IT 리더들은 AI 에이전트를 신속하게 구축하고 배포해야 하는 압박에 직면해 있지만, 근본적인 엔지니어링 복잡성은 상당합니다. 이러한 복잡성에는 파편화된 도구, 데이터 보안 문제, 예산 관리가 포함됩니다. Gemini Enterprise Agent Platform은 에이전트 구축, 확장, 거버넌스 및 최적화를 위한 통합 환경을 제공하여 이를 단순화하는 것을 목표로 합니다. 이러한 과제를 헤쳐나가기 위해서는 엔지니어링 팀에 구체적인 질문을 하는 것이 중요합니다.구축 단계는 애플리케이션을 누가 구축하는지 이해하는 것부터 시작됩니다. AI 생성은 더 이상 하이코드 엔지니어만의 전유물이 아니기 때문입니다. 개발자는 코딩을 가속화하기 위해 전문화된 AI 도구가 필요하지만, 이러한 도구는 종종 필수적인 엔터프라이즈 데이터와의 연결이 부족합니다. 특정 확장이 포함된 Google Antigravity는 핵심 애플리케이션, 데이터 및 Google Cloud 엔지니어에게 권장됩니다.에이전트가 인간과의 상호 작용을 위해 구축되는지 아니면 다른 에이전트를 위해 구축되는지 여부를 결정하는 것이 필수적입니다. 이는 설계 요구 사항을 결정하기 때문입니다. 인간과의 상호 작용의 경우 사용자 경험에 중점을 두고, 에이전트 간 통신의 경우 Agent2Agent와 같은 프로토콜을 사용하여 상호 운용성을 우선시합니다. 올바른 개발 도구를 선택하려면 네 가지 단계의 사다리를 고려해야 합니다. 로우코드용 Agent Studio, 서비스형 에이전트용 Managed Agents API, 고급 코딩용 Antigravity 2.0, 고도로 사용자 정의된 네트워크용 Agent Development Kit(ADK 2.0)입니다.초기 개발의 경우 정확성과 효율성을 유지하기 위해 단일 전문 에이전트로 시작하는 것이 좋습니다. 복잡성이 증가함에 따라 전문화된 에이전트가 협업하는 다중 에이전트 시스템으로 전환하는 것이 권장됩니다. 엔터프라이즈 데이터 연결에는 에이전트에게 정확한 의사 결정을 위한 필요한 컨텍스트와 논리를 제공하기 위해 Model Context Protocol(MCP)과 같은 개방형 표준이 필요합니다.다른 프레임워크에서 구축된 에이전트가 통신할 수 있도록 하려면 Agent2Agent(A2A) 프로토콜이 보편적인 통신을 가능하게 합니다. 에이전트는 성능 저하 및 비용 증가를 피하기 위해 집중된 에이전트 스킬을 사용하여 필요한 도구를 동적으로 검색해야 합니다. 확장은 탄력적인 자동 확장 및 안전한 개인 네트워킹을 제공하는 Agent Runtime과 같은 완전 관리형 서버리스 실행 환경에 에이전트를 배포해야 합니다.장기 실행 작업을 관리하기 위해 에이전트는 단기 및 장기 메모리가 모두 필요하며, Agent Platform은 즉각적인 세션 상태 및 영구 스토리지를 처리합니다. 스크립트를 실행하거나 웹을 검색하는 에이전트의 잠재적 피해 범위를 제한하는 것이 중요합니다. 이는 임시 격리된 샌드박스 환경에서 이러한 작업을 실행하여 달성됩니다.