2026년 7월 31일, Google Developers Blog로부터 AI 에이전트 개발과 관련된 중요한 발표가 2건 있었습니다.
Gemini Enterprise Agent Platform의 평가 서비스(Agent/Model Evaluations)가 일반 제공(GA, General Availability) 시작 -
Genkit Go에, 필요할 때만 전문 지식을 읽어들이는 Agent Skills 기능 추가
두 발표 모두 "AI 에이전트를 어떻게 만드는가"가 아니라 "AI 에이전트의 품질을 어떻게 담보할 것인가·어떻게 효율적으로 확장할 것인가"라는, 실운용 단계에서 직면하는 과제에 응답하는 내용입니다. 특히 평가 서비스의 GA는, 지금까지 각 기업이 자체적으로 구축해 왔던 "개발 시의 실험 평가"와 "본방 트래픽의 품질 모니터링"을 일원화할 수 있다는 점에서, 에이전트 개발의 운영 비용과 직결되는 변경 사항입니다.
📌 영향을 받는 사람
- Gemini Enterprise Agent Platform 상에서 에이전트를 개발·운용하고 있는 팀
- Genkit Go로 에이전트를 구축하고 있으며, 문서나 도구 정의의 비대화로 고민하고 있는 개발자
- CI/CD 파이프라인에 에이전트의 품질 테스트를 포함시키고 싶은 사람
이번 두 가지 변경 사항은 모두 "에이전트에 전달하는 정보를, 필요한 타이밍과 필요한 범위만큼만 다룬다"는 사상으로 연결되어 있습니다. 평가 서비스는 품질 정보를, Agent Skills는 전문 지식을 각각 "온디맨드(On-demand)화"하고 있습니다.
평가 서비스 측은 "개발~본방의 일관된 측정", Genkit Go 측은 "단계적 공개(Progressive Disclosure)를 통한 컨텍스트 절약"이라는, 각각 서로 다른 레이어에서의 효율화로 이해하면 쉽습니다.
Gemini Enterprise Agent Platform의 evaluation service가 정식 출시되었습니다. 주요 포인트를 정리합니다.
| 항목 | 내용 |
|---|
| 대상 범위 | 로컬 개발 실험 + 본방 가동 중인 라이브 트래픽 |
| ... | |
지금까지 "개발 중에 프롬프트를 수동으로 평가하는 메커니즘"과 "본방에서의 모니터링"은 별개의 도구로 구축되는 경우가 많아, 평가 기준이 어긋나는 문제가 있었습니다. GA 버전은 동일한 엔진과 동일한 메트릭(Metrics) 정의를 양쪽 단계 모두에서 사용할 수 있기 때문에, 개발 시에는 좋았던 에이전트가 본방에서 저하되는(Eval-Prod Gap) 전형적인 문제를 검지하기 쉬워집니다.
Genkit Go에 progressive disclosure(단계적 공개) 아키텍처에 기반한 Agent Skills가 추가되었습니다.
- 지시·스크립트·참조 자료를
SKILL.md 번들로서 모듈화 - 통상 시에는 프런트매터(Frontmatter)의 메타데이터만이 시스템 프롬프트에 공개됨
- 태스크가 스킬의
description에 매치되는 순간, Genkit의 미들웨어가 본문과 에셋을 동적 로드
이는 에이전트에 대량의 도구 정의나 매뉴얼을 상시 읽히게 함으로써 컨텍스트 윈도우(Context Window)를 압박하고, 토큰 비용이 증가하는 문제에 대한 대책입니다.
💡 Tips
두 변경 사항 모두 기존 워크플로우를 깨뜨리는 파괴적 변경(Breaking Change)은 아닙니다. 기존의 에이전트 구현은 그대로 동작합니다.
Agent Platform을 사용 중인 팀: 독자적으로 구축해 왔던 평가 스크립트나 CI의 커스텀 저지(Custom Judge)를 GA 버전의 evaluation service로 통합할 수 있을지 검토할 가치가 있습니다. 특히 "개발 시 테스트와 본방 모니터링의 메트릭 정의가 일치하지 않는" 경우에는 통합할 좋은 기회입니다.
- Genkit Go로 에이전트를 개발 중인 팀: 도구나 문서가 많아 시스템 프롬프트가 비대해진 경우,
SKILL.md로 분리함으로써 토큰 비용을 절감할 수 있을 가능성이 있습니다.
- 지금 바로 대응이 필수적인 것은 아닙니다 (
action_required: false). 다만 중장기적으로 에이전트 운영 비용에 영향을 미치므로, 다음 스프린트의 검증 후보로 두는 것이 좋습니다.
# 로컬 실험과 본방 트래픽에 동일한 메트릭 세트를 적용하는 예
agents-cli eval run \
--agent my-support-agent \
...
동일한 메트릭 정의(response_quality 등)를 레지스트리에서 일원 관리함으로써, 개발 시와 본방에서 평가 기준이 어긋나는 것을 방지할 수 있습니다.
Before (모든 도구 정의 및 모든 매뉴얼을 항상 시스템 프롬프트에 포함)
// 모든 스킬의 상세 지침을 매번 프롬프트에 포함함
systemPrompt := loadFullSkillInstructions("refund-policy") +
loadFullSkillInstructions("shipping-policy") +
...
After (프론트매터(Frontmatter)만 공개하고, 필요할 때 본문을 로드)
# skills/refund-policy/SKILL.md
---
name: refund-policy
...
// 프론트매터만 초기 공개되며,
// 태스크가 description에 매치되는 시점에 Genkit 미들웨어가 본문을 동적 로드함
agent := genkit.NewAgent(
...
이를 통해 시스템 프롬프트에는 각 스킬의 name과 description만 포함되며, 실제로 해당 스킬이 필요해진 시점에 본문이 읽히기 때문에 사용되지 않는 스킬에 대한 토큰 소비를 억제할 수 있습니다.
Genkit Go의 Agent Skills를 통해 SKILL.md를 점진적 공개(Progressive disclosure) 방식으로 관리하여, 컨텍스트 비대화와 토큰 소비를 억제할 수 있게 되었습니다.
두 기능 모두 파괴적 변경(Breaking change)이 아니며 기존 구현에 미치는 영향은 없으나, 평가 기반의 통일이나 컨텍스트 최적화라는 관점에서 중장기적으로 에이전트 운영 비용을 좌우할 변경 사항입니다. 다음 로드맵 검토 시 후보로 고려해 두어야 합니다.
