이 문서에서는 에이전트형 AI 워크플로를 사용하여 대화형 학습 퀴즈를 생성하고 관리하는 애플리케이션의 대략적인 아키텍처를 설명합니다. 에이전트는 특정 주제에 대한 사용자의 지식을 평가하고 영구 세션 상태와 장기 기억을 사용하여 맞춤형 환경을 만듭니다. 에이전트는 사용자의 답변 기록을 유지하므로 후속 질문의 난이도와 콘텐츠를 동적으로 조정할 수 있습니다.
이 문서의 주요 대상에는 에이전트형 AI 애플리케이션을 빌드하고 관리하는 설계자, 개발자, 관리자가 포함됩니다. 이 아키텍처는 다양한 산업에서 대화형 및 스테이트풀(Stateful) 교육 애플리케이션을 만드는 데 적합합니다. 이 문서에서는 AI 에이전트 시스템에 대한 기본적인 이해가 있다고 가정합니다. 에이전트가 에이전트가 아닌 시스템과 어떻게 다른지에 대한 자세한 내용은 AI 에이전트, AI 어시스턴트, 봇의 차이점은 무엇인가요?를 참조하세요.
이 문서의 배포 섹션에는 대화형 학습 퀴즈를 관리하는 에이전트형 AI 애플리케이션을 배포하는 데 도움이 되는 코드 샘플 링크가 제공됩니다.
아키텍처
다음 다이어그램은 대화형 학습 에이전트의 대략적인 아키텍처를 보여줍니다.
이 아키텍처는 다음 데이터 흐름을 보여줍니다.
- 사용자가 Cloud Run에서 호스팅되는 퀴즈 애플리케이션 내에서 퀴즈를 시작하거나 답변을 제출하는 등의 작업을 수행합니다.
- 애플리케이션은 사용자의 입력을 AI 에이전트에 전달합니다.
AI 에이전트는 Gemini Enterprise Agent Platform의 Gemini 모델을 사용하여 사용자 입력을 해석합니다. 사용자의 요청에 따라 에이전트는 적절한 도구를 호출하여 요청된 퀴즈 작업을 수행합니다.
예를 들어 에이전트는 퀴즈 세션을 시작하거나, 답변을 평가하거나, 다음 질문을 생성하는 도구를 선택합니다.
에이전트가 퀴즈 애플리케이션에 대답을 전송합니다.
퀴즈 애플리케이션이 사용자에게 응답을 전달합니다.
퀴즈의 상태를 유지하고 환경을 맞춤설정하기 위해 에이전트는 다음 백그라운드 작업을 수행합니다.
- 에이전트는 Gemini Enterprise Agent Platform 세션에 저장된 세션 기록에 최신 퀴즈 진행 상황과 점수를 추가합니다.
- 에이전트는 퀴즈 데이터를 메모리로 변환하고 장기 기억을 위해 메모리 뱅크에 저장합니다. 에이전트는 메모리에 저장된 이전 데이터를 사용하여 향후 세션에서 상황에 맞는 대답을 생성합니다.
사용 제품
이 예시 아키텍처에서는 다음과 같은 Google Cloud 및 오픈소스 제품과 도구를 사용합니다.
- Cloud Run: Google의 확장 가능한 인프라에서 직접 컨테이너를 실행할 수 있게 해주는 서버리스 컴퓨팅 플랫폼입니다.
- 에이전트 개발 키트(ADK): AI 에이전트를 개발, 테스트, 배포하기 위한 도구 및 라이브러리 집합입니다.
- Gemini Enterprise Agent Platform: 엔터프라이즈급 AI 에이전트를 빌드, 확장, 제어, 최적화할 수 있는 포괄적인 플랫폼입니다.
- Gemini Enterprise Agent Platform 세션: 사용자와 에이전트 간의 상호작용 기록을 저장하고 검색하는 영구 스토리지 서비스입니다.
- 메모리 뱅크: 사용자가 에이전트와 나눈 대화를 기반으로 장기 메모리를 생성, 미세 조정, 관리, 검색하는 영구 스토리지 서비스입니다.
보안 고려사항
AI 에이전트의 고유한 보안 위험을 해결하기 위해 Google은 결정론적 보안 제어와 동적 추론 기반 방어를 결합하는 접근 방식을 권장합니다.
- 인간의 감독: 비즈니스에 중요한 시스템에 휴먼인더루프 흐름을 통합하여 인간 감독자가 출력을 검토하고 에이전트 작업을 승인, 재정의 또는 일시중지할 수 있도록 합니다.
- 에이전트 ID: 각 에이전트에 워크로드 바인딩 ID를 할당하여 최소 권한 액세스 제어를 적용하고 외부 도구의 사용자 인증 정보를 중앙에서 관리합니다.
- Agent Gateway: Model Armor를 사용하여 인그레스 및 이그레스 트래픽 거버넌스, 기본 거부 액세스 정책, 인라인 프롬프트 및 도구 검사를 시행합니다.
- Agent Registry: 에이전트가 승인된 하위 에이전트 및 MCP 도구에만 연결되는지 확인합니다.
이 섹션의 안내는 일부일 뿐 모든 내용을 포함하지는 않습니다. 설계 요소 및 권장사항에 대한 자세한 내용과 멀티 에이전트 AI 시스템 빌드 및 배포에 대한 권장사항은 Google Cloud의 멀티 에이전트 AI 시스템을 참조하세요.
배포
코딩 관련 퀴즈를 제공하는 이 아키텍처의 샘플 구현을 배포하려면 GitHub에서 제공되는 Python 튜터 코드 샘플을 사용하세요.
다음 단계
- (노트북) Cloud Run에서 ADK 에이전트를 위한 Agent Platform 세션 및 메모리 뱅크 시작하기
- (블로그) ADK를 사용한 상태 및 메모리에 대해 자세히 알아보세요.
- (Codelab) ADK로 프로덕션 AI 코드 검토 어시스턴트 빌드
- (동영상) 메모리 뱅크를 사용한 AI 에이전트 장기 메모리 시청하기
- Cloud Run에서 AI 에이전트를 호스팅하는 방법을 알아보세요.
- Google Cloud에서 AI 및 ML 워크로드와 관련된 아키텍처 원칙 및 권장사항에 대한 개요는 Well-Architected Framework의 AI 및 ML 관점을 참조하세요.
- 그 밖의 참조 아키텍처, 다이어그램, 튜토리얼, 권장사항을 알아보려면 Cloud 아키텍처 센터를 확인하세요.
참여자
저자: 사만다 헤 | 테크니컬 라이터
기타 참여자:
- 아미나 만수르 | 글로벌 개발자 관계 및 전략 콘텐츠 부문 기술 책임자
- 저자: 쿠마르 다나고팔 | 크로스 프로덕트 솔루션 개발자
- 메건 오키프 | Developer Advocate
- 레이첼 디컨 스미스 | Developer Advocate
- 시르 메이르 라도르 | 개발자 관계 엔지니어링 관리자