location` (str, 선택): 지리적 위치 매개변수.

docs/ko/tools/search-research/serperdevtool.mdx

@@ -0,0 +1,105 @@
+---
+title: Google Serper 검색
+description: SerperDevTool은(는) 인터넷을 검색하여 가장 관련성 높은 결과를 반환하도록 설계되었습니다.
+icon: google
+---
+
+# `SerperDevTool`
+
+## 설명
+
+이 도구는 인터넷 전체의 텍스트 내용에서 지정된 쿼리에 대한 시맨틱 검색을 수행하도록 설계되었습니다. 사용자가 제공한 쿼리를 기반으로 가장 관련성 높은 검색 결과를 가져와 표시하기 위해 [serper.dev](https://serper.dev) API를 활용합니다.
+
+## 설치
+
+`SerperDevTool`을 효과적으로 사용하려면 다음 단계를 따르십시오:
+
+1. **패키지 설치**: Python 환경에 `crewai[tools]` 패키지가 설치되어 있는지 확인하세요.
+2. **API 키 획득**: https://serper.dev/ (무료 플랜 제공)에서 `serper.dev` API 키를 획득하세요.
+3. **환경 변수 설정**: 획득한 API 키를 `SERPER_API_KEY`라는 환경 변수에 저장하여 도구에서 사용할 수 있게 하세요.
+
+이 도구를 프로젝트에 통합하려면 아래의 설치 지침을 따르십시오:
+
+```shell
+pip install 'crewai[tools]'
+```
+
+## 예제
+
+다음 예제는 도구를 초기화하고 주어진 쿼리로 검색을 실행하는 방법을 보여줍니다:
+
+```python Code
+from crewai_tools import SerperDevTool
+
+# Initialize the tool for internet searching capabilities
+tool = SerperDevTool()
+```
+
+## 매개변수
+
+`SerperDevTool`은 API에 전달될 여러 매개변수를 제공합니다:
+
+- **search_url**: 검색 API의 URL 엔드포인트입니다. (기본값은 `https://google.serper.dev/search`)
+
+- **country**: 선택 사항. 검색 결과에 사용할 국가를 지정합니다.
+- **location**: 선택 사항. 검색 결과에 사용할 위치를 지정합니다.
+- **locale**: 선택 사항. 검색 결과에 사용할 로케일을 지정합니다.
+- **n_results**: 반환할 검색 결과의 개수입니다. 기본값은 `10`입니다.
+
+`country`, `location`, `locale`, `search_url`의 값은 [Serper Playground](https://serper.dev/playground)에서 확인할 수 있습니다.
+
+## 매개변수를 활용한 예시
+
+다음은 추가 매개변수를 사용하여 도구를 활용하는 방법을 보여주는 예시입니다:
+
+```python Code
+from crewai_tools import SerperDevTool
+
+tool = SerperDevTool(
+    search_url="https://google.serper.dev/scholar",
+    n_results=2,
+)
+
+print(tool.run(search_query="ChatGPT"))
+
+# Using Tool: Search the internet
+
+# Search results: Title: Role of chat gpt in public health
+# Link: https://link.springer.com/article/10.1007/s10439-023-03172-7
+# Snippet: … ChatGPT in public health. In this overview, we will examine the potential uses of ChatGPT in
+# ---
+# Title: Potential use of chat gpt in global warming
+# Link: https://link.springer.com/article/10.1007/s10439-023-03171-8
+# Snippet: … as ChatGPT, have the potential to play a critical role in advancing our understanding of climate
+# ---
+
+```
+
+```python Code
+from crewai_tools import SerperDevTool
+
+tool = SerperDevTool(
+    country="fr",
+    locale="fr",
+    location="Paris, Paris, Ile-de-France, France",
+    n_results=2,
+)
+
+print(tool.run(search_query="Jeux Olympiques"))
+
+# Using Tool: Search the internet
+
+# Search results: Title: Jeux Olympiques de Paris 2024 - Actualités, calendriers, résultats
+# Link: https://olympics.com/fr/paris-2024
+# Snippet: Quels sont les sports présents aux Jeux Olympiques de Paris 2024 ? · Athlétisme · Aviron · Badminton · Basketball · Basketball 3x3 · Boxe · Breaking · Canoë ...
+# ---
+# Title: Billetterie Officielle de Paris 2024 - Jeux Olympiques et Paralympiques
+# Link: https://tickets.paris2024.org/
+# Snippet: Achetez vos billets exclusivement sur le site officiel de la billetterie de Paris 2024 pour participer au plus grand événement sportif au monde.
+# ---
+```
+
+## 결론
+
+`SerperDevTool`을 Python 프로젝트에 통합함으로써, 사용자는 애플리케이션에서 직접 인터넷 전반에 걸친 실시간 및 관련성 높은 검색을 수행할 수 있는 능력을 갖게 됩니다.
+업데이트된 매개변수들은 보다 맞춤화되고 지역화된 검색 결과를 제공합니다. 제공된 설정 및 사용 지침을 준수함으로써, 이 도구를 프로젝트에 통합하는 과정이 간소화되고 직관적으로 이루어집니다.

docs/ko/tools/search-research/tavilyextractortool.mdx

@@ -0,0 +1,139 @@
+---
+title: "Tavily 추출기 도구"
+description: "Tavily API를 사용하여 웹 페이지에서 구조화된 콘텐츠를 추출합니다"
+icon: square-poll-horizontal
+---
+
+`TavilyExtractorTool`은 CrewAI 에이전트가 Tavily API를 사용하여 웹 페이지에서 구조화된 콘텐츠를 추출할 수 있도록 합니다. 이 도구는 단일 URL 또는 URL 목록을 처리할 수 있으며, 추출 깊이를 제어하고 이미지를 포함하는 등의 옵션을 제공합니다.
+
+## 설치
+
+`TavilyExtractorTool`을 사용하려면 `tavily-python` 라이브러리를 설치해야 합니다:
+
+```shell
+pip install 'crewai[tools]' tavily-python
+```
+
+또한 Tavily API 키를 환경 변수로 설정해야 합니다:
+
+```bash
+export TAVILY_API_KEY='your-tavily-api-key'
+```
+
+## 예제 사용법
+
+다음은 CrewAI agent 내에서 `TavilyExtractorTool`을 초기화하고 사용하는 방법입니다:
+
+```python
+import os
+from crewai import Agent, Task, Crew
+from crewai_tools import TavilyExtractorTool
+
+# Ensure TAVILY_API_KEY is set in your environment
+# os.environ["TAVILY_API_KEY"] = "YOUR_API_KEY"
+
+# Initialize the tool
+tavily_tool = TavilyExtractorTool()
+
+# Create an agent that uses the tool
+extractor_agent = Agent(
+    role='Web Content Extractor',
+    goal='Extract key information from specified web pages',
+    backstory='You are an expert at extracting relevant content from websites using the Tavily API.',
+    tools=[tavily_tool],
+    verbose=True
+)
+
+# Define a task for the agent
+extract_task = Task(
+    description='Extract the main content from the URL https://example.com using basic extraction depth.',
+    expected_output='A JSON string containing the extracted content from the URL.',
+    agent=extractor_agent
+)
+
+# Create and run the crew
+crew = Crew(
+    agents=[extractor_agent],
+    tasks=[extract_task],
+    verbose=2
+)
+
+result = crew.kickoff()
+print(result)
+```
+
+## 구성 옵션
+
+`TavilyExtractorTool`은 다음과 같은 인자를 받습니다:
+
+- `urls` (Union[List[str], str]): **필수**. 데이터를 추출할 단일 URL 문자열 또는 URL 문자열의 리스트.
+- `include_images` (Optional[bool]): 추출 결과에 이미지를 포함할지 여부. 기본값은 `False`입니다.
+- `extract_depth` (Literal["basic", "advanced"]): 추출의 깊이. 더 빠르고 표면적인 추출에는 `"basic"`을, 더 포괄적인 추출에는 `"advanced"`를 사용합니다. 기본값은 `"basic"`입니다.
+- `timeout` (int): 추출 요청이 완료될 때까지 대기하는 최대 시간(초)입니다. 기본값은 `60`입니다.
+
+## 고급 사용법
+
+### 여러 URL과 고급 추출 기능
+
+```python
+# Example with multiple URLs and advanced extraction
+multi_extract_task = Task(
+    description='Extract content from https://example.com and https://anotherexample.org using advanced extraction.',
+    expected_output='A JSON string containing the extracted content from both URLs.',
+    agent=extractor_agent
+)
+
+# Configure the tool with custom parameters
+custom_extractor = TavilyExtractorTool(
+    extract_depth='advanced',
+    include_images=True,
+    timeout=120
+)
+
+agent_with_custom_tool = Agent(
+    role="Advanced Content Extractor",
+    goal="Extract comprehensive content with images",
+    tools=[custom_extractor]
+)
+```
+
+### 도구 매개변수
+
+도구의 동작을 초기화 시 매개변수를 설정하여 사용자 정의할 수 있습니다:
+
+```python
+# 사용자 정의 설정으로 초기화
+extractor_tool = TavilyExtractorTool(
+    extract_depth='advanced',  # 보다 포괄적인 추출
+    include_images=True,       # 이미지 결과 포함
+    timeout=90                 # 사용자 정의 타임아웃
+)
+```
+
+## 기능
+
+- **단일 또는 여러 URL**: 하나의 URL에서 콘텐츠를 추출하거나 한 번의 요청으로 여러 URL을 처리할 수 있습니다
+- **구성 가능한 깊이**: 기본(빠른) 및 고급(포괄적인) 추출 모드 중에서 선택할 수 있습니다
+- **이미지 지원**: 원할 경우 추출 결과에 이미지를 포함할 수 있습니다
+- **구조화된 출력**: 추출된 콘텐츠가 잘 포맷된 JSON으로 반환됩니다
+- **오류 처리**: 네트워크 시간 초과 및 추출 오류에 대한 견고한 처리
+
+## 응답 형식
+
+도구는 제공된 URL에서 추출한 구조화된 데이터를 나타내는 JSON 문자열을 반환합니다. 정확한 구조는 페이지의 내용과 사용된 `extract_depth`에 따라 달라집니다.
+
+일반적인 응답 요소는 다음과 같습니다:
+- **Title**: 페이지 제목
+- **Content**: 페이지의 주요 텍스트 내용
+- **Images**: 이미지 URL 및 메타데이터 (`include_images=True`인 경우)
+- **Metadata**: 저자, 설명 등 추가적인 페이지 정보
+
+## 사용 사례
+
+- **콘텐츠 분석**: 경쟁사 웹사이트에서 콘텐츠를 추출하고 분석
+- **연구**: 다양한 소스에서 구조화된 데이터를 수집하여 분석
+- **콘텐츠 마이그레이션**: 기존 웹사이트에서 콘텐츠를 추출하여 마이그레이션
+- **모니터링**: 변경 감지를 위해 정기적으로 콘텐츠 추출
+- **데이터 수집**: 웹 소스에서 정보를 체계적으로 추출
+
+응답 구조와 사용 가능한 옵션에 대한 자세한 정보는 [Tavily API 문서](https://docs.tavily.com/docs/tavily-api/python-sdk#extract)를 참고하세요.

docs/ko/tools/search-research/tavilysearchtool.mdx

@@ -0,0 +1,124 @@
+---
+title: "Tavily 검색 도구"
+description: "Tavily Search API를 사용하여 종합적인 웹 검색 수행"
+icon: "magnifying-glass"
+---
+
+`TavilySearchTool`은 Tavily Search API에 대한 인터페이스를 제공하여 CrewAI 에이전트가 포괄적인 웹 검색을 수행할 수 있도록 합니다. 이 도구는 검색 깊이, 주제, 시간 범위, 포함/제외 도메인, 그리고 결과에 직접 답변, 원시 콘텐츠, 이미지 포함 여부 등을 지정할 수 있게 해줍니다.
+
+## 설치
+
+`TavilySearchTool`을 사용하려면 `tavily-python` 라이브러리를 설치해야 합니다:
+
+```shell
+pip install 'crewai[tools]' tavily-python
+```
+
+## 환경 변수
+
+Tavily API 키가 환경 변수로 설정되어 있는지 확인하세요:
+
+```bash
+export TAVILY_API_KEY='your_tavily_api_key'
+```
+
+https://app.tavily.com/에서 API 키를 발급받으세요(회원가입 후 키를 생성하면 됩니다).
+
+## 예제 사용법
+
+다음은 CrewAI agent 내에서 `TavilySearchTool`을 초기화하고 사용하는 방법입니다:
+
+```python
+import os
+from crewai import Agent, Task, Crew
+from crewai_tools import TavilySearchTool
+
+# Ensure the TAVILY_API_KEY environment variable is set
+# os.environ["TAVILY_API_KEY"] = "YOUR_TAVILY_API_KEY"
+
+# Initialize the tool
+tavily_tool = TavilySearchTool()
+
+# Create an agent that uses the tool
+researcher = Agent(
+    role='Market Researcher',
+    goal='Find information about the latest AI trends',
+    backstory='An expert market researcher specializing in technology.',
+    tools=[tavily_tool],
+    verbose=True
+)
+
+# Create a task for the agent
+research_task = Task(
+    description='Search for the top 3 AI trends in 2024.',
+    expected_output='A JSON report summarizing the top 3 AI trends found.',
+    agent=researcher
+)
+
+# Form the crew and kick it off
+crew = Crew(
+    agents=[researcher],
+    tasks=[research_task],
+    verbose=2
+)
+
+result = crew.kickoff()
+print(result)
+```
+
+## 구성 옵션
+
+`TavilySearchTool`은 초기화 시 또는 `run` 메서드를 호출할 때 다음과 같은 인자를 받습니다:
+
+- `query` (str): **필수**. 검색 쿼리 문자열입니다.
+- `search_depth` (Literal["basic", "advanced"], 선택): 검색의 심도입니다. 기본값은 `"basic"`입니다.
+- `topic` (Literal["general", "news", "finance"], 선택): 검색을 집중할 주제입니다. 기본값은 `"general"`입니다.
+- `time_range` (Literal["day", "week", "month", "year"], 선택): 검색을 위한 시간 범위입니다. 기본값은 `None`입니다.
+- `days` (int, 선택): 과거 며칠까지 검색할지 지정합니다. `time_range`가 설정되지 않은 경우에 해당합니다. 기본값은 `7`입니다.
+- `max_results` (int, 선택): 반환할 최대 검색 결과 수입니다. 기본값은 `5`입니다.
+- `include_domains` (Sequence[str], 선택): 검색 시 우선순위를 둘 도메인 목록입니다. 기본값은 `None`입니다.
+- `exclude_domains` (Sequence[str], 선택): 검색에서 제외할 도메인 목록입니다. 기본값은 `None`입니다.
+- `include_answer` (Union[bool, Literal["basic", "advanced"]], 선택): 검색 결과로부터 직접적으로 생성된 답변을 포함할지 여부입니다. 기본값은 `False`입니다.
+- `include_raw_content` (bool, 선택): 검색된 페이지의 원시 HTML 콘텐츠를 포함할지 여부입니다. 기본값은 `False`입니다.
+- `include_images` (bool, 선택): 이미지 결과를 포함할지 여부입니다. 기본값은 `False`입니다.
+- `timeout` (int, 선택): 요청의 타임아웃(초)입니다. 기본값은 `60`입니다.
+
+## 고급 사용법
+
+도구를 사용자 지정 매개변수로 구성할 수 있습니다:
+
+```python
+# Example: Initialize with specific parameters
+custom_tavily_tool = TavilySearchTool(
+    search_depth='advanced',
+    max_results=10,
+    include_answer=True
+)
+
+# The agent will use these defaults
+agent_with_custom_tool = Agent(
+    role="Advanced Researcher",
+    goal="Conduct detailed research with comprehensive results",
+    tools=[custom_tavily_tool]
+)
+```
+
+## 기능
+
+- **포괄적 검색**: Tavily의 강력한 검색 인덱스에 접근
+- **설정 가능한 깊이**: 기본 및 고급 검색 모드 선택 가능
+- **주제 필터링**: 일반, 뉴스, 금융 주제에 집중하여 검색
+- **시간 범위 제어**: 결과를 특정 기간으로 제한
+- **도메인 제어**: 특정 도메인을 포함하거나 제외 가능
+- **직접 답변**: 검색 결과에서 통합된 답변 제공
+- **콘텐츠 필터링**: 자동 콘텐츠 잘라내기를 통해 컨텍스트 윈도우 문제 방지
+
+## 응답 형식
+
+이 도구는 다음을 포함하는 JSON 문자열로 검색 결과를 반환합니다:
+- 제목, URL, 본문 요약이 포함된 검색 결과
+- 선택적으로 쿼리에 대한 직접 답변
+- 선택적으로 이미지 결과
+- 선택적으로 원시 HTML 콘텐츠(활성화된 경우)
+
+각 결과의 콘텐츠는 컨텍스트 윈도우 문제를 방지하면서 가장 관련성 높은 정보를 유지하도록 자동으로 잘립니다.

docs/ko/tools/search-research/websitesearchtool.mdx

@@ -0,0 +1,77 @@
+---
+title: 웹사이트 RAG 검색
+description: WebsiteSearchTool은(는) 웹사이트의 콘텐츠 내에서 RAG(Retrieval-Augmented Generation) 검색을 수행하도록 설계되었습니다.
+icon: globe-stand
+---
+
+# `WebsiteSearchTool`
+
+<Note>
+    WebsiteSearchTool은 현재 실험 단계에 있습니다. 저희는 이 도구를 제품군에 통합하기 위해 적극적으로 작업 중이며, 이에 따라 문서를 업데이트할 예정입니다.
+</Note>
+
+## 설명
+
+WebsiteSearchTool은 웹사이트 내용 내에서 의미론적 검색을 수행하기 위한 개념으로 설계되었습니다.
+이 도구는 Retrieval-Augmented Generation(RAG)과 같은 첨단 머신러닝 모델을 활용하여 지정된 URL에서 정보를 효율적으로 탐색하고 추출하는 것을 목표로 합니다.
+사용자가 모든 웹사이트에서 검색을 수행하거나 관심 있는 특정 웹사이트에 집중할 수 있도록 유연성을 제공하는 것이 목적입니다.
+현재 WebsiteSearchTool의 구현 세부 사항은 개발 중에 있으며, 설명된 기능들이 아직 제공되지 않을 수 있으니 참고 바랍니다.
+
+## 설치
+
+WebsiteSearchTool이 출시될 때 환경을 미리 준비하려면, 기본 패키지를 다음과 같이 설치할 수 있습니다:
+
+```shell
+pip install 'crewai[tools]'
+```
+
+이 명령어는 도구가 완전히 통합된 이후 즉시 사용할 수 있도록 필요한 종속성들을 설치합니다.
+
+## 사용 예시
+
+아래는 다양한 시나리오에서 WebsiteSearchTool을 어떻게 활용할 수 있는지에 대한 예시입니다. 참고로, 이 예시는 설명을 위한 것이며 계획된 기능을 나타냅니다:
+
+```python Code
+from crewai_tools import WebsiteSearchTool
+
+# 에이전트가 사용할 수 있도록 도구를 초기화하는 예제
+# 발견된 모든 웹사이트에서 검색할 수 있음
+tool = WebsiteSearchTool()
+
+# 특정 웹사이트의 콘텐츠로 검색을 제한하는 예제
+# 이제 에이전트는 해당 웹사이트 내에서만 검색할 수 있음
+tool = WebsiteSearchTool(website='https://example.com')
+```
+
+## 인자
+
+- `website`: 선택적으로 웹사이트 URL을 지정하여 집중적인 검색을 수행할 수 있도록 하는 인자입니다. 이 인자는 필요에 따라 타겟팅된 검색을 가능하게 하여 도구의 유연성을 높이기 위해 설계되었습니다.
+
+## 커스터마이즈 옵션
+
+기본적으로 이 도구는 임베딩과 요약 모두에 OpenAI를 사용합니다. 모델을 커스터마이즈하려면 다음과 같이 config 딕셔너리를 사용할 수 있습니다:
+
+
+```python Code
+tool = WebsiteSearchTool(
+    config=dict(
+        llm=dict(
+            provider="ollama", # or google, openai, anthropic, llama2, ...
+            config=dict(
+                model="llama2",
+                # temperature=0.5,
+                # top_p=1,
+                # stream=true,
+            ),
+        ),
+        embedder=dict(
+            provider="google", # or openai, ollama, ...
+            config=dict(
+                model="models/embedding-001",
+                task_type="retrieval_document",
+                # title="Embeddings",
+            ),
+        ),
+    )
+)
+```

docs/ko/tools/search-research/youtubechannelsearchtool.mdx

@@ -0,0 +1,194 @@
+---
+title: YouTube 채널 RAG 검색
+description: YoutubeChannelSearchTool은 YouTube 채널의 콘텐츠 내에서 RAG(검색 증강 생성) 검색을 수행하도록 설계되었습니다.
+icon: youtube
+---
+
+# `YoutubeChannelSearchTool`
+
+<Note>
+    저희는 여전히 도구를 개선하고 있으므로, 향후 예기치 않은 동작이나 변경 사항이 발생할 수 있습니다.
+</Note>
+
+## 설명
+
+이 도구는 특정 Youtube 채널의 콘텐츠 내에서 시맨틱 검색을 수행하도록 설계되었습니다.
+RAG(Retrieval-Augmented Generation) 방법론을 활용하여 관련성 높은 검색 결과를 제공하며,
+영상을 일일이 찾아보지 않고도 정보를 추출하거나 특정 콘텐츠를 찾는 데 매우 유용합니다.
+이 도구는 Youtube 채널 내에서의 검색 과정을 간소화하여, 연구자, 콘텐츠 제작자, 그리고 특정 정보나 주제를 찾는 시청자들에게 적합합니다.
+
+## 설치
+
+YoutubeChannelSearchTool을 사용하려면 `crewai_tools` 패키지를 설치해야 합니다. 설치하려면 셸에서 다음 명령어를 실행하세요:
+
+```shell
+pip install 'crewai[tools]'
+```
+
+## 예제
+
+다음 예제는 CrewAI 에이전트와 함께 `YoutubeChannelSearchTool`을 사용하는 방법을 보여줍니다:
+
+```python Code
+from crewai import Agent, Task, Crew
+from crewai_tools import YoutubeChannelSearchTool
+
+# 전체 YouTube 채널 검색을 위한 도구를 초기화합니다
+youtube_channel_tool = YoutubeChannelSearchTool()
+
+# 도구를 사용하는 에이전트 정의
+channel_researcher = Agent(
+    role="Channel Researcher",
+    goal="YouTube 채널에서 관련 정보를 추출하기",
+    backstory="YouTube 채널 콘텐츠 분석을 전문으로 하는 전문가 연구원입니다.",
+    tools=[youtube_channel_tool],
+    verbose=True,
+)
+
+# 특정 채널에서 정보를 검색하기 위한 예시 작업
+research_task = Task(
+    description="YouTube 채널 {youtube_channel_handle}에서 머신러닝 튜토리얼에 대한 정보를 검색하세요.",
+    expected_output="채널에서 제공되는 주요 머신러닝 튜토리얼 요약.",
+    agent=channel_researcher,
+)
+
+# crew 생성 및 실행
+crew = Crew(agents=[channel_researcher], tasks=[research_task])
+result = crew.kickoff(inputs={"youtube_channel_handle": "@exampleChannel"})
+```
+
+특정 YouTube 채널 핸들로 도구를 초기화할 수도 있습니다:
+
+```python Code
+# 특정 YouTube 채널 핸들로 도구를 초기화합니다
+youtube_channel_tool = YoutubeChannelSearchTool(
+    youtube_channel_handle='@exampleChannel'
+)
+
+# 도구를 사용하는 에이전트 정의
+channel_researcher = Agent(
+    role="Channel Researcher",
+    goal="특정 YouTube 채널에서 관련 정보 추출",
+    backstory="YouTube 채널 콘텐츠 분석을 전문으로 하는 전문가 연구원입니다.",
+    tools=[youtube_channel_tool],
+    verbose=True,
+)
+```
+
+## 파라미터
+
+`YoutubeChannelSearchTool`은 다음 파라미터를 허용합니다:
+
+- **youtube_channel_handle**: 선택 사항. 검색할 YouTube 채널의 핸들입니다. 초기화 시 제공되면, 에이전트가 도구를 사용할 때 별도로 입력할 필요가 없습니다. 핸들이 '@'로 시작하지 않으면 자동으로 추가됩니다.
+- **config**: 선택 사항. LLM 및 임베더 설정을 포함한 기본 RAG 시스템의 구성입니다.
+- **summarize**: 선택 사항. 검색된 콘텐츠를 요약할지 여부입니다. 기본값은 `False`입니다.
+
+에이전트와 함께 도구를 사용할 때 에이전트가 제공해야 하는 값은 다음과 같습니다:
+
+- **search_query**: 필수. 채널 콘텐츠에서 관련 정보를 찾기 위한 검색어입니다.
+- **youtube_channel_handle**: 초기화 시 제공하지 않은 경우에만 필수. 검색할 YouTube 채널의 핸들입니다.
+
+## 커스텀 모델 및 임베딩
+
+기본적으로, 해당 도구는 임베딩과 요약 모두에 OpenAI를 사용합니다. 모델을 사용자 정의하려면 아래와 같이 config 딕셔너리를 사용할 수 있습니다:
+
+```python Code
+youtube_channel_tool = YoutubeChannelSearchTool(
+    config=dict(
+        llm=dict(
+            provider="ollama", # 또는 google, openai, anthropic, llama2, ...
+            config=dict(
+                model="llama2",
+                # temperature=0.5,
+                # top_p=1,
+                # stream=true,
+            ),
+        ),
+        embedder=dict(
+            provider="google", # 또는 openai, ollama, ...
+            config=dict(
+                model="models/embedding-001",
+                task_type="retrieval_document",
+                # title="Embeddings",
+            ),
+        ),
+    )
+)
+```
+
+## 에이전트 통합 예시
+
+다음은 `YoutubeChannelSearchTool`을 CrewAI 에이전트와 통합하는 방법에 대한 좀 더 자세한 예시입니다:
+
+```python Code
+from crewai import Agent, Task, Crew
+from crewai_tools import YoutubeChannelSearchTool
+
+# Initialize the tool
+youtube_channel_tool = YoutubeChannelSearchTool()
+
+# Define an agent that uses the tool
+channel_researcher = Agent(
+    role="Channel Researcher",
+    goal="Extract and analyze information from YouTube channels",
+    backstory="""You are an expert channel researcher who specializes in extracting
+    and analyzing information from YouTube channels. You have a keen eye for detail
+    and can quickly identify key points and insights from video content across an entire channel.""",
+    tools=[youtube_channel_tool],
+    verbose=True,
+)
+
+# Create a task for the agent
+research_task = Task(
+    description="""
+    Search for information about data science projects and tutorials
+    in the YouTube channel {youtube_channel_handle}.
+
+    Focus on:
+    1. Key data science techniques covered
+    2. Popular tutorial series
+    3. Most viewed or recommended videos
+
+    Provide a comprehensive summary of these points.
+    """,
+    expected_output="A detailed summary of data science content available on the channel.",
+    agent=channel_researcher,
+)
+
+# Run the task
+crew = Crew(agents=[channel_researcher], tasks=[research_task])
+result = crew.kickoff(inputs={"youtube_channel_handle": "@exampleDataScienceChannel"})
+```
+
+## 구현 세부사항
+
+`YoutubeChannelSearchTool`은 Retrieval-Augmented Generation의 기본 기능을 제공하는 `RagTool`의 하위 클래스로 구현되었습니다:
+
+```python Code
+class YoutubeChannelSearchTool(RagTool):
+    name: str = "Search a Youtube Channels content"
+    description: str = "A tool that can be used to semantic search a query from a Youtube Channels content."
+    args_schema: Type[BaseModel] = YoutubeChannelSearchToolSchema
+
+    def __init__(self, youtube_channel_handle: Optional[str] = None, **kwargs):
+        super().__init__(**kwargs)
+        if youtube_channel_handle is not None:
+            kwargs["data_type"] = DataType.YOUTUBE_CHANNEL
+            self.add(youtube_channel_handle)
+            self.description = f"A tool that can be used to semantic search a query the {youtube_channel_handle} Youtube Channels content."
+            self.args_schema = FixedYoutubeChannelSearchToolSchema
+            self._generate_description()
+
+    def add(
+        self,
+        youtube_channel_handle: str,
+        **kwargs: Any,
+    ) -> None:
+        if not youtube_channel_handle.startswith("@"):
+            youtube_channel_handle = f"@{youtube_channel_handle}"
+        super().add(youtube_channel_handle, **kwargs)
+```
+
+## 결론
+
+`YoutubeChannelSearchTool`은 RAG 기법을 활용하여 YouTube 채널 콘텐츠에서 정보를 검색하고 추출하는 강력한 방법을 제공합니다. 에이전트가 채널 전체의 영상을 대상으로 검색할 수 있도록 하여, 그렇지 않으면 수행하기 어려운 정보 추출 및 분석 작업을 용이하게 해줍니다. 이 도구는 특히 YouTube 채널에서의 연구, 콘텐츠 분석, 지식 추출에 유용합니다.

docs/ko/tools/search-research/youtubevideosearchtool.mdx

@@ -0,0 +1,187 @@
+---
+title: YouTube 동영상 RAG 검색
+description: YoutubeVideoSearchTool은 YouTube 동영상의 콘텐츠 내에서 RAG(Retrieval-Augmented Generation) 검색을 수행하도록 설계되었습니다.
+icon: youtube
+---
+
+# `YoutubeVideoSearchTool`
+
+<Note>
+    우리는 도구를 계속 개선하고 있으므로, 향후 예기치 않은 동작이나 변경이 있을 수 있습니다.
+</Note>
+
+## 설명
+
+이 도구는 `crewai_tools` 패키지의 일부로, Youtube 동영상 콘텐츠 내에서 의미 기반 검색을 수행하도록 설계되었으며 Retrieval-Augmented Generation (RAG) 기술을 활용합니다.
+이 도구는 패키지 내 여러 "검색" 도구 중 하나로, 다양한 소스에 대해 RAG를 활용합니다.
+YoutubeVideoSearchTool은 검색에 유연성을 제공합니다. 사용자는 특정 동영상 URL을 지정하지 않고도 Youtube 동영상 콘텐츠 전반에 걸쳐 검색할 수 있으며,
+URL을 제공하여 특정 Youtube 동영상에 대해 검색을 제한할 수도 있습니다.
+
+## 설치
+
+`YoutubeVideoSearchTool`을 사용하려면 먼저 `crewai_tools` 패키지를 설치해야 합니다.
+이 패키지에는 데이터 분석 및 처리 작업을 향상시키기 위해 설계된 다양한 유틸리티와 함께 `YoutubeVideoSearchTool`이 포함되어 있습니다.
+터미널에서 다음 명령어를 실행하여 패키지를 설치하세요:
+
+```shell
+pip install 'crewai[tools]'
+```
+
+## 예시
+
+다음 예시는 `YoutubeVideoSearchTool`을 CrewAI agent와 함께 사용하는 방법을 보여줍니다.
+
+```python Code
+from crewai import Agent, Task, Crew
+from crewai_tools import YoutubeVideoSearchTool
+
+# Initialize the tool for general YouTube video searches
+youtube_search_tool = YoutubeVideoSearchTool()
+
+# Define an agent that uses the tool
+video_researcher = Agent(
+    role="Video Researcher",
+    goal="Extract relevant information from YouTube videos",
+    backstory="An expert researcher who specializes in analyzing video content.",
+    tools=[youtube_search_tool],
+    verbose=True,
+)
+
+# Example task to search for information in a specific video
+research_task = Task(
+    description="Search for information about machine learning frameworks in the YouTube video at {youtube_video_url}",
+    expected_output="A summary of the key machine learning frameworks mentioned in the video.",
+    agent=video_researcher,
+)
+
+# Create and run the crew
+crew = Crew(agents=[video_researcher], tasks=[research_task])
+result = crew.kickoff(inputs={"youtube_video_url": "https://youtube.com/watch?v=example"})
+```
+
+도구를 특정 YouTube 동영상 URL로 초기화할 수도 있습니다:
+
+```python Code
+# Initialize the tool with a specific YouTube video URL
+youtube_search_tool = YoutubeVideoSearchTool(
+    youtube_video_url='https://youtube.com/watch?v=example'
+)
+
+# Define an agent that uses the tool
+video_researcher = Agent(
+    role="Video Researcher",
+    goal="Extract relevant information from a specific YouTube video",
+    backstory="An expert researcher who specializes in analyzing video content.",
+    tools=[youtube_search_tool],
+    verbose=True,
+)
+```
+
+## 매개변수
+
+`YoutubeVideoSearchTool`은(는) 다음과 같은 매개변수를 허용합니다:
+
+- **youtube_video_url**: 선택 사항. 검색할 YouTube 비디오의 URL입니다. 초기화 시 제공되면, 에이전트가 도구를 사용할 때 해당 URL을 지정할 필요가 없습니다.
+- **config**: 선택 사항. LLM 및 임베더 설정을 포함한 기본 RAG 시스템의 구성입니다.
+- **summarize**: 선택 사항. 검색된 콘텐츠를 요약할지 여부입니다. 기본값은 `False`입니다.
+
+에이전트와 함께 도구를 사용할 때 에이전트가 제공해야 하는 항목:
+
+- **search_query**: 필수. 비디오 콘텐츠에서 관련 정보를 찾기 위한 검색 질의입니다.
+- **youtube_video_url**: 초기화 시 제공되지 않은 경우에만 필수. 검색할 YouTube 비디오의 URL입니다.
+
+## 사용자 지정 모델 및 임베딩
+
+기본적으로 이 도구는 임베딩과 요약 모두에 OpenAI를 사용합니다. 모델을 사용자 지정하려면 다음과 같이 config 딕셔너리를 사용할 수 있습니다:
+
+```python Code
+youtube_search_tool = YoutubeVideoSearchTool(
+    config=dict(
+        llm=dict(
+            provider="ollama", # or google, openai, anthropic, llama2, ...
+            config=dict(
+                model="llama2",
+                # temperature=0.5,
+                # top_p=1,
+                # stream=true,
+            ),
+        ),
+        embedder=dict(
+            provider="google", # or openai, ollama, ...
+            config=dict(
+                model="models/embedding-001",
+                task_type="retrieval_document",
+                # title="Embeddings",
+            ),
+        ),
+    )
+)
+```
+
+## 에이전트 통합 예시
+
+아래는 `YoutubeVideoSearchTool`을 CrewAI 에이전트와 통합하는 방법에 대한 보다 자세한 예제입니다.
+
+```python Code
+from crewai import Agent, Task, Crew
+from crewai_tools import YoutubeVideoSearchTool
+
+# Initialize the tool
+youtube_search_tool = YoutubeVideoSearchTool()
+
+# Define an agent that uses the tool
+video_researcher = Agent(
+    role="Video Researcher",
+    goal="Extract and analyze information from YouTube videos",
+    backstory="""You are an expert video researcher who specializes in extracting
+    and analyzing information from YouTube videos. You have a keen eye for detail
+    and can quickly identify key points and insights from video content.""",
+    tools=[youtube_search_tool],
+    verbose=True,
+)
+
+# Create a task for the agent
+research_task = Task(
+    description="""
+    Search for information about recent advancements in artificial intelligence
+    in the YouTube video at {youtube_video_url}.
+
+    Focus on:
+    1. Key AI technologies mentioned
+    2. Real-world applications discussed
+    3. Future predictions made by the speaker
+
+    Provide a comprehensive summary of these points.
+    """,
+    expected_output="A detailed summary of AI advancements, applications, and future predictions from the video.",
+    agent=video_researcher,
+)
+
+# Run the task
+crew = Crew(agents=[video_researcher], tasks=[research_task])
+result = crew.kickoff(inputs={"youtube_video_url": "https://youtube.com/watch?v=example"})
+```
+
+## 구현 세부사항
+
+`YoutubeVideoSearchTool`은 Retrieval-Augmented Generation의 기본 기능을 제공하는 `RagTool`의 하위 클래스로 구현됩니다.
+
+```python Code
+class YoutubeVideoSearchTool(RagTool):
+    name: str = "Search a Youtube Video content"
+    description: str = "A tool that can be used to semantic search a query from a Youtube Video content."
+    args_schema: Type[BaseModel] = YoutubeVideoSearchToolSchema
+
+    def __init__(self, youtube_video_url: Optional[str] = None, **kwargs):
+        super().__init__(**kwargs)
+        if youtube_video_url is not None:
+            kwargs["data_type"] = DataType.YOUTUBE_VIDEO
+            self.add(youtube_video_url)
+            self.description = f"A tool that can be used to semantic search a query the {youtube_video_url} Youtube Video content."
+            self.args_schema = FixedYoutubeVideoSearchToolSchema
+            self._generate_description()
+```
+
+## 결론
+
+`YoutubeVideoSearchTool`은 RAG 기술을 사용하여 YouTube 비디오 콘텐츠에서 정보를 검색하고 추출할 수 있는 강력한 방법을 제공합니다. 이 도구를 통해 에이전트는 비디오 콘텐츠 내에서 검색을 수행할 수 있으므로, 그렇지 않으면 수행하기 어려운 정보 추출 및 분석 작업을 용이하게 할 수 있습니다. 이 도구는 특히 연구, 콘텐츠 분석, 그리고 비디오 소스에서 지식 추출을 위해 매우 유용합니다.