Data Agent Kit를 사용한 에이전트 분석

*이 콘텐츠는 AI 번역 도구를 사용하여 번역되었습니다. 정확성을 기하기 위해 노력하고 있으나, 자동 번역에는 오류나 누락이 포함될 수 있습니다. 정확한 정보는 영문 원본을 참고해 주시기 바랍니다.

월요일 아침, 담당 디렉터로부터 이런 채팅 메시지를 받았다고 상상해 보세요. 1월 평균 주문 금액이 7% 하락했는데 총매출은 그대로네요. 이유가 뭘까요?

데이터 실무자라면 이런 유형의 질문이 왜 까다로운지 아실 겁니다. 질문하고 있는 내용이 광범위하고 막연하기 때문입니다. 근본 원인을 한눈에 보여주는 대시보드가 따로 있는 것도 아닙니다. 웹 로그에 오류가 있었을까요? 프로모션 코드 구성이 잘못됐을까요? 직접 파헤쳐 보기 전까지는 알 수 없고, 한 곳에서만 답을 찾는 경우도 거의 없습니다.

답을 이루고 있는 조각들은 환경 곳곳에 흩어져 있습니다.

• 판매 내역(주문 및 품목)은 데이터 웨어하우스에 있습니다.

• 실시간 고객 레코드는 프로덕션 PostgreSQL 인스턴스에 있습니다.

• 마케팅 캠페인 규칙은 객체 스토어의 원시 JSON 파일로 저장되어 있습니다.

이러한 쿼리 중 하나를 작성하는 것은 쉽습니다. 다만 같은 쿼리를 수십 번 다시 작성하면서 WHERE 절을 손보거나 하위 쿼리를 추가해 가며 답을 찾아야 합니다. 그리고 다음 시스템으로 이동하여 다른 언어로 처음부터 시작해야 합니다. 그러다 보면 어느새 브라우저 탭 열 개를 띄워 놓고 오후 시간을 통째로 써버리게 됩니다. 질문 하나에 답하기 위해서 말이죠.

Data Agent Kit

Data Agent Kit는 바로 이러한 문제를 해결하기 위해 만들어졌습니다. 이는 데이터 개발자가 IDE에서 데이터 워크플로를 실행할 수 있도록 돕는 MCP 서버 및 에이전트 스킬 모음입니다. VS Code 포크(Antigravity IDE, Cursor)용 확장 프로그램과 기타 도구(Antigravity 2.0, Antigravity CLI, Claude Code, Codex)용 플러그인 형태로 모두 제공되므로, IDE를 벗어나지 않고도 답을 찾을 수 있습니다.

Data Agent Kit는 두 가지 핵심 메커니즘을 기반으로 합니다.

• 모델 컨텍스트 프로토콜(MCP): 에이전트를 도구, 데이터베이스, 원격 클라우드 인프라에 연결하는 개방형 표준입니다.

• 스킬: 에이전트의 지식을 보강하고, 사용자의 특정 스택과 상호작용하는 방법을 가르치는 마크다운 파일입니다.

Data Agent Kit를 사용하면, SQL 스니펫을 생성해 콘솔에 복사하여 붙여넣는 대신 에이전트가 사용자를 대신해 쿼리를 실행하고 결과를 읽을 수 있습니다.

앞서 살펴본 평균 주문 금액 시나리오에 적용하면 실제로 어떤 모습인지 살펴보겠습니다. 이 설정에서 데이터 웨어하우스는 BigQuery이고 Postgres 인스턴스는 Cloud SQL이며, 캠페인 규칙은 Cloud Storage에 있습니다.

상황 파악하기

조사는 IDE의 채팅 창에서 시작합니다. 먼저 다음과 같은 자연어 프롬프트로 기준 수치를 확인합니다.

작업 내용 확인하기

에이전트는 프롬프트를 처리하고 관련 스킬을 호출한 다음, 데이터 쿼리를 시작할 준비를 합니다. 하지만 IDE는 실행하기 전에 잠시 멈추고 필요한 MCP 도구(예: execute_sql_readonly)를 사용할 수 있는 권한을 요청합니다. 감사를 위해 한 번만 허용하거나 '항상 허용'을 선택하여 워크플로를 계속 진행할 수 있습니다. 승인이 완료되면 에이전트가 쿼리를 전송합니다.

에이전트형 IDE를 사용하면 실행 추적을 검사하여 각 MCP 도구 호출이나 BigQuery로 전송된 원시 SQL과 같은 항목을 확인할 수 있습니다. 생성된 코드를 눈여겨보는 것이 중요하지만, 익숙하지 않은 스키마를 대상으로 쿼리를 직접 작성하는 것보다는 읽는 편이 훨씬 시간이 적게 듭니다.

수치 분석하기

수치를 보니 평균 주문 금액은 8월부터 12월까지 약 110달러를 유지하다가 1월에 103달러로 떨어졌습니다. 그 이유를 파악하기 위해 에이전트에게 세부 분석을 요청해 보세요.

결과를 보면 비즈니스 자체가 위축된 것이 아니라 평균값이 왜곡된 것임을 알 수 있습니다. 온라인 및 오프라인 주문은 양호한 수준을 유지했습니다(약 110달러). 다만 1월에 B2B-Wholesale이라는 새로운 채널이 등장했지만, 이 채널의 AOV는 약 75달러에 불과했습니다. 감소한 항목은 없고 제품 조합이 변경되었을 뿐입니다.

Cloud SQL로 전환하기

이제 AOV가 낮아진 원인을 파악했습니다. 다음으로 도매 구매자가 누구인지 알아내야 합니다. 고객 레코드는 Cloud SQL Postgres 운영 데이터베이스에 저장되어 있으며, 동일한 채팅 대화목록에서 이어서 진행할 수 있습니다.

에이전트가 Cloud SQL MCP로 전환해 customers 테이블을 검사합니다. 100개의 도매 계정은 모두 지난 30일 이내에 생성된 새로운 비즈니스 법인입니다. 12월에는 이 중 어느 것도 존재하지 않았습니다.

터미널로 들어가기

BigQuery에서 B2B 주문을 간단히 살펴보면, 92%가 promo_code = BIGORDER25를 적용한 것을 알 수 있습니다. 이제 에이전트에게 이 코드를 캠페인 파일까지 추적해 달라고 요청하면, Google Cloud Storage MCP 서버를 사용해 해당 파일에 접근합니다.  

마케팅 캠페인에 따르면 25% 할인 코드로 인해 저렴한 도매 주문이 대량으로 발생하여 통합 AOV가 감소한 반면 총매출은 변동이 없었습니다.

에이전트는 한 번의 채팅 세션에서 분석 데이터(BigQuery), 운영 레코드(Cloud SQL), 비정형 메타데이터(Cloud Storage)를 모두 쿼리하여 근본 원인을 찾아냈습니다.

디렉터에게 보고하기

이제 에이전트에게 디렉터를 위한 간단한 핵심 요약 보고서를 작성해 달라고 요청하면 됩니다.

모두 끝났습니다. IDE에서 자연어 프롬프트 몇 개만으로 디렉터가 던진 광범위하고도 막연한 질문에 대한 답을 찾아냈습니다.

근본 원인 분석은 업무의 일부일 뿐입니다. 다음에 같은 문제가 발생했을 때 똑같은 과정을 반복하고 싶지는 않으실 겁니다. 대신 이번 조사 과정을 재현 가능한 데이터 모델로 전환할 수 있습니다.

재현 가능한 파이프라인 빌드하기

에이전트에게 일회성 분석을 지속적으로 사용할 수 있는 dbt 프로젝트로 전환해 달라고 요청합니다.

에이전트는 단일 프롬프트에서 dbt-bigquery를 사용하여 가상 Python 환경을 만들고 프로젝트 모델과 테스트를 작성합니다. 하지만 dbt 빌드가 실패합니다. 고유성 테스트가 order_id의 중복을 포착해 낸 것입니다.

이는 바로 고객이 반려동물을 두 마리 이상 키울 수 있기 때문입니다. 모델의 첫 번째 버전은 해당 프로필을 각 주문에 직접 연결했기 때문에 반려동물이 세 마리인 가구의 주문 하나가 세 개의 행으로 늘어나면서 고유성이 깨졌습니다.

에이전트는 자신의 터미널 출력을 읽고 실패 결과를 인식합니다. 그런 다음 dbt 로직을 다시 작성하고 빌드가 통과할 때까지 다시 실행합니다.

여기서 에이전트형 워크플로에 관한 중요한 사항을 소개합니다. 에이전트는 방대한 양의 코드를 작성할 수 있지만, 파이프라인에 대한 데이터 품질 검사는 여전히 사용자가 직접 적용해야 합니다. 다행히 이 검증 코드도 에이전트가 작성할 수 있습니다.

다음번에 경영진이 평균 주문 금액이 변동된 이유를 물어보면 dbt 모델을 통해 답변할 수 있습니다.

마무리

에이전트형 IDE를 사용하면 웨어하우스, 데이터베이스, 객체 스토어, 터미널 사이를 오갈 필요가 없습니다.

Data Agent Kit는 MCP와 같은 개방형 표준과 모듈식(및 편집 가능한) 에이전트 스킬을 결합하여 질문과 답변 사이의 마찰을 제거합니다. 익숙하지 않은 스키마를 살펴보고, 서로 다른 언어 사이를 오가며 변환하고, 수백 번 작성해 본 조인을 다시 작성하는 일은 이제 에이전트의 몫입니다. 여러분은 조사의 방향을 정하는 데 집중하면 됩니다.

체험해 보기

Data Agent Kit는 프리뷰 버전으로 제공되며 Antigravity(2.0, CLI, IDE), Claude Code, Codex, Cursor, 기타 인기 도구에서 기본적으로 작동합니다.

• 시나리오 사용해 보기: Data Agent Kit 및 Antigravity IDE를 사용한 분석 Codelab에서 전체 설정 과정을 살펴보세요.

• 문서 읽기: Google Cloud Data Agent Kit 확장 프로그램 문서에서 자세히 알아보세요.

• 플러그인 살펴보기: GitHub의 오픈소스 저장소에서 해당 스킬과 도구를 확인하세요.