들어가며: AI 에이전트, 실험실을 넘어 프로덕션으로
AI 에이전트는 더 이상 단순한 스크립트나 실험 단계에 머물러 있지 않습니다. 실제 서비스에 배포되어 사용자 요청을 처리하고, 복잡한 워크플로우를 자동화하는 단계에 접어들었죠. 하지만 이런 전환에는 큰 장벽이 있습니다. 바로 비결정성(Non-determinism) 문제입니다. 같은 입력에 대해 매번 다른 결과를 내놓는 에이전트를 어떻게 신뢰할 수 있을까요? 어떤 요청은 성공하고, 어떤 요청은 실패하는 이유를 어떻게 추적할 수 있을까요?
Google이 최근 발표한 ADK(Agent Development Kit) Go 1.0은 이러한 문제를 해결하기 위해 설계된 프로덕션급 에이전트 프레임워크입니다. 2009년 Go 언어가 탄생한 이후, Google은 고성능 엔지니어링의 유산을 이어받아 이번 1.0 릴리스를 통해 Go 생태계에서 AI 에이전트를 구축하기 위한 완전한 도구 세트를 제공합니다.
이 글에서는 ADK Go 1.0의 핵심 기능을 하나씩 살펴보고, 실제 프로젝트에 어떻게 적용할 수 있을지 논의해보겠습니다. (근거자료: Google Developers Blog)
핵심 기능 1: OpenTelemetry 기반의 완벽한 가시성 (Observability)
에이전트가 실패했을 때 가장 먼저 필요한 것은 원인 분석입니다. 도구 호출이 실패했는지, 모델이 환각(Hallucination)을 일으켰는지, 아니면 외부 API가 응답하지 않는 건지 알 수 있어야 합니다.
ADK Go 1.0은 **OpenTelemetry(OTel)**를 네이티브로 통합했습니다. TraceProvider만 연결하면 모든 모델 호출과 도구 실행이 구조화된 트레이스와 스팬으로 기록됩니다.
// OTel 초기화 - 단 3줄이면 끝
ctx := context.Background()
telemetryProviders, err := telemetry.New(ctx, telemetry.WithOtelToCloud(true))
if err != nil {
log.Fatal(err)
}
defer telemetryProviders.Shutdown(ctx)
// 글로벌 OTel 프로바이더 등록
telemetryProviders.SetGlobalOtelProviders()
// 러너에 텔레메트리 연결
r, _ := runner.New(runner.Config{
Agent: myAgent,
Telemetry: telemetry.NewOTel(tp),
})
이렇게 설정하면 Cloud Trace 같은 도구에서 에이전트의 '사고 과정(Chain of Thought)'을 기존 애플리케이션 메트릭과 함께 시각화할 수 있습니다. 디버깅 시간이 획기적으로 줄어드는 경험을 직접 해보시길 권합니다.
핵심 기능 2: 플러그인 시스템으로 관심사 분리
에이전트의 핵심 로직은 깔끔하게 유지하면서, 로깅, 보안, 자가 수정 같은 횡단 관심사(Cross-cutting concerns)를 주입할 수 있다면 얼마나 좋을까요? ADK Go 1.0의 플러그인 시스템이 정확히 그 역할을 합니다.
가장 인상적인 플러그인은 Retry and Reflect입니다. 도구 호출이 실패하면 에러를 모델에 다시 피드백하고, 에이전트가 스스로 파라미터를 수정하여 재시도합니다. 말 그대로 '자가 치유(Self-healing)' 코드가 프레임워크 수준에서 구현된 셈이죠.
// 플러그인을 러너에 추가
r, _ := runner.New(runner.Config{
Agent: myAgent,
SessionService: mySessionService,
PluginConfig: runner.PluginConfig{
Plugins: []*plugin.Plugin{
// 실패한 도구 호출을 반성하고 최대 3회 재시도
retryandreflect.MustNew(retryandreflect.WithMaxRetries(3)),
// 모든 턴에 대한 중앙 집중식 로깅
loggingplugin.MustNew(""),
},
},
})
이 접근법의 장점은 에이전트의 메인 인스트럭션을 건드리지 않고도 기능을 확장할 수 있다는 점입니다. 마치 미들웨어처럼 동작하죠.
핵심 기능 3: 인간-루프(HITL) 보안 강화
보안은 단순히 코드의 문제가 아니라 **통제(Control)**의 문제입니다. 금융 거래나 프로덕션 데이터베이스 변경과 같은 민감한 작업은 사람의 승인을 받아야 합니다.
ADK Go 1.0은 Safe AI Framework(SAIF) 가이드라인에 따라 RequireConfirmation 플래그를 지원합니다. 이 플래그가 설정된 도구는 실행 전에 에이전트가 일시 중지되고, 확인 이벤트를 생성한 후 사람의 신호를 기다립니다.
// 인간 승인이 필요한 도구 설정
myTool, _ := functiontool.New(functiontool.Config{
Name: "delete_database",
Description: "프로덕션 데이터베이스 인스턴스를 삭제합니다.",
RequireConfirmation: true, // HITL 승인 플로우 트리거
}, deleteDBFunc)
핵심 기능 4: YAML 기반 에이전트 정의
1.0 릴리스의 또 다른 중요한 변화는 YAML 설정 파일을 통한 에이전트 정의입니다. 이제 Go 코드를 다시 빌드하지 않고도 에이전트의 페르소나와 서브 에이전트 구조를 빠르게 반복(Iterate)할 수 있습니다.
# agent_config.yaml
name: customer_service
description: 항공사 고객 문의를 처리하는 에이전트
instruction: >
당신은 항공권 예약을 도와주는 고객 서비스 에이전트입니다.
항상 친절하게 응대하세요.
tools:
- name: "google_search"
- name: "builtin_code_executor"
sub_agents:
- "policy_agent"
- "booking_agent"
이 기능은 설정과 비즈니스 로직을 분리하여 DevOps 파이프라인과의 통합을 훨씬 수월하게 만듭니다.
핵심 기능 5: Agent2Agent(A2A) 프로토콜 - 언어 장벽을 넘어
현대의 마이크로서비스 환경에서 하나의 에이전트가 모든 것을 담당하는 경우는 드뭅니다. Go, Java, Python 등 여러 언어로 작성된 에이전트들이 협력해야 하죠.
ADK Go는 Agent2Agent(A2A) 프로토콜을 통해 이러한 오케스트레이션을 단순화합니다. 이벤트 순서 관리와 응답 집계를 자동으로 처리하여, 부분 응답 스트림이 발생하더라도 데이터가 안정적으로 처리됩니다.
국내 개발 생태계에서의 적용 맥락
국내 IT 환경에서 ADK Go 1.0이 특히 주목할 만한 이유는 다음과 같습니다:
- Go 언어의 강점 활용: 국내 많은 백엔드 시스템이 Go로 전환 중입니다. 높은 성능과 간결한 문법은 에이전트의 지연 시간(Latency)에 민감한 서비스에 적합합니다.
- 클라우드 네이티브와의 궁합: OpenTelemetry는 이미 국내 클라우드 환경(Naver Cloud, AWS, GCP)에서 널리 사용되고 있어, 기존 모니터링 인프라와 쉽게 통합할 수 있습니다.
- 금융/공공 분야의 HITL 요구: 국내 금융권이나 공공기관에서는 사람의 승인을 거치는 워크플로우가 필수적인 경우가 많습니다. ADK Go의 RequireConfirmation 기능이 이런 요구사항을 잘 충족시켜줍니다.
주의사항 및 한계
ADK Go 1.0은 매우 유망하지만, 몇 가지 고려할 점이 있습니다:
- 생태계 초기 단계: 1.0 버전이 막 출시되었기 때문에 커뮤니티 자료와 서드파티 통합이 아직 풍부하지 않습니다.
- 학습 곡선: 플러그인 시스템과 OTel 설정은 익숙해지기까지 시간이 필요할 수 있습니다.
- 비용: OpenTelemetry 데이터를 클라우드로 전송하면 트레이스 양에 따라 비용이 발생할 수 있습니다.
다음 단계 학습 방향
ADK Go 1.0을 본격적으로 활용하려면 다음 주제를 학습해보세요:
- OpenTelemetry Go SDK 심화 학습
- 멀티 에이전트 아키텍처 설계 패턴 (Sequential, Parallel, Loop)
- Safe AI Framework(SAIF) 가이드라인 숙지