Gemini Enterprise Agent Platform의 멀티에이전트 아키텍처와 전환 전략

모델 플랫폼에서 에이전트 운영 플랫폼으로

2026년 Google Cloud Next에서 Google은 Vertex AI를 Gemini Enterprise Agent Platform으로 리브랜딩했다. 이번 변화는 제품명을 바꾼 수준이 아니라, 모델 학습과 배포를 중심에 두던 플랫폼을 엔터프라이즈 에이전트의 설계·운영·통제 영역으로 재구성한 것이다.

Vertex AI는 2021년 출시 후 모델 학습, 배포, 피처 스토어, 파이프라인 관리 등 MLOps 기능을 포괄해 왔다. 생성형 AI와 에이전트 활용이 확대되면서 플랫폼의 초점은 달라졌고, Google은 Gemini Enterprise Agent Platform이라는 브랜드 아래 에이전트 중심 아키텍처를 전면에 배치했다.

Agentspace를 흡수해 에이전트의 생성, 관리, 배포를 한 플랫폼에서 다루고, 그래프 기반 에이전트 네트워크를 공식 아키텍처 패턴으로 채택했다. A2A 프로토콜도 에이전트 간 통신의 표준 방식으로 확정했다. 기존 Vertex AI 워크로드는 하위 호환성을 유지하며 새 플랫폼으로 옮길 수 있고, Gemini 모델 패밀리와의 네이티브 통합도 강화됐다.

이전의 ML Pipeline → Endpoint 흐름은 에이전트 그래프 → 오케스트레이터 → 서브에이전트 → 외부 시스템 연동으로 이어지는 다방향 토폴로지로 확장된다. 주요 사용자의 범위 역시 데이터 사이언티스트에서 엔터프라이즈 개발자와 아키텍트까지 넓어진다.

그래프로 연결하는 에이전트 네트워크

이 플랫폼에서는 개별 에이전트를 그래프의 노드로 본다. 각 노드는 독립적으로 실행되면서도 통신 채널인 엣지로 연결되어 하나의 복합 워크플로우를 만든다.

⤢✕

관계는 오케스트레이터가 하위 에이전트에 일을 맡기는 수직 위임, 에이전트끼리 협업하는 피어-투-피어, 순서가 정해진 파이프라인으로 나뉜다. 에이전트는 역할과 도구 목록을 자기 선언 방식으로 등록하고, 오케스트레이터는 이 정보를 토대로 서브태스크를 동적으로 배정한다.

이 구조가 특히 의미를 갖는 지점은 장애 처리다. 서브에이전트가 실패했을 때 오케스트레이터가 대체 경로를 찾거나 폴백 에이전트를 호출할 수 있다. 전체 워크플로우의 복원력을 높이는 방식이며, 에이전트별 독립 스케일링도 가능해 비용 최적화에 유리하다.

A2A가 맡는 에이전트 간 통신

A2A(Agent-to-Agent) 프로토콜은 Google이 오픈 표준으로 공개한 에이전트 간 통신 규격이다. HTTP/2 기반 비동기 메시지 교환을 바탕으로 에이전트 디스커버리, 태스크 위임, 결과 반환, 상태 동기화를 표준화된 스키마로 정의한다.

에이전트 카드(Agent Card)에는 각 에이전트의 capabilities, 입출력 스키마, SLA, 보안 요구사항을 선언한다. 태스크 ID 기반 비동기 처리는 장기 실행 워크플로우를 다루고, 중간 결과 스트리밍도 지원한다.

에이전트 간 신뢰는 Google Cloud IAM과 Workload Identity Federation으로 관리한다. 이를 통해 에이전트 스푸핑이나 무단 위임을 원천 차단한다. A2A는 Anthropic의 MCP(Model Context Protocol), OpenAI의 에이전트 API와 경쟁하는 한편, 상호운용성을 위한 어댑터 레이어도 제공한다. 이기종 에이전트가 함께 존재하는 멀티클라우드 환경을 고려한 설계다.

Agentspace가 담당하는 관리와 거버넌스

기존에 별도 제품이던 Agentspace는 통합 이후 Gemini Enterprise Agent Platform의 관리 레이어가 됐다. 기업은 하나의 콘솔에서 에이전트를 생성하고 배포하며, 모니터링과 접근 제어까지 수행할 수 있다.

중심 기능은 에이전트 마켓플레이스다. Google 공식 에이전트, 파트너 에이전트, 사내 커스텀 에이전트를 카탈로그로 관리하고, 조직에서 승인한 에이전트만 사용하도록 거버넌스 정책을 적용할 수 있다. IT 관리자는 에이전트별 허용 데이터 소스, 호출 가능 API, 비용 한도를 제어한다.

Google Workspace와의 통합도 이 레이어에서 작동한다. 에이전트는 Gmail, Drive, Meet, Calendar의 컨텍스트를 활용할 수 있으며, 직원은 일상 업무 도구 안에서 에이전트와 협업하게 된다.

격리 경계를 다루는 방식

멀티에이전트 시스템을 엔터프라이즈 환경에 배치할 때 가장 큰 우려는 보안이다. 이 플랫폼은 컴퓨트, 데이터, 실행의 격리 레이어를 제공한다.

컴퓨트 격리는 에이전트를 독립된 Cloud Run 인스턴스 또는 GKE 파드에서 실행하고, VPC Service Controls로 네트워크 경계를 설정한다. 데이터 격리는 IAM 정책으로 접근 가능한 데이터 소스를 제한하며, Customer-Managed Encryption Keys(CMEK)로 저장 데이터를 보호한다. 실행 격리는 외부 API 호출을 허용 목록 범위로 제한하고, 모든 에이전트 액션을 Cloud Audit Logs에 기록한다.

신규 에이전트는 프로덕션 투입 전에 격리된 환경에서 동작을 검증할 수 있다. 프롬프트 인젝션 탐지 모듈은 악의적 입력을 필터링하며, 외부 데이터를 처리하는 과정에서 발생할 수 있는 간접 프롬프트 인젝션 공격에 대응한다.

Vertex AI 워크로드를 옮길 때의 판단 기준

마이그레이션은 단계적으로 진행하는 접근이 권장된다.

평가 단계인 0-3개월에는 현재 Vertex AI 워크로드를 에이전트화 가능성으로 분류한다. 단순 배치 추론 작업은 에이전트 전환의 실익이 없으므로 현행을 유지하고, 복잡한 의사결정 로직이 포함된 파이프라인을 우선 대상으로 정한다.

파일럿 단계인 3-6개월에는 선정 워크로드를 오케스트레이터-서브에이전트 구조로 다시 설계한다. A2A 프로토콜 기반 통신 레이어를 구축하고, Agentspace에 에이전트 카탈로그를 구성한다. 기존 Vertex AI 엔드포인트는 서브에이전트의 도구로 래핑해 재사용할 수 있다.

확산 단계인 6-12개월에는 파일럿 결과를 바탕으로 에이전트 패턴을 조직 전반으로 넓힌다. 사내 에이전트 마켓플레이스를 구축하고, 에이전트 거버넌스 위원회로 신규 에이전트 도입 과정을 표준화한다.

비용 관리에서는 에이전트별 토큰 사용량 추적과 예산 알림 설정이 필요하다. 멀티에이전트 시스템은 단일 모델보다 토큰 소비가 기하급수적으로 증가할 수 있으므로, 초기부터 비용 가시성을 확보해야 한다.

클라우드 환경에 따라 달라지는 선택

Gemini Enterprise Agent Platform은 그래프 기반 동적 토폴로지를 지원하며, 런타임에 에이전트 연결 구조를 바꿀 수 있다. AWS Bedrock Agents는 인라인 에이전트와 슈퍼바이저 에이전트 패턴을 제공하지만 사전 정의된 워크플로우 구조에 의존한다. Azure AI Foundry는 Semantic Kernel과 AutoGen 프레임워크를 기반으로 하며 코드 수준의 에이전트 정의가 요구된다. 개발자 친화적이지만 운영 복잡도는 높다.

통신 방식에서도 차이가 있다. Google의 A2A 프로토콜은 오픈 표준과 크로스 플랫폼 호환성을 강조한다. AWS는 자체 에이전트 액션 그룹과 Lambda 기반 도구 연동을 사용해 플랫폼 종속성이 강하다. Azure는 OpenAI Assistants API 통합이 강점이지만, 멀티에이전트 통신 표준화는 상대적으로 미성숙하다.

엔터프라이즈 통합에서는 Google이 Workspace 생태계와 BigQuery·Looker 데이터 레이어 연동을 강점으로 둔다. AWS는 S3, RDS, SageMaker 등 기존 AWS 서비스와의 성숙한 통합, 오랜 엔터프라이즈 보안 규정 준수 이력을 갖는다. Azure는 Microsoft 365, Teams 통합과 Active Directory 기반 인증에 강점이 있으며 하이브리드 클라우드 시나리오에서 유리하다.

에이전트 마켓플레이스는 Google Agentspace가 가장 완성도 높은 카탈로그를 제공하고 파트너 에이전트 생태계 구축에도 가장 적극적이다. AWS와 Azure 역시 마켓플레이스를 보유하지만, 엔터프라이즈 거버넌스 기능은 Google이 앞선다.

Google Workspace 중심 조직에는 Gemini Enterprise Agent Platform이, AWS 중심 인프라를 보유한 조직에는 Bedrock Agents가 자연스럽다. Microsoft 365 환경에서 OpenAI 모델 활용을 선호한다면 Azure AI Foundry가 적합하다. A2A 프로토콜의 오픈 표준화가 진전될수록 플랫폼 간 이동 장벽은 낮아질 전망이다.

에이전트 오케스트레이션으로 옮겨가는 중심축

이번 재편은 엔터프라이즈 AI의 무게중심이 모델 서빙에서 에이전트 오케스트레이션으로 이동하고 있음을 보여준다. 그래프 기반 멀티에이전트 아키텍처와 A2A 프로토콜은 복잡한 비즈니스 프로세스를 AI로 자동화하는 표준 방법론으로 자리 잡을 것이다.

Vertex AI 사용 조직은 워크로드별 에이전트화 가능성을 먼저 평가하고, 에이전트 거버넌스 체계를 함께 설계할 시점이다.