AI検索は、大規模言語モデル（LLM）を広範な外部知識ソースと連携させることに依存しています。しかし、ウェブページやPDFファイルなどの生のドキュメントはLLMに適した形式ではなく、長く、雑音が多く、構造化されていません。従来の検索手法では、これらのドキュメントをそのままテキストとして扱い、生の抜粋を返すため、LLMが断片を再構成し、文脈的推論を行う負担が残ります。このような課題を解決するために、本研究では、モデルとドキュメントがどのように相互作用するかを再定義する新しい検索パラダイム「モデル-ドキュメントプロトコル（MDP）」を提案します。MDPは、生のテキストをタスク特化型のLLM-ready入力に変換する複数の経路を定義します。その一環として、MDP-Agentを実装し、情報探索ベンチマークにおいて基準手法を上回る結果を示しました。これにより、MDPの枠組みの妥当性とその実装の有効性が検証されました。