Google Gemini Enterprise Agent Platform — 모델 시대에서 운영 시대로
Vertex AI를 재편한 구글의 에이전트 운영 플랫폼. Build / Scale / Govern / Optimize 4 영역으로 ID, 메모리, 거버넌스, 평가를 통합
Overview
2026년 4월 23일, 구글 클라우드가 Gemini Enterprise Agent Platform을 출시했다. 6년차 Vertex AI를 통째로 재편한 발표로, 단순 리브랜딩이 아니다.
배경: 모델 자체로는 돈 벌기 어려워졌다. 진짜 돈 되는 곳은 에이전트 운영 인프라다.
문제 인식
기존 Vertex AI의 3대 문제:
- 에이전트 ID 부재 — 누가 뭘 했는지 추적 불가
- 세션 단위 메모리 — 며칠짜리 작업 불가
- 보안 책임 불분명 — 모델/도구/사람 사이에서 책임 소재 모름
4대 영역
1. Build — 개발 진입장벽 낮추기
- Agent Studio: 노코드 에이전트 빌드 툴
- ADK(Agent Development Kit): 노코드 → 풀코드 전환. 시각적으로 만들어보고 그래프 기반 코드로 내보내는 흐름
2. Scale — 실제 운영 문제 해결
서브초 콜드 스타트
- 사용자 입장에서 “에이전트가 어디 갔다가 늦게 깨는” 문제 해결
멀티데이 워크플로우
- 며칠짜리 작업을 에이전트 혼자 끌고 감 (보고서 자동화, 장기 마케팅 캠페인 트래킹)
- 핵심: Memory Bank — 대화 기반 장기 메모리 자동 생성, Memory Profiles로 저지연 컨텍스트 회수
3. Govern — 보안 & 거버넌스
| 컴포넌트 | 역할 |
|---|---|
| Agent Identity | 모든 에이전트에 암호화 ID 부여, 작업 단위 감사 추적 |
| Agent Registry | 사내 승인된 에이전트/도구만 라이브러리화, 외부 에이전트 무분별한 사용 방지 |
| Agent Gateway | Model Armor로 프롬프트 인젝션·데이터 유출 방어 |
4. Optimize — 관측 & 개선
| 컴포넌트 | 설명 |
|---|---|
| Agent Simulation | 합성 사용자가 가짜로 대화하며 작업 성공률 자동 채점 |
| Evaluation | 실제 운영 트래픽 기반 멀티턴 자동 평가 |
| Observability | 에이전트 행동 추적 |
| Optimizer | 실패 케이스 자동 클러스터링 후 시스템 명령 최적화 제안 |
도입 사례
| 기업 | 사용 내용 | 결과 |
|---|---|---|
| Comcast | 스크립팅 자동화 → ADK 기반 다중 에이전트 아키텍처 전환 | 디지털 해결율 증가 |
| Payhawk | Memory Bank로 사용자 습관 자동 회수 | 경비 제출 시간 50% 감소 |
| L’Oréal | 결정론적 워크플로우 → 자율 에이전트 오케스트레이션 | ADK + MCP로 자체 데이터 플랫폼 연결 |
| PayPal | Agent Payment Protocol(AP2) — 에이전트 간 거래 기반 구축 | |
| Gurunavi | Memory Bank로 수동 검색 감소 | 사용자 만족도 30% 상승 예정 |
| Color Health | 유방암 선별 적격성 확인 → 임상의 연결 → 예약 자동화 | 의료 영역까지 확장 |
핵심 시그널
- 모델 락인 추방 — 200개 이상 모델 지원 (Claude Opus/Sonnet/Haiku도 포함). “모델은 선택해라, 인프라 위에서 돌려라”
- 종량제 예상 — 모델 추론 + Agent Runtime + Memory Bank 별도 과금 구조
- 한국 기업도 곧 휩쓸림 — 현재 RAG 챗봇 수준 → 다음 단계는 멀티 에이전트 + 며칠짜리 워크플로우 + 거버넌스
AWS Bedrock AgentCore 비교
AWS AgentCore 8개 프리미티브 vs Google 4대 영역. 같은 문제, 다른 포장.
| AWS | 차이 | |
|---|---|---|
| Model Armor (LLM 런타임에서 잡음) | Cedar 정책 (IAM 스타일 세밀 권한) | 구글: “AI 이상한 짓 전에 잡자”, AWS: “애초에 권한 없으면 못 함” |
| ADK + MCP 직접 구성 | Code Interpreter, Browser Tool 관리형 제공 | AWS: “갖다 쓰면 됨”, 구글: 직접 짜는 흐름 |
| ADK 중심 + 200개 모델 지원 | Strands/CrewAI/LangGraph 코드 수정 없이 올림 | AWS가 더 프레임워크 중립적 |
핵심 결론
ID, 메모리, 거버넌스, 평가. 이 네 가지를 다룰 줄 모르면 결국 시연용 장난감만 만드는 거다. 모델 시대는 끝났다. 운영 시대로 넘어왔다.
Related Notes
- moc-ai-agents-orchestration — 오케스트레이션 & 인프라 관련 MOC
- moc-ai-agents-harness — 하네스 설계 관련 MOC
- 2026-04-26-google-agents-cli — Google Agents CLI (ADK 기반 메타 도구)