Agent Factory 요약: Gemini 3, AI Studio, Antigravity, Nano Banana를 활용한 구축

The Agent Factory!에 다시 오신 것을 환영합니다! 이번 주에는 단순한 홍보를 넘어 Google의 방대한 AI 출시 물결에 담긴 기술적 세부 사항을 분석했습니다. DeepMind의 Developer Relations UTL인 Paige Bailey와 함께 새로운 Gemini 3 모델부터 Antigravity IDE까지 모든 것을 파헤쳐 보았습니다.

Google은 거의 매일 새로운 모델이나 기능을 출시하며 엄청난 속도로 제품을 내놓고 있습니다. 이번 에피소드는 개발자들이 이러한 도구들을 지금 당장 어떻게 활용할 수 있는지에 초점을 맞추고 있습니다.

이 포스트는 우리 대화의 핵심 아이디어를 안내합니다. 주제를 빠르게 요약하거나, 링크와 타임스탬프를 통해 특정 세그먼트를 더 깊이 파고드는 데 활용하세요.

기술 스택 (The Tech Stack) - 그것은 무엇인가?

이번 에피소드에서는 몇 가지 새로운 이름들을 다루었습니다. 논의된 기술에 대한 간단한 입문 정보는 다음과 같습니다:

• Gemini 3: Google 모델 제품군의 최신 반복 버전입니다. Gemini 1이 이해(understanding)에 관한 것이었고 Gemini 2가 추론(reasoning)에 관한 것이었다면, Gemini 3는 **행동 및 코딩 (acting and coding)**을 위해 설계되었습니다. 개선된 도구 사용(tool use) 및 함수 호출(function calling) 기능을 특징으로 합니다.

• Antigravity: Gemini 3를 코딩 워크플로에 직접 통합하도록 설계된 Google의 새로운 AI 네이티브 IDE (통합 개발 환경, Integrated Development Environment)입니다. 스크린샷과 같은 멀티모달(multimodal) 입력을 통해 코드 변경을 유도할 수 있습니다.

• Nano Banana Pro: 미디어 생성 시리즈의 최신 버전으로, 고충실도(high-fidelity) 이미지, 복셀 아트(voxel art) 및 게임 에셋을 생성할 수 있습니다.

공장 현장 (The Factory Floor)

공장 현장 (The Factory Floor)

공장 현장 (The Factory Floor)은 직접 실습해 보는 세션입니다. 여기서는 고차원적인 개념에서 벗어나 라이브 데모와 함께 실질적인 코드로 넘어갔습니다.

Gemini 3를 활용한 "Nordic Shield" 구축

타임스탬프: 11:20

Paige는 AI Studio의 "Build" 기능을 사용하여 복잡한 React 애플리케이션을 처음부터 만드는 과정을 시연했습니다. 목표는 모델의 자기 수정 (self-correct) 능력과 특정 디자인 제약 조건을 처리하는 능력을 테스트하는 것이었습니다.

• 프롬프트 (The Prompt): 웹캠과 마이크를 사용하는 보험 카탈로깅 앱을 생성하세요. "Nordic/IKEA" 스타일의 디자인 테마, 인벤토리 목록, 그리고 Google Search 그라운딩 (grounding)을 사용하여 아이템 가치를 추정하는 기능이 필요합니다.

• 과정 (The Process): Gemini 3는 React Native 앱을 생성하고, 디렉토리 구조를 설정하며, 에이전트 (agents)를 위한 자체 프롬프트를 작성했습니다.

• 결과 (The Result): "Nordic Shield"라는 이름의 이 앱은 비디오를 통해 아이템(Pixel 7 및 탄산음료 캔 등)을 성공적으로 카탈로깅했습니다. 오디오 문제가 발생했을 때, 실시간으로 문제를 디버깅하기 위한 추론 트레이스 (reasoning trace)를 생성했습니다. 또한 대화를 위해 Gemini Live를 성공적으로 활용했으며, 아이템의 추정 가치를 Google에서 검색하기 위한 2차적인 "에이전트적 (agentic)" 단계를 실행했습니다.

Antigravity를 활용한 웹사이트 리디자인

타임스탬프: 30:27

분위기를 바꿔 Google의 새로운 IDE인 Antigravity를 살펴보았습니다. 목표는 스크린샷만을 가이드로 사용하여, 텍스트 위주의 기존 웹사이트를 새롭고 활기찬 "네오 브루탈리즘 (neo-brutalist)" 디자인 미학에 맞게 업데이트하는 것이었습니다.

• 입력 (The Input): 기존 코드베이스와 원하는 시각적 스타일(낙서 같은, 파스텔 톤, 노트 같은 느낌)을 담은 두 장의 스크린샷.

• 구현 (The Implementation): Antigravity는 디자인 철학을 이해하기 위해 이미지를 분석했습니다. 또한, 계획에서 벗어나지 않도록 작업 목록과 구현 계획을 생성했습니다.

• 결과 (The Outcome): IDE는 브랜드 가이드라인에 맞춰 사이트를 성공적으로 리팩터링(refactoring)했으며, "흔들리는 알약(jiggling pill)" UI 요소들을 도입하고 색상 팔레트를 제공된 스크린샷과 완벽하게 일치하도록 업데이트했습니다.

Gemini의 진화에 관한 Paige Bailey의 이야기

우리는 DeepMind가 모델의 급격한 진화에 어떻게 접근하고 있는지, 그리고 이것이 오늘날 에이전트(agents)를 구축하는 개발자들에게 무엇을 의미하는지 이해하기 위해 Paige와 자리를 함께했습니다.

Gemini의 3단계

타임스탬프: 2:49

Paige는 Gemini 제품군의 명확한 진화 경로를 설명했습니다. 그녀는 초기 Gemini가 멀티모달 이해 (multimodal understanding) (비디오, 텍스트, 오디오)에 집중했다고 설명했습니다. Gemini 2는 단계별로 추론하고 계획하는 능력인 **사고 (thinking)**를 도입했습니다. 현재 버전인 Gemini 3는 **행동 (acting)**에 관한 것입니다. 이 모델은 자신의 추론을 바탕으로 행동하도록 최적화되어 있으며, 특히 코딩과 도구 사용 (tool use)을 통해 모델들이 고립되어 작동하는 대신 함께 협력하는 복합 아키텍처 (composite architectures)를 가능하게 합니다.

사전 학습 (Pre-Training) vs. 사후 학습 (Post-Training)

타임스탬프: 4:55

우리는 이러한 모델들의 "교육 (schooling)"에 대해 논의했습니다. Paige는 아주 좋은 비유를 들었습니다:

• **사전 학습 (Pre-training)**은 모델을 학교에 보내는 것과 같습니다. 이는 Gemini가 기초를 학습할 수 있도록 방대한 양의 토큰(인터넷 데이터, 합성 데이터, 비디오 게임 영상 등)에 접근할 수 있도록 하는 과정을 포함합니다.

• **사후 학습 (Post-training)**은 "현장 실습 (on-the-job experience)"입니다. 이 단계에서 DeepMind는 웹사이트 편집이나 단일 작업을 완수하기 위해 여러 도구를 사용하는 멀티턴 대화(multi-turn conversations)와 같이 복잡한 워크플로우에 대한 구체적이고 수작업으로 큐레이션된 예시를 제공합니다.

Vending Bench

타임스탬프: 6:48

벤치마크(Benchmarks)가 변화하고 있습니다. Paige는 Vending Bench라고 불리는 매혹적인 새로운 평가 지표를 소개했습니다. 이 테스트는 수동적인 비즈니스, 구체적으로는 자판기를 운영하는 모델의 능력을 측정합니다. 모델은 재고를 파악하고, 품목을 재주문하며, 재입고 담당자를 배치하고, 가동 시간을 최대화하기 위한 장기 계획을 세워야 합니다. 점수는 모델이 1년 동안 얼마나 많은 이익을 창출하느냐에 따라 결정됩니다. 현재 Gemini 3 Pro는 기기당 약 $5,462를 창출하고 있으며, 이는 장기적인 전략적 의사 결정 능력에서 상당한 개선을 보여줍니다.

Nano Banana를 활용한 창의적 멀티모달리티 (Multimodality)

타임스탬프: 28:34

우리는 또한 스택의 창의적인 측면에 대해서도 다루었습니다. Paige는 추론(reasoning)을 멀티모달 출력과 결합할 때 가능성이 폭발적으로 확장된다는 점을 강조했습니다. 그녀는 Nano Banana Pro가 게임 에셋, 3D 모델링을 위한 정투영 도면(예: 성), 그리고 상세한 물리 설명 자료를 생성하는 데 사용되는 사례들을 공유했습니다. 핵심적인 시사점은 이러한 미디어 모델들을 검색 그라운딩(search grounding)과 결합하여 정확하고 충실도 높은 시각적 에셋을 생성할 수 있는 힘입니다.

결론

단순히 모델뿐만 아니라, 하드웨어에서 Antigravity와 같은 IDE(통합 개발 환경)에 이르기까지 Google이 구축하고 있는 전체 생태계를 보는 것은 놀라운 일입니다. 이러한 에이전트(agents)를 클릭 한 번으로 Google Cloud에 직접 배포할 수 있는 능력은 멋진 데모와 프로덕션 준비가 된 애플리케이션(production-ready application) 사이의 간극을 메워줍니다.

Paige가 언급했듯이, 그 궤적은 기하급수적입니다. 여러분이 수동적 비즈니스(passive businesses)를 구축하든 복잡한 코딩 에이전트(coding agents)를 구축하든, 도구들은 준비되어 있습니다.

여러분의 구축 차례입니다

아직 해보지 않으셨다면, AI Studio로 이동하거나 Gemini API를 사용해 보세요.

"Vending Bench" 챌린지에 직접 도전해 보세요. Gemini 3보다 더 나은 비즈니스를 운영하는 에이전트를 구축할 수 있을까요?

여러분이 무엇을 구축했는지 저희에게 알려주세요!

저희와 연결하세요

• Amit Maraj → LinkedIn, X, TikTok

• Paige Bailey → LinkedIn, X