Google Agent Builder와 ADK의 개념적 관계 및 아키텍처

Agent Builder와 ADK 소개

Google Cloud Vertex AI Agent Builder는 기업용 AI 에이전트를 손쉽게 구축하고 오케스트레이션할 수 있도록 지원하는 플랫폼이며, 이 제품군의 핵심 구성 요소 중 하나가 **ADK (Agent Development Kit)**입니다. ADK는 Python 기반의 오픈소스 프레임워크로서 복잡한 멀티 에이전트 시스템을 소수의 코드만으로 구현하면서도 에이전트들의 동작을 정밀하게 제어할 수 있도록 설계되어 있습니다cloud.google.com. 개발자는 ADK를 활용하여 100줄 미만의 직관적인 Python 코드로 프로덕션 수준의 에이전트를 구축할 수 있으며, 가드레일(deterministic guardrails)과 오케스트레이션 제어를 통해 에이전트의 사고, 추론 및 협업 방식을 세밀하게 조정할 수 있습니다cloud.google.com. 즉, ADK는 코드 중심으로 에이전트의 행동 논리를 정의하고 다중 에이전트 간의 협력까지도 구현할 수 있는 도구로, Agent Builder 플랫폼 내에서 에이전트의 두뇌와 행위를 설계하는 역할을 담당합니다.

Agent Builder 아키텍처에서의 ADK 역할

Agent Builder는 ADK를 중심으로 여러 구성 요소가 유기적으로 연동되어 동작합니다. 개발자는 우선 Agent Garden에서 제공되는 에이전트 샘플 및 도구들을 참고하여 설계 방향을 잡고, ADK를 사용해 원하는 에이전트의 논리와 도구 사용 방식을 코드로 작성합니다. 이렇게 ADK로 빌드하고 테스트한 에이전트는 Vertex AI의 Agent Engine에 배포되는데, Agent Engine은 에이전트를 **완전 관리형(runtime)**으로 실행시키며 인프라 관리, 스케일링, 보안, 모니터링 등을 자동으로 처리해 줍니다cloud.google.com. 이를 통해 개발자는 배포나 운영 부담 없이 에이전트의 기능 구현에 집중할 수 있고, 대화 세션의 문맥을 유지하는 메모리 등 고급 기능도 기본 제공됩니다 (예: 직전 대화를 기억하여 자연스러운 상호작용 지속)cloud.google.com.

또한 Agent Builder에서 생성된 에이전트들은 기업 데이터와 도구에 연결되어 실질적인 업무 지식을 활용할 수 있습니다. ADK를 통해 에이전트에 사내 데이터베이스나 지식 그래프, 외부 API 등을 연계하는 툴을 장착할 수 있는데, 예를 들어 MCP (Model Context Protocol) 표준을 지원하여 다양한 데이터 소스나 기능을 에이전트에 통합할 수 있고cloud.google.com, Apigee를 통해 등록된 사내 API나 100여 종의 SaaS 애플리케이션 커넥터를 활용하는 것도 가능합니다. 이처럼 ADK로 정의된 에이전트 로직은 Agent Builder 플랫폼을 통해 기업의 기존 시스템 및 룰과 연계되고, 운영 상 필요한 가드레일(정책)에 따라 동작하도록 구성됩니다.

🔄 ADK와 Agent Builder 구성 요소 구조

<small>그림: Vertex AI Agent Builder 아키텍처 – Agent Builder의 주요 구성 요소와 ADK의 위치를 보여주는 개념도. 왼쪽 파란색 섹션은 엔터프라이즈 애플리케이션 연계(워크플로우 시스템 등) 및 기업 데이터/RAG 연결(예: 100+ 종의 커넥터와 자체 API, Tool Knowledge Graph 등을 통한 Enterprise Context)을, 가운데 초록색 섹션은 개발 단계의 Agent Garden(에이전트 샘플 모음)과 ADK(툴 사용 및 오케스트레이션 로직 정의), 그리고 운영 단계의 Agent Engine(모니터링, 세션/메모리, 코드 실행 등 지원)을 나타냅니다. 오른쪽 노란색 섹션은 에이전트가 활용하는 언어 모델(예: Gemini 및 다양한 LLM)과 Model Garden, 그리고 회색의 상호운용성 계층을 통해 외부 에이전트와 연결하는 MCP, A2A 프로토콜 및 타 프레임워크 연동을 보여줍니다.<small>

위 다이어그램과 같이, Agent Builder는 ADK를 기반으로 에이전트를 개발(Agent Garden & ADK)하고, 이를 배포/운영(Agent Engine)하며, 주변으로는 다양한 모델과 타 시스템 연계를 지원하는 모듈식 아키텍처로 구성되어 있습니다. ADK로 정의된 에이전트는 필요에 따라 여러 하위 에이전트로 구성되거나 (예: 특정 역할을 수행하는 전문 에이전트를 여러 개 두고 루트 에이전트가 조율), Agent Builder 외부의 에이전트와도 협력할 수 있습니다. Agent Builder는 이러한 다중 에이전트 워크플로우를 효과적으로 구현하기 위해 자체 Agent2Agent (A2A) 프로토콜을 제공하는데, 이를 통해 어떤 프레임워크로 만들어진 에이전트든 상호 통신할 수 있는 표준 채널을 마련합니다cloud.google.com. 즉, ADK로 만든 에이전트와 LangChain 등 다른 OSS 프레임워크로 만든 에이전트도 A2A 프로토콜을 통해 서로 능력을 공개하고 협의하여 팀처럼 협업할 수 있으며, 하나의 작업을 분담 처리하거나 정보 교환을 안전하게 수행할 수 있습니다cloud.google.com. 이러한 에이전트 간 통신 표준 덕분에 기업은 특정 기술 스택에 종속되지 않고도 다양한 에이전트를 조합하여 활용할 수 있게 됩니다.

ADK 활용 흐름과 외부 시스템 통합

정리하면, Google Agent Builder에서 ADK를 활용하는 개념적 흐름은 다음과 같습니다:

1. 에이전트 개발: 개발자가 ADK를 사용해 에이전트의 행동 로직을 Python 코드로 작성합니다. 이 때 필요한 툴(예: 데이터베이스 조회 함수, 웹 검색 기능 등)을 ADK 에이전트에 추가하고, 사용할 언어 모델(Gemini 등 Vertex AI 모델 혹은 Model Garden의 타 모델)을 설정합니다. ADK는 코드 수준에서 멀티에이전트 시나리오(계획 수립 에이전트 + 작업 수행 에이전트 등)를 작성할 수 있게 하며, 에이전트의 상태 관리나 메모리, 플래닝 전략도 코드로 세밀하게 통제합니다.
2. 에이전트 배포: 구현된 에이전트 코드를 Vertex AI Agent Engine에 배포합니다. Agent Engine은 ADK로 만든 에이전트가 클라우드 상에서 서비스로 동작하도록 해주며, 자동으로 인프라를 관리하고 확장합니다cloud.google.com. 예를 들어 사용자가 늘어나면 인스턴스를 늘리고, 보안/권한을 적용하며, 로그와 모니터링을 제공합니다. 또한 Agent Engine 단계에서 에이전트의 세션 관리(단기 메모리)와 장기 메모리 저장소 등이 활성화되어, 사용자의 대화 컨텍스트나 과거 상호작용 정보를 유지함으로써 에이전트가 보다 지능적으로 응답하도록 합니다.
3. 데이터/도구 연계: 배포된 에이전트는 기업의 데이터와 애플리케이션 도구들과 연결됩니다. 예를 들어 사내 문서 검색이나 DB 질의를 위해 Vertex AI Search나 자체 RAG 엔진을 붙이거나, CRM/ERP와 같은 시스템에 연결하기 위해 Integration Connectors나 Apigee API 연동을 사용할 수 있습니다cloud.google.com. ADK를 통해 정의한 툴들은 Agent Engine 환경에서 실행되며, 에이전트는 프롬프트 내에서 이들 툴을 호출해 필요한 데이터를 얻거나 액션을 수행합니다. 이 때 조직의 정책 가드레일에 따라 권한이 부여되고 감사(trace) 로그가 적재되어, 에이전트가 기업 내부 규칙을 준수하면서 활동하도록 보장됩니다.
4. 에이전트 상호작용: 최종 사용자(또는 다른 에이전트)가 에이전트와 상호작용을 시작하면, Agent Engine에 호스팅된 에이전트가 요청을 받아 ADK로 정의된 로직에 따라 응답을 생성합니다. 예를 들어 직원이 질문을 하면 에이전트가 자연어로 이해하여 필요한 작업(예: 정보 수집, 요약, 액션 실행)을 수행하고 답변합니다. 여러 에이전트로 구성된 시스템이라면 ADK가 관리하는 하위 에이전트들을 순차적으로 호출하거나 병렬로 작업 분배하여 답을 완성하고, 필요한 경우 A2A 프로토콜로 외부 에이전트 API를 호출해 협업 결과를 종합합니다. 이러한 멀티에이전트 오케스트레이션 덕분에 복잡한 요구사항도 단계적으로 처리할 수 있습니다.
5. 서비스 제공 및 통합: 사용자는 완성된 에이전트 서비스를 다양한 방식으로 활용할 수 있습니다. 사내 직원의 경우 Google Agentspace를 통해 승인된 에이전트에 접근할 수 있는데, Agentspace는 조직 내 에이전트들을 모아 놓은 기업용 에이전트 허브입니다. 관리자가 Agent Engine에 호스팅된 에이전트를 Agentspace에 퍼블리시하면, 직원들은 이 포털에서 해당 에이전트를 찾아 하나의 챗봇처럼 질의하거나 업무를 맡길 수 있습니다cloud.google.com. Agentspace는 회사 브랜드로 커스터마이징된 인터페이스에서 멀티모달 검색과 에이전트 실행을 제공하며, 중앙 통제된 거버넌스 하에 기업 지식에 접근하도록 합니다. 한편, 외부 애플리케이션과의 통합도 가능한데, 예를 들어 회사가 자체 웹 애플리케이션이나 모바일 앱 안에 Agent Builder에서 만든 에이전트를 삽입하고자 하는 경우, 두 가지 방식이 있습니다. 첫째, Agent Engine에 배포된 에이전트의 API를 호출하여 백엔드에서 에이전트 기능을 사용하고 그 결과를 애플리케이션 UI에 출력하는 방식입니다. 둘째, ADK를 외부 환경에서 직접 구동하여 애플리케이션 내에서 에이전트 로직을 실행하고, 필요에 따라 Agent Builder 플랫폼의 다른 에이전트들과 A2A로 통신하도록 하는 것입니다. 예컨대 ADK로 구현된 에이전트를 사내 서버에서 별도로 실행하면서, 이것을 Agent Builder의 에이전트 네트워크에 원격 에이전트로 등록하면 A2A 표준 채널을 통해 상호 운용이 가능합니다cloud.google.com. 이처럼 Google의 A2A 프로토콜은 에이전트 통합의 핵심으로, Agent Builder를 통해 만든 에이전트 시스템을 기업의 기존 애플리케이션 생태계에 유연하게 확장/통합할 수 있게 해줍니다.

결론: Agent Builder와 ADK의 시너지

요약하면, Google Agent Builder는 엔터프라이즈 환경에서 AI 에이전트를 설계부터 배포까지 아우르는 플랫폼이고, ADK는 그 중 개발자가 에이전트의 두뇌를 구현하는 개발 키트입니다. ADK가 제공하는 코드 중심의 세밀한 제어력과 멀티에이전트 오케스트레이션 기능은 Agent Builder의 다른 구성 요소(예: Agent Engine의 관리형 인프라, Agentspace의 사용자 인터페이스, A2A의 에이전트 상호연결성 등)와 결합되어 기업용 AI 에이전트를 신속하면서도 통제된 방식으로 구축하도록 돕습니다googlecloudcommunity.comcloud.google.com. 다시 말해, ADK는 Agent Builder 생태계의 핵심 엔진으로서, 개발자가 원하는 대로 에이전트의 동작을 설계할 수 있게 해주고, Agent Builder는 그 엔진이 원활히 구동되어 실환경에서 가치를 발휘하도록 주변 환경을 갖춰주는 전체 시스템이라고 볼 수 있습니다. 이러한 개념적 분업과 통합을 통해 Google의 에이전트 솔루션은 개념 단계의 아이디어를 실제 비즈니스 프로세스에 적용 가능한 시스템 아키텍처로 변모시키고 있습니다.