Next 25 개발자 키노트: 프롬프트부터 에이전트, 업무, 즐거움까지

* 본 아티클의 원문은 2025년 4월 12일 Google Cloud 블로그(영문)에 게재되었습니다. 

Google Cloud Next와 같은 기술 컨퍼런스에 참석하면 수많은 뉴스, 세션, 소그룹 세션에 모든 학습과 교류 활동까지 마치 소방호스로 물을 마시는 듯 버겁고 혼란스러울 수 있습니다. 하지만 며칠간의 바쁜 일정을 소화한 후 개발자 키노트를 시청하면 이 혼란 속에 명확한 방향이 있다는 걸 알게 됩니다. 그동안 얻은 모든 정보의 퍼즐이 하나의 그림으로 맞춰지기 시작하면서 사무실로 돌아가 바로 시도해 볼 수 있는 온갖 멋진 아이디어가 떠오르게 됩니다.

올해 개발자 키노트는 Google Cloud의 수석 에반젤리스트인 Richard Seroter와 개발자 기술 및 커뮤니티 책임자인 Stephanie Wong이 공동 진행하며 환상적인 호흡을 보여줬고, Google Cloud 제품팀, 엔지니어링팀, 개발자 지원팀의 전문가도 함께 참여했습니다. 키노트는 AI 개발자 경험 엔지니어인 Paige Bailey의 1970년대 주방을 리모델링하는 데 AI를 활용해 본다는 흥미롭고 공감할 수 있는 목표를 중심으로 구성되었습니다. 하지만 어떻게 할 수 있을까요?

모든 것의 시작은 프롬프트

생성형 AI 경험은 데이터와 사용자 의도를 담은 프롬프트를 모델에 작성하는 데에서 시작됩니다. Paige는 Google DeepMind의 선임 제품 관리자인 Logan Kilpatrick과 함께 무대에 올랐습니다. Logan과 Paige는 AI Studio에 Paige의 주방을 분석하라는 프롬프트를 입력하면서 텍스트 설명, 평면도, 이미지를 제공했습니다. 그 결과 AI는 Gemini의 기본 이미지 생성 기능을 활용하여 수납장, 통일성 있는 디자인, 색상 팔레트, 자재를 제안하며 아이디어를 실현했습니다. 중요한 비용 질문에 대한 답을 얻기 위해 특히 Paige가 거주하는 지역을 기준으로 Google 검색으로 그라운딩을 사용하여 실제 자재 비용, 지역 건축법 및 규정, 기타 관련 정보를 가져왔습니다.

Logan이 말했듯 "동영상 이해부터 네이티브 이미지 생성, Google 검색으로 실제 정보에 그라운딩하는 작업까지 이 모든 건 Gemini로만 가능합니다." 

이를 가능하게 한 새로운 기술

• Gemini 2.5 Pro: Gemini 앱과 Vertex AI에서 프리뷰 버전으로 사용할 수 있습니다. 

• Gemini 2.5 Flash: 지연 시간 단축과 비용 효율성을 위해 특별히 최적화된 주력 모델로서, 조만간 Vertex AI, AI Studio, Gemini 앱에서 제공될 예정입니다.

프롬프트부터 에이전트로

프롬프트가 생성형 AI 쿼리의 핵심이라는 점은 모두 알고 있는 사실입니다. Richard는 "그렇다면 에이전트는 도대체 뭘까요?"라고 질문하면서 "바로 그게 핵심"이라고 덧붙였습니다. 

Stephanie의 설명에 따르면 "에이전트는 AI 모델과 소통하면서 보유한 도구와 컨텍스트를 사용해 목표 기반 작업을 수행하는 서비스"입니다. 그렇다면 어떻게 해야 프롬프트를 에이전트로 전환할 수 있을까요? 한 가지 방법은 Vertex AI와 에이전트 개발 키트(ADK)를 사용하는 것입니다. Vertex AI는 AI 애플리케이션과 에이전트를 빌드하고 관리하기 위한 종합 플랫폼이고, ADK는 에이전트를 설계하기 위한 오픈소스 프레임워크입니다. ADK를 사용하면 Gemini 모델과 Google AI 도구를 기반으로 하는 에이전트를 그 어느 때보다 쉽게 시작할 수 있습니다.

Google Cloud의 개발자 관계 엔지니어링 관리자인 Fran Hinkelman 박사가 무대에 올라 ADK를 소개했습니다. Fran의 설명에 따르면 에이전트에 필요한 세 가지는 1) 에이전트의 목표를 정의하는 요청 사항, 2) 작업 수행에 필요한 도구, 3) LLM의 작업을 처리하는 모델로 정리할 수 있습니다. 

Fran은 Python을 사용해 에이전트 코드를 작성하고 몇 분 만에 배포하여 건축가가 주방 리모델링을 시작하는 데 필요한 모든 사항이 요약된 전문적인 레이아웃 PDF를 얻었습니다. "정말 시간을 엄청나게 절약해 주는 도구"라고 Fran은 이야기합니다.  

이를 가능하게 한 새로운 기술 

• 에이전트 개발 키트(ADK): 에이전트 동작을 정밀하게 제어하는 동시에 에이전트 및 정교한 멀티 에이전트 시스템을 빌드하는 프로세스를 간소화하는 새로운 오픈소스 프레임워크입니다. ADK를 사용하면 100줄 미만의 직관적인 코드로 AI 에이전트를 빌드할 수 있습니다.

• Model Context Protocol(MCP)을 위한 ADK 지원: 이를 통해 LLM이 데이터 요청을 처리하는 데 필요한 모든 정보에 대해 표준화된 구조와 형식을 생성할 수 있습니다.

하나의 에이전트에서 다수의 에이전트로

에이전트 빌드 외에 에이전트 모음 조정도 중요합니다. 주방 리모델링 같은 복잡한 프로세스에 필요한 일이죠. Google Cloud의 직원 Developer Advocate인 Abirami Sukumaran 박사는 ADK를 사용하여 1) 건설 제안 에이전트, 2) 인허가 및 규정 준수 에이전트, 3) 자재 주문 및 배송용 에이전트 등 세 가지 유형의 에이전트로 구성된 멀티 에이전트 생태계를 만들었습니다.

멀티 에이전트 시스템이 준비되었을 때 Abirami는 ADK에서 이 시스템을 ADK 등 여러 에이전트 프레임워크를 지원하는 완전 관리형 에이전트 런타임인 Vertex AI Agent Engine으로 직접 배포했습니다. 

이뿐만이 아닙니다. Abirami는 에이전트를 배포한 후 자체 에이전트와 서드 파티 에이전트를 공유하는 허브인 Google Agentspace에서 테스트까지 했습니다. 

그러나 문제가 있었습니다. 작업 도중 에이전트 시스템이 실패한 듯했습니다. Abirami는 즉시 Gemini Cloud Assist 조사를 실행하여 로그 탐색기를 통해 문제의 원인에 관한 모니터링 항목과 가설을 얻었습니다. 에이전트에 권장되는 코드 수정사항도 얻었습니다. Abirami는 코드를 검토하고 수락한 후 에이전트를 재배포하여 상황을 해결했습니다. 

이것이 핵심입니다. Abirami는 "복잡한 에이전트와 서비스를 조정하는 시스템을 빌드하는 것만으로도 충분히 힘듭니다. 개발자는 로그를 살펴보고 코드를 분석하며 여러 종속 항목을 일일이 디버깅하는 데 시간을 허비해서는 안 됩니다. 이러한 작업은 모두 많은 시간과 리소스를 소모하는데 개발자들에게는 보통 이런 여유가 없죠."라고 이야기합니다.

이를 가능하게 한 새로운 기술 

• Vertex AI Agent Engine: Vertex AI의 완전 관리형 런타임으로, 기본 제공되는 테스트, 출시, 안정성 기능을 통해 전 세계를 대상으로 안전한 규모로 커스텀 에이전트를 프로덕션에 배포하도록 지원합니다. 

• Cloud Assist 조사: 인프라 문제는 물론 코드의 문제까지 진단하는 데 도움이 됩니다.

• Agent2Agent(A2A) 프로토콜: Google Cloud는 기업이 멀티 에이전트 생태계를 지원하도록 하여 에이전트가 기반 기술과 관계없이 서로 통신할 수 있는 개방형 프로토콜을 만든 최초의 하이퍼스케일러라는 사실에 자부심을 느끼고 있습니다.

IDE 및 모델 선택 

Google Cloud의 선임 Developer Advocate인 Debi Cabrera는 다음 발표자로 나서 청중에게 '바이브 코딩', 즉 에이전트형 코딩을 아는지 물었습니다. 기본적으로 사용자는 아이디어와 코드를 포함한 프롬프트를 에이전트에 입력해 효과적인 프로그래밍 출력을 얻을 수 있습니다. 이 과정에 새로운 인기 통합형 개발 환경(IDE)인 Windsurf를 활용하는 사용자가 늘어나고 있으며 Debi도 그중 하나입니다.

Debi는 Cursor와 IntelliJ에서 Copilot과 함께 Gemini를 사용하는 사례를 보여줬지만 Visual Studio Code, Tabnine, Cognition, Aider 같은 다른 도구에서도 Gemini를 활용할 수 있습니다. 심지어 프롬프트를 스페인어로 작성했는데 Gemini가 sin problema(문제없이) 처리했습니다. Debi는 일정을 마무리하며 "Google Cloud는 개발자가 어디에서든 Gemini를 사용할 수 있도록 지원하고 있다"고 이야기했습니다. 

Gemini를 모델로 사용하고 싶지 않다면 Vertex AI Model Garden에서 제공되는 200가지 이상의 모델 중에서 선택할 수도 있습니다. Llama, Gemma 3, Anthropic, Mistral, Hugging Face의 오픈소스 모델 등이 있습니다.

"어떤 도구를 사용하든 멋진 결과물을 얻을 수 있을 겁니다." 

이를 가능하게 한 새로운 기술

• Gemini 2.5 Pro: 현재 개인용 Gemini Code Assist에서 사용할 수 있습니다.

• Android 스튜디오: Android 스튜디오에서 Gemini Code Assist 지원이 이제 프리뷰 버전으로 제공됩니다. 

• Firebase의 Gemini: 새로운 Firebase Studio에서 완전한 AI 지원을 제공합니다.

꿈의 구장에서

다음 발표자는 Paige의 주방 리모델링 시연을 잠시 멈추고 살펴볼 가치가 있는 또 다른 문제인 투구 방법을 다루었습니다.

MLB(Major League Baseball)에서 Google Cloud로 경기당 2,500만 개의 데이터 포인트를 처리하는 것을 고려할 때 투구 기법은 AI로 처리하기에 적합한 문제입니다.

시연은 Google Cloud x MLB 해커톤의 최근 우승자인 Jake DiBattista가 훌륭한 좌완 투수인 Clayton Kershaw의 동영상을 분석하는 것으로 시작되었습니다. Jake는 컴퓨터 비전 라이브러리를 사용하여 동영상을 사전 처리했고, Google Cloud에 저장하면서 투구 유형과 경기 상황 같은 선택 항목을 사용해 MLB 데이터를 가져왔습니다. 최종적으로 모든 정보를 Gemini API로 전송한 후 Kershaw가 자신의 이상적인 경로에서 거의 벗어나지 않는 주특기 커브볼을 던졌다는 결과를 얻었습니다.

훌륭한 기능이지만 프로 선수가 아닌 경우에도 활용할 수 있을까요? Jake는 숙련도가 낮은 선수를 위한 '아마추어 모드'를 만들고 진행자인 Richard가 공을 던지는 동영상을 사용했습니다. 프롬프트 엔지니어링을 통해 Kershaw를 위한 프로 모델을 조정하여 Richard를 위한 아마추어 모델로 바꾼 결과, Richard는 잠재력이 있으나 힘을 극대화하려면 팔을 조금 더 조이고 다리의 힘을 더 활용해야 한다는 안내가 제공되었습니다.

Jake는 대학교에서 투포환 선수로 활약하면서 자신의 투구법이 정확한지 측정하고 싶었던 경험이 이 프로젝트에 영감이 되었다고 이야기했습니다. 무엇을 잘하고 있는지 혹은 잘못하고 있는지 모르면 어떻게 발전할 수 있을까요? 당시 이러한 데이터가 있었다면 Jake의 발전에 큰 도움이 되었을 겁니다. 

하지만 정말 놀라운 점은 Jake가 투구 분석을 위한 완전 맞춤형 프롬프트 생성기를 빌드하는 데 일주일밖에 걸리지 않았다는 사실입니다. Jake는 "큰 문제 없이 바로 작동했어요."라면서 "커스텀 모델을 구현하거나 지나치게 복잡한 데이터 세트를 빌드할 필요가 없었습니다."라고 이야기했습니다.

다시 업무 환경으로 

다음으로는 Google Cloud의 Developer Advocate인 Jeff Nelson이 발표자로 나왔습니다. Jeff는 다시 업무로 주제를 바꿔 영업 관리자가 사용할 수 있도록 원시 데이터를 데이터 애플리케이션으로 전환한다는 명확한 목표를 토대로 발표를 진행했습니다. Jeff는 먼저 BigQuery 노트북을 열어 예측을 빌드하고 몇 가지 SQL 코드를 작성했습니다. BigQuery는 Python DataFrame에 결과를 로드했습니다. Python에서는 라이브러리를 사용하여 모든 크기의 테이블에서 코드를 실행하기가 쉽기 때문입니다.

그렇다면 이 에이전트를 실제로 어떻게 사용하면 판매를 예측할 수 있을까요? Jeff는 노트북에 기본 제공되는 Gemini 데이터 과학 에이전트를 선택하고 '에이전트에게 물어보기'를 누른 다음 테이블을 토대로 판매 예측을 요청하는 프롬프트를 입력했습니다. 그러자 놀랍게도 그 시점부터는 모든 코드가 Gemini 데이터 과학 에이전트에 의해 생성되고 실행되었습니다.

아울러 Jeff는 에이전트가 특성 추출에 Spark를 사용할 수 있었던 건 BigQuery의 새로운 서버리스 Spark 엔진 덕분임을 설명했습니다. SQL, Spark, Python 간 전환이 쉬워 사용자는 작업에 적합한 도구를 사용할 수 있습니다.

Jeff는 예측 자체를 빌드하기 위해 BigQuery에서 바로 액세스할 수 있는 새로운 Google 파운데이션 모델인 TimesFM을 사용했습니다. 기존 모델과 달리 이 모델은 방대한 시계열 데이터 세트로 선행 학습되었으므로 데이터를 입력하기만 하면 예측을 얻을 수 있습니다. Jeff는 "예측은 누구나 액세스할 수 있는 데이터 앱이 됩니다."라고 말했습니다.

이를 가능하게 한 새로운 기술 :

• BigQuery의 서버리스 Spark 엔진 

• 전문 에이전트: 데이터 엔지니어, 데이터 분석가, 비즈니스 사용자를 지원하며, 현재 프리뷰 버전으로 이용할 수 있습니다.

• BigQuery 노트북에 통합된 데이터 과학 에이전트: 곧 출시될 예정이며, 지금 Colab에서 바로 시작할 수 있습니다.

재미있는 일에 집중하기 

개발자 입장에서 기술 설계 문서 작성이나 제품 요구사항 문서 작성처럼 지루한 작업을 다른 사람에게 맡길 수 있다면 얼마나 좋을까요? 엔지니어링 부문 전무 이사인 Scott Densmore는 데모를 마무리하면서 지루한 업무를 단번에 해결하는 놀라운 방법인 Gemini Code Assist와 새로운 칸반 보드를 소개했습니다. 

Code Assist는 소프트웨어 개발 수명 주기 전반의 에이전트를 조율하는 데 도움이 됩니다. Scott은 이를 모든 엔지니어링 컨텍스트가 담긴 '가방'에 비유했습니다. Scott이 Java 마이그레이션을 위한 기술 설계 문서를 예로 들어 설명하면서 Google 문서에서 직접 댓글을 작성해 Code Assist에 할당하자 새로운 작업이 즉시 칸반 보드에 표시되어 추적할 수 있게 되었습니다. Google Docs뿐만 아닙니다. 채팅방과 버그 추적기에서 바로 작업을 할당하거나 Code Assist를 통해 작업을 찾을 수도 있습니다.

Scott은 더 어려운 사례를 보여주기 위해 Code Assist에 제품 요구사항 문서의 프로토타입을 만들도록 요청했습니다. Code Assist에 변경사항을 알려주고, 원하는 결과가 나올 때까지 반복했습니다. 간단합니다.

"Gemini Code Assist는 코딩을 도와주는 추가적인 도구로, 애플리케이션을 만들고 반복적이고 지루한 작업을 없애주므로 개발자는 재미있는 작업에 집중할 수 있습니다."

이를 가능하게 한 새로운 기술 :

• Gemini Code Assist 칸반 보드: Google 에이전트와 상호작용하고, Gemini가 작업 완료를 위해 생성한 업무 계획을 검토하고, 다양한 작업/요청의 진행 상황을 추적할 수 있습니다.

정말 놀랍지 않나요? 하지만 이 글만으로 판단하지 마세요. 오늘 소개한 모든 마법 같은 순간을 생생하게 느끼고 싶다면 개발자 키노트 전체 동영상을 다시 시청해 보세요. 분명히 유익한 한 시간이 될 것입니다.