Gemini Enterprise Agent Platform과 Opal — 멀티에이전트 오케스트레이션 레퍼런스 아키텍처

Optimizely Opal이 Gemini Enterprise의 레퍼런스가 된 경위

Google이 2026년 Google Cloud Next에서 공개한 Gemini Enterprise Agent Platform은 Gemini의 추론·툴 호출 기능을 백본으로 삼아 기업 팀이 오케스트레이션된 AI 에이전트를 구축할 수 있는 통합 플랫폼이다. 마케팅 특화 에이전트 오케스트레이션 플랫폼인 Optimizely Opal이 이 플랫폼에 통합되면서, 엔터프라이즈 에이전트 아키텍처의 레퍼런스 구현이 구체화됐다.

Vertex AI를 발전시킨 이 플랫폼은 Agent Studio, Agent Development Kit(ADK), Agent Runtime, Agent-to-Agent Orchestration, Agent Gateway, Agent Identity, Agent Registry, Agent Observability, Agent Simulation, Agent Evaluation이라는 10개 핵심 컴포넌트로 구성된다.

Optimizely Opal은 이 플랫폼의 마케팅 도메인 레퍼런스 구현이다. 수십 개의 기업 시스템에 걸친 데이터를 통합하고, 이를 분석해 개인화 마케팅 캠페인을 추천하거나 직접 실행한다. 2026년 업데이트에서는 드래그앤드롭 정적 워크플로우에서 벗어나 에이전트가 목표를 받고 최적 경로를 스스로 결정하는 동적 에이전트 스텝(Agent Step)을 도입했다.

Opal 기반 멀티에이전트 오케스트레이션 구조

Gemini Enterprise Agent Platform의 핵심 차별점은 에이전트 간 오케스트레이션(Agent-to-Agent Orchestration)이다. 에이전트가 다른 에이전트에게 태스크를 위임하고 결과를 수신하는 계층적 위임 구조를 네이티브로 지원한다.

⤢✕

에이전트 역할과 책임 경계는 세 축으로 정의한다. 역할 정의는 에이전트가 수행할 도메인과 작업 유형을 명시하는 것으로, 시스템 프롬프트에 역할·권한·금지 행동을 구체적으로 기술한다. 툴 접근 범위는 각 에이전트에게 필요한 최소 권한의 툴만 제공하는 원칙이다 — 데이터 수집 에이전트는 읽기 전용 API만, 실행 에이전트는 쓰기 API를 포함한 전체 권한을 부여한다. 에스컬레이션 정책은 에이전트가 처리할 수 없는 예외 상황에서 상위 오케스트레이터나 인간 담당자에게 제어를 넘기는 조건과 절차다.

오케스트레이터는 인바운드 작업 요청을 분석해 적절한 워커 에이전트에 라우팅한다. Agent Registry는 사용 가능한 에이전트 목록, 각 에이전트의 전문 영역, 현재 상태(가용/처리중/오류)를 관리하며, 오케스트레이터는 이 레지스트리를 쿼리해 최적 에이전트를 선택한다. 컨텍스트 공유는 각 에이전트가 생성한 중간 결과를 공유 컨텍스트 저장소에 구조화된 형태로 저장하고 다음 에이전트가 이를 입력으로 사용하는 방식으로 이뤄지며, Gemini Enterprise의 Agent Runtime은 이 컨텍스트 전달을 자동으로 관리한다.

Gemini 툴 호출 기능으로 에이전트 만들기

Gemini의 함수 호출(Function Calling), 코드 실행(Code Execution), 검색 연동(Grounding with Google Search) 세 가지 핵심 기능이 엔터프라이즈 에이전트 개발의 기반이다.

⤢✕

Gemini의 함수 호출은 엄격한 JSON Schema 정의를 기반으로 한다. 엔터프라이즈 환경에서는 함수 단위를 작게 유지해 하나의 함수가 하나의 명확한 작업만 수행하도록 설계한다 — 예컨대 get_customer_profile과 update_customer_segment를 하나의 함수로 합치지 않는다. 이는 에러 추적과 감사 로그 관리를 용이하게 한다. 필수 파라미터와 선택 파라미터를 명확히 구분하고, description 필드에 에이전트가 올바르게 파라미터를 채울 수 있도록 충분한 컨텍스트를 제공하는 것도 함수 선택 정확도에 직결된다.

Gemini의 코드 실행 기능은 격리된 Python 환경에서 분석 코드를 실행한다. 이를 활용해 에이전트가 복잡한 데이터 분석, 통계 계산, 시각화를 수행할 수 있으며, 입력 데이터를 코드 실행 환경에 전달하고 결과를 수신하는 패턴은 재무 분석·마케팅 성과 분석 에이전트에 특히 적합하다.

오케스트레이션 프레임워크 비교

엔터프라이즈 에이전트 시스템 구축을 위한 주요 프레임워크의 아키텍처 특성을 비교하면 다음과 같다.

항목	LangChain/LangGraph	AutoGen	Gemini Enterprise ADK	CrewAI
오케스트레이션 방식	그래프 기반	대화 기반	계층적 위임	역할 기반 팀
상태 관리	LangGraph 체크포인트	대화 히스토리	Agent Runtime	내장 메모리
멀티에이전트	커스텀 구현	네이티브	네이티브	네이티브
엔터프라이즈 기능	서드파티 의존	제한적	풍부	중간
클라우드 통합	플랫폼 독립	플랫폼 독립	GCP 최적화	플랫폼 독립

Gemini Enterprise ADK는 GCP 환경에서의 완성도가 높고 Agent Registry, Agent Observability 같은 프로덕션 운영 기능이 내장돼 있다. LangChain/LangGraph는 플랫폼 독립적이고 풍부한 생태계를 갖고 있어 멀티클라우드 환경에 적합하며, CrewAI는 역할 기반 팀 개념이 직관적이어서 빠른 프로토타이핑에 유리하다.

거버넌스와 관찰 가능성

엔터프라이즈 에이전트 플랫폼의 핵심 요구사항은 에이전트 행동의 투명성과 통제 가능성이다. Agent Observability 컴포넌트는 에이전트 실행 트레이스, 툴 호출 로그, 성능 메트릭, 오류 분포를 실시간으로 제공한다. Agent Simulation은 프로덕션 배포 전에 에이전트의 행동을 시뮬레이션하고, Agent Evaluation은 정의된 벤치마크에 대한 성능을 정량화한다.

인간 개입 지점(Human-in-the-Loop) 설계도 거버넌스의 중요한 요소다. 고위험 액션(대량 이메일 발송, 계정 설정 변경 등)에 대해서는 에이전트가 자율 실행 대신 인간 승인을 요청하도록 에스컬레이션 규칙을 정의한다.

Google Gemini Enterprise Agent Platform과 Opal 프레임워크의 통합은 에이전트 간 오케스트레이션, 통합 관찰 가능성, 시뮬레이션·평가 도구를 결합해 프로토타입 수준에 머물던 멀티에이전트 시스템을 프로덕션 엔터프라이즈 환경으로 끌어올린다. 에이전트 아키텍처를 설계할 때는 역할 분리, 최소 권한 원칙, 에스컬레이션 정책, 관찰 가능성을 처음부터 설계에 내재화해야 한다.