구글 클라우드 넥스트 ‘25 행사의 중요 키워드는 AI 에이전트입니다. 다양한 분야에서 전문성을 갖춘 AI 에이전트가 활약하는 미래상을 이번 행사에서 엿볼 수 있었는데요. 이런 미래를 기업의 컴퓨팅 환경에서 실제로 구현하는 날은 언제 올까요? 이런 질문에 대한 답으로 구글 클라우드는 엄청난 개발 환경과 방식의 진화를 올 행사에서 공개했습니다. 관련해 이번 포스팅에서는 AI 개발자들이 두 손 들여 반길 소식인 에이전트 개발 키트(Agent Development Kit, 이하 ADK)에 대해 알아보겠습니다.
ADK는 Agentspace나 고객 지원 제품군(CES)을 통해 실제로 사용되어 온 강력한 에이전트 프레임워크를 오픈 소스로 제공하여, 빠르게 진화하는 에이전트 개발 환경에서 개발자들이 더욱 강력하고 유연한 에이전트 기반 애플리케이션을 손쉽게 구축하고 제어할 수 있도록 지원합니다. 현재 ADK는 Python SDK 형태로 제공되며, 놀랍게도 100줄 미만의 코드로 복잡한 멀티 에이전트 시스템까지 구성할 수 있을 정도로 간결하고 직관적인 개발 경험을 선사합니다. ADK를 사용하여 AI 에이전트를 개발할 때는 다음 세 가지 핵심 요소에 집중하게 됩니다.
- Instruction(지시문): 이는 에이전트의 궁극적인 목표, 역할, 그리고 작동 방식을 명확하게 정의하는 자연어 설명입니다. 예를 들어, “주어진 질문에 대해 실시간 웹 검색을 활용하여 답변을 생성하라”와 같은 형태로, 에이전트가 따라야 할 행동 지침을 상세하게 기술합니다. 이 지시문은 에이전트의 핵심적인 사고방식을 결정하며, 필요에 따라 Gemini 같은 모델의 도움을 받아 더욱 정교하게 다듬어져 예상치 못한 상황까지 포괄할 수 있도록 설계됩니다.
- Tools(도구): 이는 에이전트가 외부 세계와 상호작용하기 위해 사용할 수 있는 다양한 기능 함수 또는 API들을 의미합니다. 검색 엔진에 질문을 던지거나, 특정 데이터베이스를 조회하고, 코드를 직접 실행하거나, 외부의 다른 서비스 API를 호출하는 등 에이전트가 실제로 수행해야 할 모든 액션들이 함수 형태로 제공됩니다. ADK를 통해 개발자는 이러한 유용한 도구들을 미리 구성하여 에이전트에 쉽게 연결할 수 있으며, 이를 통해 특정 지식을 검색하거나 복잡한 계산을 수행하는 검색 증강 생성(RAG) 기반의 고급 기능까지 효율적으로 구현할 수 있습니다.
- Model(모델): 이는 에이전트의 두뇌 역할을 수행하는 핵심적인 LLM 모델입니다. Instruction에 정의된 지시와 현재 주어진 입력을 종합적으로 판단하여, 어떤 도구를 언제, 그리고 어떻게 사용할지를 결정하고, 최종적으로 사용자에게 제공할 응답을 생성하는 엔진 역할을 합니다. ADK의 뛰어난 설계는 특정 모델에 종속되지 않는 모델 불가지론적(model-agnostic) 구조를 채택하고 있어, Google의 강력한 Gemini 모델뿐만 아니라 Meta의 Llama, Anthropic의 Claude 등 다양한 외부 LLM과도 유연하게 연동하여 사용할 수 있다는 큰 장점을 제공합니다.
이처럼 ADK는 에이전트의 지식(Instruction), 실제 행동을 수행하는 수단(Tools), 그리고 의사 결정을 내리는 지능(Model)을 명확하게 분리하여 정의할 수 있도록 지원해 개발자가 원하는 대로 에이전트의 사고방식과 행동 범위를 정밀하게 통제할 수 있도록 합니다. 뿐만 아니라 여러 개의 특화된 에이전트들을 마치 팀처럼 계층적으로 구성하여 복잡한 작업을 분담 처리하는 멀티 에이전트 시스템을 구축하는 것도 매우 용이하게 지원합니다.
MCP와 데이터 연결
ADK를 논하면서 모델 컨텍스트 프로토콜(Model Context Protocol, 이하 MCP)을 빼놓을 수 없겠죠. MCP는 ADK에 놀라운 유연성과 다양한 시스템과의 상호 운용성을 부여하는 핵심적인 표준입니다. MCP는 LLM과 외부 데이터 소스 간에 정보를 주고받을 때의 형식과 구조를 표준화한 프로토콜로, 이를 통해 개발자는 에이전트가 다양한 도구와 데이터를 훨씬 쉽고 효율적으로 활용할 수 있도록 만들 수 있습니다. 예를 들어 MCP를 사용하면 에이전트가 외부 지식베이스나 데이터베이스에서 필요한 정보를 정확하게 획득하여 답변 생성에 활용(검색 증강 생성, 이하 RAG)하는 전체 과정을 표준화할 수 있습니다.
ADK는 MCP 표준을 통해 기업 내부의 다양한 데이터 소스와 기존 시스템의 기능을 에이전트에 손쉽게 연결할 수 있도록 지원합니다. 예를 들어 ADK 에이전트는 MCP를 지원하는 도구를 활용하여 사내 데이터베이스나 API에 안전하게 접속하고, 구글 검색이나 지도와 같은 외부 정보까지 실시간으로 가져와 답변에 풍부하게 반영할 수 있습니다. 또한, MCP 외에도 100여 종이 넘는 사전 구축된 커넥터를 통해 BigQuery나 AlloyDB와 같은 엔터프라이즈급 데이터 저장소에 직접 연결하여 데이터를 활용할 수 있어, 별도의 데이터 복제 과정 없이 기존 시스템 위에서 바로 혁신적인 AI 에이전트를 구축할 수 있다는 큰 장점을 제공합니다. 이러한 개방형 표준과 풍부한 연동 옵션 덕분에, ADK로 개발된 에이전트는 필요한 정보를 정확하고 신속하게 확보하여 현실에 기반한 신뢰성 높은 응답을 생성할 수 있습니다.
Gemini 2.5 및 Vertex AI 통합
ADK는 Gemini에 최적화되어 설계되었지만, 앞서 강조했듯이 특정 모델에 종속되지 않고 다양한 LLM을 유연하게 활용할 수 있다는 중요한 특징을 가지고 있습니다. ADK를 통해 Gemini 2.5 Pro (Experiment 단계) 모델을 에이전트의 핵심 두뇌로 사용할 경우, 더욱 뛰어난 추론 능력과 복잡한 문제 분해 능력을 바탕으로 여러 단계를 거쳐 문제를 해결하고, 내장된 다양한 도구 사용 기능을 통해 외부 시스템과도 더욱 능숙하게 상호작용할 수 있습니다.
뿐만 아니라 ADK를 사용하여 개발한 강력한 AI 에이전트는 구글 클라우드의 엔터프라이즈급 AI 플랫폼인 Vertex AI와 긴밀하게 통합되어 강력한 시너지 효과를 발휘합니다. ADK 자체는 로컬 환경이나 다른 클라우드 환경에서도 자유롭게 구동할 수 있는 오픈소스 도구이지만, Vertex AI의 관리형 런타임 서비스인 Agent Engine에 바로 배포할 수 있는 편리한 연계 기능을 기본으로 제공합니다. 예를 들어, ADK에서 정의한 에이전트를 Vertex AI의 Agent Engine에 배포하면, 개발자는 복잡한 인프라 관리에 대한 걱정 없이 글로벌 수준의 확장성과 안정성을 갖춘 AI 에이전트를 안전하게 운영할 수 있습니다. Vertex AI의 Agent Engine은 세션 컨텍스트 관리, 자동 확장, 강력한 보안, 그리고 상세한 모니터링 기능을 제공하여, 개발자가 프로토타입으로 개발한 에이전트를 손쉽게 실제 프로덕션 환경 수준으로 끌어올릴 수 있도록 강력하게 지원합니다.
간단히 살펴본 바와 같이 구글 클라우드가 공개한 ADK는 강력한 AI 에이전트를 현실 세계에 적용하는 데 따르는 개발자들의 어려움을 크게 해소하는 핵심적인 도구가 될 것으로 보입니다. 구글이 또 한번 구글한 느낌마저 드네요. ADK의 가능성을 확인해 보고 싶다면 ADK 샘플을 확인해보세요.
