Google ADK는 Google Agent Development Kit의 약자로, Google이 공개한 오픈소스 프레임워크다. 이 도구는 추론하고, 정보를 기억하며, 도구를 사용하고, 다른 에이전트와 상호작용하며, 조율된 작업을 실행하는 AI 에이전트를 생성, 디버깅, 평가, 배포하는 데 쓰인다. 존 불라(John Bulla)는 July 26 개발자 가이드에서 이 프레임워크를 설명하며, 텍스트·이미지·코드·오디오를 생성하는 생성형 AI 시스템에서 목표를 이해하고 맥락을 분석하며 단계와 API 연결, 실행까지 수행하는 에이전틱 AI 시스템으로의 전환 속에 ADK를 배치했다.

AI 에이전트는 인공지능 모델을 사용해 상황을 이해하고 추론하며 목표 지향적 행동을 실행하는 애플리케이션이다. 가이드는 에이전트를 기존 챗봇과 구분한다. 챗봇은 보통 질문을 받아 응답을 생성하지만, 에이전트는 요청을 해석하고 맥락을 분석하며 단계 결정, 도구 선택과 사용, API·데이터베이스·외부 서비스 조회, 다른 에이전트로의 작업 위임, 결과 평가, 응답 제공 또는 행동 실행까지 수행할 수 있다. Google ADK에서 에이전트는 일반적으로 AI 모델, 행동 지침, 선택적 도구로 구성된다.

Google ADK는 Gemini 모델과 Google Cloud 서비스에 최적화돼 있다. 다만 가이드는 이 아키텍처가 다른 모델, 도구, 배포 환경도 허용한다고 설명했다. Google은 ADK를 기업 규모에서 신뢰할 수 있는 에이전트를 구축, 디버깅, 배포하기 위한 개방형 프레임워크로 제시한다. 현재 프레임워크는 Python, TypeScript, Go, Java, Kotlin 구현을 갖춰 서로 다른 프로그래밍 생태계를 쓰는 팀의 도입을 지원한다.

가이드는 여러 전문 에이전트가 협업하고 정보를 공유하며 문제를 별도 책임으로 나눌 수 있다는 점을 ADK의 핵심 장점으로 든다. 한 예시에서는 한 에이전트가 정보를 조회하고, 다른 에이전트가 이를 분석하며, 세 번째 에이전트가 최종 응답을 생성한다. 가이드는 이런 구조가 솔루션을 더 모듈화하고 유지보수를 쉽게 하며, 프로젝트 요구사항이 늘어날 때 진화하기 더 적합하게 만든다고 밝혔다.

ADK는 서로 다른 AI 모델과의 호환성도 지원해 개발자가 비용, 성능, 응답 속도, 추론 능력, 데이터 프라이버시, 실행 환경에 따라 모델을 선택할 수 있게 한다. 통합 생태계는 에이전트가 Gemini, Google Cloud, API, 데이터베이스, 기업용 애플리케이션, 서드파티 도구와 연결되도록 한다. 가이드는 이러한 연결을 통해 에이전트가 단순히 답변을 생성하는 데 그치지 않고 최신 정보에 접근하고 작업을 실행하며 비즈니스 프로세스에 참여할 수 있다고 설명했다.

이 프레임워크는 에이전트 워크플로를 구성하기 위해 순차, 병렬, 계층형, 위임 기반 조정 패턴을 제공한다. 여러 에이전트는 응답 시간을 줄이기 위해 동시에 작업을 실행하거나, 고정된 순서를 따르거나, 감독 에이전트 아래에서 작동할 수 있다. ADK의 코드 기반 문법은 에이전트, 지침, 도구, 워크플로를 명확히 정의하도록 설계됐으며, 몇 줄의 코드로 작성한 단순한 에이전트에서 출발해 컴포넌트 재사용, 버전 관리, 점진적 확장을 지원한다.

Google ADK는 프로토타이핑, 로컬 테스트, 상호작용 검사, 도구 사용 분석, 디버깅, 운영 배포 전 에이전트 응답과 단계 평가를 위한 개발자 도구를 포함한다. 또한 가이드는 Model Context Protocol, 즉 MCP(외부 도구용 표준 인터페이스), Agent2Agent, 즉 A2A(에이전트 간 통신 프로토콜)와의 호환성을 독점 통합에 대한 의존도를 낮추는 방식으로 언급했다. 결론에서는 ADK가 모델, 지침, 도구, 메모리, 세션, 평가 메커니즘을 연결하며, Google Cloud 통합이 시스템을 로컬 개발에서 확장 가능한 배포로 옮기는 데 도움을 준다고 설명했다.

Google ADK는 Google Agent Development Kit의 약자로, Google이 공개한 오픈소스 프레임워크다. 이 도구는 추론하고, 정보를 기억하며, 도구를 사용하고, 다른 에이전트와 상호작용하며, 조율된 작업을 실행하는 AI 에이전트를 생성, 디버깅, 평가, 배포하는 데 쓰인다. 존 불라(John Bulla)는 July 26 개발자 가이드에서 이 프레임워크를 설명하며, 텍스트·이미지·코드·오디오를 생성하는 생성형 AI 시스템에서 목표를 이해하고 맥락을 분석하며 단계와 API 연결, 실행까지 수행하는 에이전틱 AI 시스템으로의 전환 속에 ADK를 배치했다.

AI 에이전트는 인공지능 모델을 사용해 상황을 이해하고 추론하며 목표 지향적 행동을 실행하는 애플리케이션이다. 가이드는 에이전트를 기존 챗봇과 구분한다. 챗봇은 보통 질문을 받아 응답을 생성하지만, 에이전트는 요청을 해석하고 맥락을 분석하며 단계 결정, 도구 선택과 사용, API·데이터베이스·외부 서비스 조회, 다른 에이전트로의 작업 위임, 결과 평가, 응답 제공 또는 행동 실행까지 수행할 수 있다. Google ADK에서 에이전트는 일반적으로 AI 모델, 행동 지침, 선택적 도구로 구성된다.

Google ADK는 Gemini 모델과 Google Cloud 서비스에 최적화돼 있다. 다만 가이드는 이 아키텍처가 다른 모델, 도구, 배포 환경도 허용한다고 설명했다. Google은 ADK를 기업 규모에서 신뢰할 수 있는 에이전트를 구축, 디버깅, 배포하기 위한 개방형 프레임워크로 제시한다. 현재 프레임워크는 Python, TypeScript, Go, Java, Kotlin 구현을 갖춰 서로 다른 프로그래밍 생태계를 쓰는 팀의 도입을 지원한다.

가이드는 여러 전문 에이전트가 협업하고 정보를 공유하며 문제를 별도 책임으로 나눌 수 있다는 점을 ADK의 핵심 장점으로 든다. 한 예시에서는 한 에이전트가 정보를 조회하고, 다른 에이전트가 이를 분석하며, 세 번째 에이전트가 최종 응답을 생성한다. 가이드는 이런 구조가 솔루션을 더 모듈화하고 유지보수를 쉽게 하며, 프로젝트 요구사항이 늘어날 때 진화하기 더 적합하게 만든다고 밝혔다.

ADK는 서로 다른 AI 모델과의 호환성도 지원해 개발자가 비용, 성능, 응답 속도, 추론 능력, 데이터 프라이버시, 실행 환경에 따라 모델을 선택할 수 있게 한다. 통합 생태계는 에이전트가 Gemini, Google Cloud, API, 데이터베이스, 기업용 애플리케이션, 서드파티 도구와 연결되도록 한다. 가이드는 이러한 연결을 통해 에이전트가 단순히 답변을 생성하는 데 그치지 않고 최신 정보에 접근하고 작업을 실행하며 비즈니스 프로세스에 참여할 수 있다고 설명했다.

이 프레임워크는 에이전트 워크플로를 구성하기 위해 순차, 병렬, 계층형, 위임 기반 조정 패턴을 제공한다. 여러 에이전트는 응답 시간을 줄이기 위해 동시에 작업을 실행하거나, 고정된 순서를 따르거나, 감독 에이전트 아래에서 작동할 수 있다. ADK의 코드 기반 문법은 에이전트, 지침, 도구, 워크플로를 명확히 정의하도록 설계됐으며, 몇 줄의 코드로 작성한 단순한 에이전트에서 출발해 컴포넌트 재사용, 버전 관리, 점진적 확장을 지원한다.

Google ADK는 프로토타이핑, 로컬 테스트, 상호작용 검사, 도구 사용 분석, 디버깅, 운영 배포 전 에이전트 응답과 단계 평가를 위한 개발자 도구를 포함한다. 또한 가이드는 Model Context Protocol, 즉 MCP(외부 도구용 표준 인터페이스), Agent2Agent, 즉 A2A(에이전트 간 통신 프로토콜)와의 호환성을 독점 통합에 대한 의존도를 낮추는 방식으로 언급했다. 결론에서는 ADK가 모델, 지침, 도구, 메모리, 세션, 평가 메커니즘을 연결하며, Google Cloud 통합이 시스템을 로컬 개발에서 확장 가능한 배포로 옮기는 데 도움을 준다고 설명했다.