Google 전략 개요 & A2A 프로토콜

이 문서는 GenAI 개념 섹션의 일부입니다.

Google은 AI Agent 시대에 Full-Stack Agent 플랫폼 전략을 추구합니다. 모델(Gemini), 프로토콜(A2A), 프레임워크(ADK), 빌더 플랫폼(Vertex AI Agent Builder), 엔터프라이즈 배포(Agentspace/Gemini Enterprise), 소비자 에이전트(Jules, Mariner, Astra)까지 — 에이전트의 전체 생애주기를 수직 통합하는 것이 핵심입니다.

참고 학습 목표

Google의 AI Agent 전략이 다른 빅테크(Microsoft, Amazon, Anthropic)와 어떻게 다른지 설명할 수 있다
A2A 프로토콜의 설계 원칙과 MCP와의 관계를 이해한다
Vertex AI Agent Builder의 구성 요소와 엔터프라이즈 Agent 구축 방법을 파악한다
ADK(Agent Development Kit)의 멀티에이전트 패턴을 코드 수준에서 이해한다
Google의 소비자 에이전트(Jules, Mariner, Astra)의 현재 상태와 전략적 위치를 분석한다
Databricks 고객 관점에서 Google Agent 생태계의 시사점을 도출한다

1. 전략 개요 — Google의 Full-Stack Agent 비전

Google의 AI Agent 전략은 “모델에서 프로토콜까지, 하나의 생태계로” 라는 비전 아래 설계되었습니다. 이는 OpenAI(모델 + API 중심), Microsoft(Copilot + Azure 통합 중심), Anthropic(모델 품질 + 안전성 중심)과는 근본적으로 다른 접근입니다.

Google Agent 스택 전체 구조

레이어	구성 요소	역할
모델	Gemini 2.5 Pro, Deep Think	Agent의 두뇌. 추론, 계획, 코드 생성
프로토콜	A2A (Agent-to-Agent)	Agent 간 통신 표준. MCP와 상호 보완
프레임워크	ADK (Agent Development Kit)	코드 중심 Agent 개발. 멀티에이전트 패턴 내장
빌더	Vertex AI Agent Builder	노코드/로우코드 Agent 구축 + 거버넌스
엔터프라이즈	Agentspace / Gemini Enterprise	기업 내 Agent 배포, 검색, 갤러리
소비자	Jules, Mariner, Astra, NotebookLM	특화 도메인별 에이전트 제품

주의 전략적 맥락: Google은 검색 시장에서의 지배력이 AI Agent 시대에 약화될 수 있다는 위기감을 갖고 있습니다. 사용자가 “검색” 대신 “에이전트에게 질문”하는 패턴으로 이동하면, 광고 기반 수익 모델의 근간이 흔들립니다. 이것이 Google이 Agent 생태계 전체를 수직 통합하려는 핵심 동기입니다.

타임라인

시기	이벤트	의미
2024.12	Gemini 2.0 Flash + Project Mariner, Jules 발표	소비자 Agent 시장 진출 선언
2024.12	Project Astra 데모	실시간 멀티모달 Agent 비전
2025.03	Gemini 2.5 Pro 출시, Vertex AI Agent Builder GA	Agent의 두뇌 + 빌더 플랫폼 동시 완성
2025.04	A2A 프로토콜 v0.2 공개, ADK v1.0(Python) 출시	프로토콜 + 프레임워크 레이어 확립
2025.06	A2A v0.3 (gRPC 지원)	프로토콜 성능 강화
2025.08	Jules GA 출시	코딩 Agent 상용화
2025.10	Agentspace -> Gemini Enterprise 리브랜딩	엔터프라이즈 Agent 플랫폼 본격화
2025.11	A2A, Linux Foundation에 기부	개방형 표준으로의 전환

2. A2A 프로토콜 (Agent-to-Agent)

A2A는 Google이 2025년 4월에 공개한 Agent 간 통신을 위한 개방형 프로토콜 입니다. 서로 다른 프레임워크, 벤더, 언어로 구현된 Agent들이 상호 운용(interoperate)할 수 있도록 하는 것이 목표입니다.

핵심 설계 원칙

원칙	설명
Agent Card	각 Agent가 자신의 능력(capabilities), 입력/출력 형식, 인증 방식을 JSON으로 기술하는 자기 소개서
Task 기반 통신	Agent 간 상호작용은 Task(작업) 단위로 이루어짐. 상태 머신: `submitted -> working -> completed/failed`
Streaming 지원	SSE(Server-Sent Events) 기반 실시간 스트리밍. v0.3부터 gRPC도 지원
Push Notification	장시간 실행 Task에 대한 비동기 알림 지원
Opaque 실행	요청하는 Agent는 실행 Agent의 내부 구현을 알 필요 없음 (캡슐화)

A2A vs MCP — 상호 보완 관계

참고 핵심: A2A와 MCP는 경쟁이 아닌 상호 보완 관계입니다. MCP는 “Agent가 도구를 어떻게 사용하는가”(수직적), A2A는 “Agent가 다른 Agent와 어떻게 대화하는가”(수평적)를 정의합니다.

비교 항목	A2A	MCP (Anthropic)
목적	Agent-to-Agent 통신	Agent-to-Tool 연결
관계 유형	대등한 피어(peer-to-peer)	클라이언트-서버 (Agent가 Tool을 호출)
추상화 수준	고수준 (Task, 대화, 협업)	저수준 (함수 호출, 데이터 조회)
상태 관리	Task 상태 머신 내장	상태 없음 (stateless)
스트리밍	SSE + gRPC	SSE
표준화 기구	Linux Foundation 기부 (2025.11)	오픈 소스 (Anthropic 주도)
생태계 규모	150+ 참여 조직	수천 개 커뮤니티 서버

Agent Card 예시

{
  "name": "expense-report-agent",
  "description": "경비 보고서를 자동으로 생성하고 승인 워크플로를 관리합니다",
  "url": "https://agents.example.com/expense",
  "version": "1.2.0",
  "capabilities": {
    "streaming": true,
    "pushNotifications": true,
    "stateTransitionHistory": true
  },
  "authentication": {
    "schemes": ["OAuth2"],
    "credentials": "https://auth.example.com/.well-known/oauth"
  },
  "defaultInputModes": ["text/plain", "application/json"],
  "defaultOutputModes": ["text/plain", "application/json", "image/png"],
  "skills": [
    {
      "id": "create-report",
      "name": "경비 보고서 생성",
      "description": "영수증 이미지와 설명을 받아 경비 보고서를 생성합니다",
      "tags": ["finance", "expense", "report"]
    },
    {
      "id": "approval-workflow",
      "name": "승인 워크플로",
      "description": "생성된 보고서에 대한 다단계 승인을 관리합니다",
      "tags": ["workflow", "approval"]
    }
  ]
}

현실적 평가

주의 솔직한 평가: A2A는 비전은 매력적이나, 2025년 말 현재 실제 도입 속도는 예상보다 느립니다.

150+ 참여 조직 이라는 숫자는 “관심 표명” 수준이며, 프로덕션 배포는 소수
MCP가 “도구 연결”이라는 즉각적인 실용성으로 빠르게 확산된 반면, A2A의 “Agent 간 협업”은 아직 대부분의 기업에서 필요 단계에 도달하지 않음
Linux Foundation 기부는 중립성을 높이려는 시도이나, 실제 거버넌스 주도권은 여전히 Google에 집중
gRPC 지원(v0.3)은 대규모 배포에서의 성능 문제를 해결하려는 진전

결론: A2A는 “필요할 때 알아야 하는 기술”이지, “지금 당장 도입해야 하는 기술”은 아닙니다. 하지만 멀티에이전트 시스템이 보편화되면 핵심 인프라가 될 가능성이 높습니다.

3. Vertex AI Agent Builder

Vertex AI Agent Builder는 Google Cloud의 엔터프라이즈 Agent 구축 플랫폼 으로, 2025년 3월 GA(General Availability)되었습니다. “코드를 모르는 비즈니스 사용자부터 코드를 선호하는 개발자까지” 모두를 타겟으로 합니다.

핵심 구성 요소

구성 요소	역할	상세
Agent Engine	Agent 런타임 + 관리	Agent 실행, 세션 관리, 메모리, 로깅. ADK/LangGraph 등 다양한 프레임워크 지원
Agent Designer	노코드 Agent 빌더	드래그 앤 드롭으로 Agent 워크플로 설계. 비개발자용
Tool Governance	도구 접근 제어	어떤 Agent가 어떤 Tool을 사용할 수 있는지 중앙에서 관리. IAM 연동
Context Layers	문맥 관리	세션 문맥, 사용자 프로필, 조직 정책 등 다층 문맥 주입
Agent Identity	Agent 인증/인가	각 Agent에 고유 ID 부여. OAuth, OIDC 기반 인증. 감사 추적

Tool Governance — 핵심 차별점

Tool Governance는 엔터프라이즈 환경에서 “어떤 Agent가 어떤 Tool을 언제 사용할 수 있는가” 를 중앙에서 관리합니다.

정책 유형	예시
접근 제어	”경비 에이전트는 SAP API만 호출 가능”
승인 워크플로	”1000만원 이상 결제 Tool 호출 시 관리자 승인 필요”
사용량 제한	”분당 최대 100회 외부 API 호출”
데이터 분류	”PII 데이터를 포함하는 Tool은 특정 Agent만 접근”
감사 로그	”모든 Tool 호출을 Cloud Audit Logs에 기록”

4. Gemini 2.5 Pro & Deep Research

Gemini 2.5 Pro는 2025년 3월 출시된 Google의 최신 플래그십 모델로, Agent의 두뇌 역할을 합니다.

핵심 역량

역량	설명
Thinking Model	답변 전에 내부적으로 추론 과정(chain-of-thought)을 수행. “생각하는 모델”
Deep Think	복잡한 문제에 대해 더 깊은 추론을 수행하는 모드. 수학, 코딩, 과학 문제에서 탁월
1M+ Context	100만 토큰 이상의 컨텍스트 윈도우. 대규모 코드베이스, 긴 문서 전체를 한 번에 처리
네이티브 Tool Use	Function Calling이 모델 학습 과정에 내장. 별도의 프롬프트 엔지니어링 없이 Tool 사용
멀티모달	텍스트, 이미지, 오디오, 비디오를 동시에 처리

Deep Research Agent

Deep Research는 Gemini 2.5 Pro 위에 구축된 연구 특화 Agent 입니다. 작동 방식:

연구 계획 수립: 사용자의 질문을 분석하여 다단계 연구 계획을 자동 생성
반복적 검색 & 분석: 수십 개의 웹 소스를 자동으로 검색, 읽기, 분석
교차 검증: 여러 소스의 정보를 교차 비교하여 정확성 검증
구조화된 보고서 생성: 참고 문헌이 포함된 종합 보고서를 자동 작성

GenAI 핵심 개념

RAG (검색 증강 생성)

ML 핵심 개념

MCP (Model Context Protocol)

개요

2026년 4월 핫 키워드

기업별 동향 분석

Google 전략 개요 & A2A 프로토콜

1. 전략 개요 — Google의 Full-Stack Agent 비전

Google Agent 스택 전체 구조

타임라인

2. A2A 프로토콜 (Agent-to-Agent)

핵심 설계 원칙

A2A vs MCP — 상호 보완 관계

Agent Card 예시

현실적 평가

3. Vertex AI Agent Builder

핵심 구성 요소

Tool Governance — 핵심 차별점

4. Gemini 2.5 Pro & Deep Research

핵심 역량

Deep Research Agent

​1. 전략 개요 — Google의 Full-Stack Agent 비전

​Google Agent 스택 전체 구조

​타임라인

​2. A2A 프로토콜 (Agent-to-Agent)

​핵심 설계 원칙

​A2A vs MCP — 상호 보완 관계

​Agent Card 예시

​현실적 평가

​3. Vertex AI Agent Builder

​핵심 구성 요소

​Tool Governance — 핵심 차별점

​4. Gemini 2.5 Pro & Deep Research

​핵심 역량

​Deep Research Agent

1. 전략 개요 — Google의 Full-Stack Agent 비전

Google Agent 스택 전체 구조

타임라인

2. A2A 프로토콜 (Agent-to-Agent)

핵심 설계 원칙

A2A vs MCP — 상호 보완 관계

Agent Card 예시

현실적 평가

3. Vertex AI Agent Builder

핵심 구성 요소

Tool Governance — 핵심 차별점

4. Gemini 2.5 Pro & Deep Research

핵심 역량

Deep Research Agent