동차 비팅(Beating)의 모니터링에 따르면, 실제 바이러스 유전자 데이터를 검색할 때 GPT-5.5나 Claude와 같은 최첨단 AI 에이전트도 자주 오류를 범한다. 전통적인 생물학 데이터베이스(예: NCBI)는 구조가 복잡하고 인터페이스 호환성이 낮아 대규모 모델이 안정적으로 적합한 데이터 세트를 선별하기 어렵다. 검색의 신뢰성을 높이기 위해 Anthropic은 미국 국립생물공학정보센터(NCBI)와 협력하여 결정론적 검색 도구인 gget virus를 개발했다. 도입 후 AI의 데이터 쿼리 정확도는 거의 100%로 향상되었다.
연구팀은 자체 개발한 VirBench 벤치마크(40종의 병원체와 120개의 검색 과제 포함)를 사용하여 각 모델을 테스트했다. 도구 없이 AI의 검색 정확도는 16.9%에서 91.3% 사이에서 크게 변동했으며, 동일한 명령어를 여러 번 실행한 결과도 극도로 불안정했다. 예를 들어 266개의 시퀀스 반환이 예상되는 쿼리에서 Claude Sonnet 4를 세 번 실행한 결과 각각 106개, 15개, 5개의 시퀀스만 찾았다. 엄격한 생물학 연구에서 유전자 데이터가 조금이라도 누락되면 재앙적인 결과를 초래할 수 있다. 불완전한 데이터로 에볼라 바이러스의 계통수를 재구성하면 유행병의 기원 시점이 약 한 세기 앞당겨져 잘못 추정될 수 있으며, maftivimab 및 MBP134와 같은 항체 약물의 효과를 평가할 때 AI는 중요한 바이러스 돌연변이 부위를 놓쳐 치료 계획 평가를 직접적으로 오도할 수 있다.
새로 개발된 gget virus는 복잡한 생물학 데이터베이스 아래에 '전용 터널'을 구축한 것과 같다. 결정론적 검색 계층으로서 gget virus는 기본 REST, Datasets, E-utilities 등 여러 API를 자동으로 조정하고, 배치 다운로드, 로컬 필터링, GenBank 기록 추출을 처리하며 표준화된 로그를 출력한다. 도입 후 모든 에이전트의 검색 정확도는 90%를 돌파했으며, GPT-5.5는 99.7%에 도달하여 여러 번 실행 시 발생하는 불일치를 완전히 제거했다. 이는 적절한 도구만 갖추면 저렴한 모델도 매우 높은 신뢰성을 제공할 수 있음을 의미한다. 연구팀은 미래의 생물학 데이터베이스가 Andrej Karpathy가 제안한 개발 철학, 즉 에이전트를 위해 구축(build for agents)하고 AI를 핵심적인 대규모 사용자로 설계하여 신뢰도 높은 생물학적 컨텍스트 엔진을 만들어야 한다고 생각한다.