Vertex AI 이후의 Gemini Enterprise 에이전트 플랫폼 설계

2026년 4월 22일 라스베이거스에서 열린 Google Cloud Next '26에서 구글은 Vertex AI와 Agentspace를 사실상 통합·폐지하고 **Gemini Enterprise Agent Platform(GEAP)**으로 재편했다. 변화의 초점은 모델 훈련과 서빙 자체가 아니다. 에이전트를 만들고 실행하며 조직의 권한 체계 안에서 조율하는 전체 운영 스택에 있다.

모델 플랫폼에서 에이전트 운영 스택으로

Vertex AI는 2021년 Google I/O에서 공개된 뒤 구글 클라우드의 ML 플랫폼 역할을 맡아 왔다. 생성 AI 활용이 에이전트 중심으로 이동하면서 모델 훈련·서빙 플랫폼만으로는 설계, 상태 관리, 도구 연결, 신원 추적과 같은 요구를 함께 다루기 어려워졌다.

2026년 4월 출시된 GEAP는 노코드 환경인 Workspace Studio, 개발자용 ADK, 관리형 런타임, 모델 허브와 보안 인프라를 하나의 플랫폼 아래 배치한다. 개발 조직만이 아니라 업무 담당자와 IT 관리자까지 같은 운영 체계에 참여시키는 구조다.

⤢✕

플랫폼을 이루는 기능은 역할에 따라 다음처럼 나뉜다.

구성 요소	담당 영역	제공 기능
Agent Studio	노코드 시각적 설계	Workspace·Salesforce·Jira 연동, 코드 없는 에이전트 설계와 배포
ADK 2.0	오픈소스 에이전트 개발	Python·TypeScript·Go·Java 지원, 월 6조 토큰 처리
Agent Engine	관리형 실행 환경	Cloud Run/GKE 기반, vCPU-h $0.0864·GB-h $0.0090
Model Garden	멀티모델 허브	Gemini·Claude·Gemma·Lyria 등을 포함한 200개 이상 모델
Agent Registry	조직 중앙 카탈로그	에이전트·툴·MCP 서버 등록과 검색
Agent Identity	에이전트별 신원	암호화 식별자를 이용한 추적과 감사
Agent Gateway	정책 집행 지점	에이전트와 데이터 사이의 상호작용 제어
Model Armor	모델 보안	프롬프트 인젝션·툴 포이즈닝·민감 데이터 누출 방지
Memory Bank	영구 메모리	2026년 9월 1일 유료화: $0.30/GiB-month

자연어 업무를 실행 그래프로 바꾸는 Workspace Studio

Google Workspace Studio는 비개발자가 자연어로 에이전트를 만들고 배포하는 노코드 환경이다. Business, Enterprise, Education 티어에서 제공되며 Gmail·Docs·Sheets를 비롯한 Workspace 앱에 에이전트를 배포할 수 있다.

사용자가 “이메일을 받으면 CRM을 업데이트하고 Slack에 알려줘”라고 입력하면 Workspace Studio는 이 인텐트를 트리거, 액션, 조건 노드로 구성된 DAG(Directed Acyclic Graph)로 변환한다. 업무 담당자는 자연어로 흐름을 기술하지만, 실행 단계에서는 명시적인 에이전트 플로우가 만들어지는 방식이다.

Salesforce, Jira, ServiceNow 같은 엔터프라이즈 SaaS는 사전 구축된 커넥터로 연결한다. 별도의 데이터 소스가 필요하면 MCP(Model Context Protocol) 서버를 접점으로 삼을 수 있다.

노코드라는 이유로 관리 체계에서 벗어나지는 않는다. 직원이 만든 에이전트는 Agent Registry에 자동 등록되고, IT 관리자는 Agent Gateway에서 접근 권한과 데이터 범위, 실행 정책을 통제한다.

⤢✕

Model Garden을 모델 목록이 아닌 라우터로 쓰기

GEAP의 Model Garden에는 2026년 기준 200개 이상의 모델이 들어 있다. 에이전트 설계에서 중요한 점은 이 기능을 단순 카탈로그가 아니라 태스크별 모델 선택을 담당하는 라우팅 허브로 보는 것이다.

구글 자체 모델에는 플래그십 추론 모델인 Gemini 3.1 Pro, 이미지 생성에 특화된 Gemini 3.1 Flash Image, 음악·오디오 생성용 Lyria 3가 포함된다. 2026년 5월 19일 출시된 Gemini 3.5 Flash는 Terminal-bench 2.1에서 76.2%, SWE-Bench Pro에서 55.1%를 달성했다. 입력 비용은 $1.50/백만 토큰, 출력 비용은 $9.00/백만 토큰이다. Gemini 3.1 Pro보다 모든 주요 에이전트·코딩 벤치마크에서 우수하고 비용은 약 40% 절감된다.

오픈 웨이트 계층에는 경량·온프레미스 배포에 맞춘 Gemma 4가 있다. 서드파티 파운데이션 모델로는 복잡한 추론과 문서 분석에 특화된 Anthropic Claude Opus, Sonnet, Haiku와 기타 외부 파트너 모델을 제공한다.

라우팅 기준은 태스크 복잡도, 비용, 레이턴시다. 단순 분류에는 Gemma 4 또는 Gemini 3.5 Flash를 배치하고, 복잡한 법률 문서 분석에는 Claude Opus를 선택한다. 실시간 고객 대화에는 Gemini 3.5 Flash를 연결하는 식으로 태스크 특성에 따라 모델을 동적으로 바꾼다.

Managed Agents API가 숨기는 실행 인프라

Google I/O 2026이 열린 2026년 5월에 발표된 Managed Agents는 모델, 툴, 메모리 같은 파라미터를 지정한 단일 API 호출로 완전 관리형 에이전트를 스핀업하는 기능이다. 개발자가 오케스트레이션 런타임과 상태 저장소, IAM 구성을 각각 준비하던 방식과 경계가 다르다.

⤢✕

호출 시 지정하는 핵심 파라미터는 다음과 같다.

model: Model Garden에서 고른 모델. 예시는 gemini-3.5-flash, claude-opus-4다.
tools: MCP 서버 URL 또는 함수 정의 목록이다.
memory_config: 영구 메모리와 세션 메모리를 구분하는 Memory Bank 연결 옵션이다.
identity: Agent Identity 자동 발급 여부를 정한다.
scaling_policy: Agent Engine의 vCPU 자동 스케일링 정책을 지정한다.

ADK 2.0으로 로컬에서 개발한 코드는 Cloud Run 또는 GKE에 배포해 글로벌 규모로 실행할 수 있다. 이 경로에서는 월 6조(6 trillion) 토큰의 처리 규모가 확인됐다.

에이전트 권한은 사용자 권한과 따로 추적한다

기업 환경의 에이전트는 데이터와 외부 API를 대신 호출하므로 권한 남용과 데이터 누출을 별도의 운영 문제로 다뤄야 한다. GEAP에서는 Agent Identity, Agent Gateway, Model Armor가 각각 신원, 정책 집행, 모델 입출력 방어를 맡는다.

Agent Identity는 에이전트마다 고유한 암호화 ID를 자동 발급한다. 실행한 모든 액션을 해당 Identity 단위로 추적하고 감사하며, Google Cloud IAM과 연동해 에이전트별 최소 권한 원칙(Principle of Least Privilege)을 적용한다.

Agent Gateway는 에이전트가 데이터 소스나 외부 API에 접근할 때 거치는 단일 보안 정책 시행 지점이다. 접근할 데이터 범위, 허용할 외부 엔드포인트와 요청 레이트 리밋을 정책으로 정의하며 실시간 이상 행동을 탐지하고 차단한다.

Model Armor는 프롬프트 인젝션 공격과 툴 포이즈닝을 탐지·차단한다. 악의적인 MCP 서버가 에이전트를 오염시키는 상황을 방어하고, 응답에 PII나 신용카드 번호 같은 민감 데이터가 포함됐는지도 실시간으로 스캔한다.

각 기능은 독립적으로 동작할 수 있지만 GEAP에서는 에이전트를 생성할 때 서로 연계되도록 구성된다.

A2A와 MCP가 나누어 맡는 경계

멀티에이전트 환경에서는 에이전트 간 작업 위임과 외부 시스템 접근을 같은 인터페이스로 취급하지 않는다. GEAP는 전자에 A2A(Agent-to-Agent) 프로토콜, 후자에 **MCP(Model Context Protocol)**를 사용한다.

프로토콜	담당 역할	기술 스택	파트너 수
A2A	에이전트 간 조율·위임	HTTP + SSE + JSON-RPC 2.0	2025년 50개 → 2026년 150개 이상
MCP	에이전트와 외부 툴·데이터 연결	REST/gRPC 기반 서버	-
인증	양쪽에 공통 적용	OAuth 2.0 + JWT	-

A2A는 오케스트레이터가 서브 에이전트에 태스크를 위임할 때 쓰인다. 가령 분기 재무 보고서 작성 요청을 받은 오케스트레이터가 데이터 분석, 차트 생성, 문서 작성 에이전트를 순차 또는 병렬로 조율하는 구조다.

MCP는 외부 데이터베이스, API, 파일 시스템을 에이전트에 노출하는 표준 인터페이스다. Agent Registry는 조직 안의 MCP 서버 카탈로그를 중앙 관리하고, 에이전트가 필요한 툴을 동적으로 찾아 사용하도록 한다.

에이전트 네트워크는 그래프 기반 오케스트레이션 프레임워크에서 DAG로 정의할 수 있다. 생성된 코드는 격리된 하드닝(Hardened) 워크스페이스에서 실행돼 샌드박스 보안을 확보한다.

Vertex AI 워크로드를 옮길 때의 설계 순서

마이그레이션의 출발점은 기존 Vertex AI 자산을 파악하는 일이다. 엔드포인트, 파이프라인, 커스텀 모델을 목록화하고 Vertex AI Workbench 노트북을 ADK 2.0 로컬 실행 환경으로 전환할 수 있는지 평가한다. 기존 IAM 정책과 GEAP Agent Identity 사이의 매핑 테이블도 이 단계에서 작성한다.

다음으로 모델 선택을 업무 흐름에서 분리한다. Model Garden에서는 Anthropic Claude와 오픈소스 Gemma 4 같은 비구글 모델도 동일한 API 인터페이스로 호출할 수 있다. 이 구조를 활용하려면 오케스트레이터가 태스크 특성, 비용, 레이턴시에 따라 모델을 동적으로 선택하도록 만들고 프롬프트 템플릿은 모델과 무관한 추상화 레이어에서 관리해야 한다. A2A 기반 서브 에이전트는 내부에서 사용할 모델을 독립적으로 결정한다.

전환은 신규 워크로드와 기존 워크로드를 구분해 진행한다. 신규 에이전트는 GEAP에서 시작하는 Greenfield 방식으로 구성한다. 기존 Vertex AI 서빙 워크로드는 Brownfield 방식으로 Agent Engine에 점진적으로 옮기고, 과도기에는 Agent Registry에서 두 환경의 에이전트를 함께 모니터링한다.

런타임과 모델 비용을 함께 조정하기

Agent Engine의 런타임 비용은 vCPU-h당 $0.0864, GB-h 메모리당 $0.0090이다. Memory Bank는 2026년 9월 1일부터 $0.30/GiB-month로 유료화된다. 읽기 3백만 건당 1 Agent Compute vCPU-h, 쓰기 1백만 건당 동일한 비용 구조가 적용된다.

모델 비용은 태스크 성격에 맞춰 선택하는 방식으로 최적화한다.

⤢✕

Gemini 3.5 Flash는 Terminal-bench 2.1 기준 76.2%, SWE-Bench Pro 기준 55.1%로 코딩·에이전트 태스크에 맞는다. Claude Opus는 문서 분석과 복잡한 다단계 추론에서 우위가 있고, Gemma 4는 온프레미스 배포나 데이터 주권이 요구되는 환경에 대응한다.

실제 조직이 적용한 업무

덴마크 산업 제조 기업 Danfoss는 이메일 주문 처리에서 발생하던 수동 병목을 GEAP 기반 에이전트로 다뤘다. 이메일 주문 처리의 80%를 자동화했고, 응답 시간은 42시간에서 실시간으로 단축됐다.

브라질 제지 회사 Suzano는 5만 명 임직원의 데이터 접근 병목을 해결하기 위해 Gemini Pro 기반 자연어→SQL 변환 에이전트를 구축했다. 쿼리 시간은 95% 단축됐으며 비개발자도 데이터를 직접 질의할 수 있게 됐다.

2026년 기준 주요 도입 분야는 고객 서비스 49%, 마케팅 46%, 보안 운영 46%, IT 지원 45%다.

AWS·Azure 플랫폼과 비교되는 지점

항목	Gemini Enterprise Agent Platform	AWS Bedrock Agents	Azure AI Foundry
출시 시점	2026년 4월 (리브랜딩)	2023년 (GA 2024)	2025년 (기존 Azure AI Studio 통합)
노코드 빌더	Workspace Studio (자연어 기반)	Bedrock Studio (시각적)	Prompt Flow (시각적)
지원 모델 수	200개 이상 (Model Garden)	100개 이상 (Bedrock)	1800개 이상 (Azure AI Model Catalog)
자체 플래그십 모델	Gemini 3.5 Flash / 3.1 Pro	없음 (AWS 자체 모델 없음)	GPT-4o (OpenAI 파트너십)
오픈소스 에이전트 SDK	ADK 2.0 (Python/TS/Go/Java)	AWS CDK 기반	AutoGen / Semantic Kernel
멀티에이전트 프로토콜	A2A + MCP	없음 (독자 오케스트레이션)	AutoGen 기반
에이전트 보안	Model Armor + Agent Identity + Gateway	Guardrails for Bedrock	Azure AI Content Safety
Workspace 통합	Gmail·Docs·Sheets 네이티브	없음	Microsoft 365 네이티브
엔터프라이즈 점유율	추격 중	2위	1위 (2025~2026)
파트너 생태계	150개 이상 A2A 파트너, $7.5억 파트너 펀드	광범위한 AWS 파트너 네트워크	Microsoft Partner Network
메모리 서비스	Memory Bank ($0.30/GiB-month)	Amazon Bedrock Knowledge Bases	Azure AI Search 연동

Azure AI Foundry는 Microsoft 365와의 네이티브 통합을 바탕으로 엔터프라이즈 에이전트 배포 1위를 유지하고 있다. GEAP가 내세우는 차이는 Workspace 통합, 벤더 중립적 Model Garden, 오픈소스 ADK다. AWS Bedrock은 폭넓은 AWS 파트너 생태계를 갖췄지만 자체 플래그십 모델이 없다는 약점이 있다.

2026년 시장은 코딩 에이전트, 워크플로 빌더, 거버넌스를 중심으로 플랫폼별 특화와 분화가 진행되는 흐름이다.

플랫폼 선택보다 먼저 정해야 할 운영 원칙

복잡한 비즈니스 프로세스를 단일 에이전트에 몰아넣는 대신 오케스트레이터가 전문 서브 에이전트를 A2A로 조율하는 계층 구조를 설계할 수 있다. 이메일 수신, DB 변경, API 호출 같은 이벤트를 트리거로 사용하면 비동기 워크플로도 구성할 수 있다. 상태는 Memory Bank로 분리해 에이전트 로직과 저장소의 결합을 낮추고 수평 확장성을 확보한다.

단일 AI 앱에서 에이전트 네트워크로 이동할수록 감사, IAM, 보안은 기능 구현과 같은 수준의 아키텍처 요소가 된다. A2A와 MCP 같은 벤더 중립적 표준을 중심에 두는 이유도 특정 플랫폼에 대한 lock-in을 줄이기 위해서다. 구글의 $7.5억 파트너 혁신 펀드는 이 에이전트 생태계 확장을 가속하는 촉매제로 제시됐다.

GEAP가 보여주는 변화는 모델을 어느 엔드포인트에서 서빙할지보다 에이전트를 어떻게 등록하고, 권한을 부여하고, 다른 에이전트와 도구에 연결할지를 먼저 설계해야 한다는 데 있다. Workspace Studio는 비개발자의 업무 흐름을 플랫폼으로 가져오고, Model Garden과 Managed Agents API는 모델 선택과 런타임 준비의 부담을 낮춘다. 그 위에서 Agent Identity, Agent Gateway, Model Armor가 기업 운영에 필요한 추적성과 방어선을 구성한다.