Gemini Spark는 잊으세요 — Managed Agents API가 Google I/O 2026의 진정한 게임 체인저입니다

이 글은 Google I/O Writing Challenge를 위한 제출물입니다.

모두가 개인용 AI 에이전트인 Gemini Spark에 대해 이야기하고 있습니다. 또는 Gemini 3.5 Flash와 그 놀라운 벤치마크(benchmarks), 혹은 삼성의 스마트 글래스에 대해서도 말이죠. 하지만 무언가를 만드는 개발자라면, Google I/O 2026에서 가장 중대한 발표가 더 화려한 데모들에 묻혀버렸다는 사실을 알 것입니다. 그리고 그것은 여러분의 온전한 주의를 기울일 가치가 있습니다.

Google은 Managed Agents API를 출시했습니다. 단 한 번의 API 호출. 완전한 Linux 샌드박스(sandbox). 추론하고, 코드를 작성하며, 도구를 호출하고, 세션 전반에 걸쳐 상태를 유지(persists state)하는 에이전트입니다. Docker도, Kubernetes도, 관리해야 할 인프라(infrastructure)도 필요 없습니다. 이것이 왜 모든 것을 바꾸는지 보여드리겠습니다.

Managed Agents API란 정확히 무엇인가?

Developer Keynote에서 Google은 에이전트 워크플로우(agentic workflows)에 최적화된 Gemini 구축을 위한 새로운 표준인 Interactions API를 소개했습니다. 그 중심에는 Managed Agents 개념이 자리 잡고 있습니다. 이는 Google 내부 제품들을 구동하는 것과 동일한 Antigravity 에이전트 하네스(agent harness)를 기반으로 하는 사전 구성된 에이전트 런타임(agent runtimes)입니다.

이것이 코드에서 무엇을 의미하는지 가장 단순한 버전으로 보여드리겠습니다:

from google import genai
client = genai.Client()
interaction = client.interactions.create(
    agent = "antigravity-preview-05-2026",
    input = "Analyze this CSV data, find the top 5 trends, and generate a visualization as chart.png.",
    environment = "remote",
)
print(interaction.output_text)

그게 전부입니다. 그 단 한 번의 호출이 다음을 수행합니다:

• Google Cloud에 새로운 Linux 샌드박스(sandbox)를 프로비저닝(Provisions)합니다.
• 전체 Antigravity 에이전트 하네스(agent harness)와 함께 Gemini 3.5 Flash를 실행합니다.
• 에이전트에게 터미널(terminal), 파일 시스템(file system), 도구 호출(tool-calling) 기능을 부여합니다.
• 프로그래밍 방식으로 소비할 수 있는 구조화된 결과(structured results)를 반환합니다.

이것을 2주 전의 동일한 워크플로우와 비교해 보십시오: VM을 실행하고, 종속성(dependencies)을 설치하고, 오케스트레이션 프레임워크(orchestration framework)를 구성하고, API 키를 관리하고, 오류 복구(error recovery)를 처리하고, 안전을 위해 샌드박싱(sandboxing)을 구현하고... 어떤 상황인지 이해하실 겁니다.

실습 가이드: 데이터 분석가 에이전트 구축하기

실질적인 사례를 하나 살펴보겠습니다.

당신이 (저와 같은) 데이터 엔지니어이고, 다음과 같은 작업을 수행할 수 있는 에이전트를 원한다고 가정해 봅시다:

• 데이터셋 수집 (Ingest)
• 탐색적 데이터 분석 (EDA) 수행
• 시각화 생성
• 요약 보고서 작성

Managed Agents API를 사용하여 이를 구축하는 방법은 다음과 같습니다.

단계 1: 첫 번째 상호작용 (Your First Interaction)

from google import genai

client = genai.Client() 
# 에이전트는 Python, pandas, matplotlib 및 일반적인 데이터 도구가 
# 미리 설치된 전체 Linux 환경을 제공받습니다.

interaction = client.interactions.create(
    agent="antigravity-preview-05-2026",
    input=(
        "1,000개의 주문(날짜, 제품 카테고리, 매출, 지역)을 포함하는 샘플 이커머스 "
        "데이터를 생성하는 Python 스크립트를 작성하세요. 이를 orders.csv로 저장하세요. "
        "그 다음 EDA를 수행하세요: 요약 통계, 카테고리별 매출, 그리고 월별 트렌드를 보여주세요."
    ),
    environment="remote",
)

print(f"Environment ID: {interaction.environment_id}")
print(interaction.output_text)

에이전트는 단순히 텍스트로 응답하는 것이 아닙니다. 실제로 Python 스크립트를 작성하고, 샌드박스 (sandbox) 내부에서 이를 실행하며, 출력을 읽고, 실패할 경우 반복(iterate)한 뒤 최종 분석 결과를 반환합니다. 샌드박스는 지속되므로, 생성된 CSV 파일과 모든 스크립트는 여전히 존재합니다.

단계 2: 대화 이어가기 (동일한 환경)

# 동일한 샌드박스에서 재개합니다 — 단계 1의 파일들이 여전히 존재합니다.
interaction_2 = client.interactions.create(
    agent="antigravity-preview-05-2026",
    previous_interaction_id=interaction.id,
    environment=interaction.environment_id,
    input=(
        "이제 전문적인 시각화 대시보드를 만드세요: "
        "시간 경과에 따른 매출 트렌드, 카테고리별 비중 파이 차트, "
        "그리고 지역별 히트맵을 포함해야 합니다. 모든 것을 dashboard.png로 저장하세요."
    ),
)

print(interaction_2.output_text)

이 지점에서 강력한 성능이 드러납니다. 에이전트는 이전 대화를 기억합니다. orders.csv가 존재한다는 사실을 알고 있습니다. 이미 생성한 결과물 위에 작업을 쌓아 올립니다. 컨텍스트 윈도우 (context window)를 조절하기 위한 복잡한 기술이나 파일을 다시 업로드할 필요가 없습니다. 진정한 상태 유지형 (stateful) 에이전트 상호작용입니다.

3단계: 재사용 가능한 에이전트로 만들기

프롬프트(prompt)를 반복 수정하여 동작이 만족스러워졌다면, 이를 관리형 에이전트(managed agent), 즉 이름이 지정된 재사용 가능한 설정으로 저장할 수 있습니다:

agent = client.agents.create( id = "ecommerce-analyst", base_agent = "antigravity-preview-05-2026", system_instruction = ( "You are a senior data analyst specializing in e-commerce." "Always include visualizations with every analysis." "Use seaborn for styling. Export results as PDF when asked." ), base_environment = { "type": "remote", "sources": [ { "type": "inline", "target": ".agents/skills/analysis/SKILL.md", "content": ( "--- \n name: ecommerce-analysis \n --- \n " "# E-commerce Analysis Skill \n " "Always start by profiling the dataset shape. " "Check for nulls before aggregation. " "Use matplotlib + seaborn, never plotly." ), } ], }, )

이제 팀 내 누구라도 단 한 번의 API 호출로 ecommerce-analyst를 호출할 수 있으며, 호출될 때마다 매번 동일하게 사전 구성된 환경, 지침 및 기술(skills)과 함께 시작됩니다. 각 호출은 기본 환경을 포크(fork)하므로 실행 결과가 서로 간섭하지 않습니다.

진정으로 감명 깊었던 점

1. 기술(Skills) 시스템의 탁월함
   위 에이전트 설정에 포함된 SKILL.md 파일을 주목하십시오. Google은 Antigravity 플랫폼에서 '기술(skills)'이라는 개념을 빌려왔습니다. 이는 모범 사례(best practices)와 도메인 지식(domain knowledge)을 인코딩하는 마크다운(markdown) 파일입니다. 이는 매우 단순한 아이디어지만 어려운 문제를 해결합니다. 즉, 파인튜닝(fine-tuning) 없이 어떻게 에이전트에게 신뢰할 수 있는 도메인 특화 전문 지식을 부여할 것인가 하는 문제입니다. 여러분은 평범한 영어로 지침을 작성하기만 하면 됩니다. 그러면 에이전트가 이를 따릅니다. 별도의 학습 실행(training runs), RLHF(인간 피드백 기반 강화학습), 혹은 프롬프트 엔지니어링(prompt engineering)의 암흑 마법도 필요 없습니다. 그저 "우리는 일을 이렇게 합니다"라고 명시된 마크다운 파일만 있으면 됩니다. 매일 AI 에이전트와 작업하는 사람으로서, 문서화된 전문 지식을 에이전트 설정으로 사용하는 이 패턴은 올바른 추상화(abstraction)라고 생각합니다.

2. 환경 지속성(Environment Persistence)의 중요성
   대부분의 에이전트 API는 상태 비저장(stateless) 방식입니다. 모든 호출이 처음부터 다시 시작됩니다.

Managed Agents API는 몇 시간 또는 며칠 후에 다시 재개할 수 있는 지속적인 샌드박스 환경(sandboxed environments)을 제공합니다. 파일은 그대로 남아 있고, 설치된 패키지도 그대로 유지됩니다. 에이전트는 중단된 지점부터 바로 작업을 이어갑니다. 데이터를 스테이징하고, 변환을 실행하고, 결과를 검증한 다음 여러 세션에 걸쳐 보고서를 생성해야 하는 데이터 엔지니어링 워크플로우(data engineering workflows)의 경우, 이는 혁신적입니다. 마침내 에이전트 워크플로우를 일회성 프롬프트(one-shot prompts)가 아닌 프로세스(processes)로 취급하게 된 것입니다.

3. Interactions API가 generateContent를 대체합니다
   발표 내용에서 놓치기 쉬운 부분이지만, Google은 중대한 아키텍처 변화를 예고하고 있습니다. 새로운 Interactions API는 단순한 또 다른 엔드포인트가 아닙니다. 이는 멀티턴 상태(multi-turn state), 도구 호출(tool calling), 스트리밍(streaming), 서버 측 대화 관리(server-side conversation management)와 같은 에이전트 패턴(agentic patterns)을 위해 처음부터 설계되었습니다. 기존의 generateContent API는 여전히 작동하지만, 방향성은 명확합니다. Google은 AI API의 미래가 채팅 완성(chat completions)이 아닌 에이전트(agents)라고 말하고 있습니다.

우려되는 점 (솔직한 비판)

1. 벤더 종속(Vendor Lock-In)은 실재합니다
   Google 전용 스킬, 환경, 그리고 Antigravity 하네스(harness)를 사용하여 관리형 에이전트(managed agents)를 정의하고 나면, 종속될 수밖에 없습니다. 이식 가능한 에이전트 구성에 대한 표준이 없습니다. 만약 Anthropic이나 OpenAI가 경쟁력 있는 관리형 에이전트 플랫폼을 출시한다면(그들은 반드시 그럴 것입니다), 마이그레이션은 고통스러울 것입니다. 제 견해는 이렇습니다: 새로운 워크플로우에는 이것을 사용하세요. 하지만 생태계가 성숙해질 때까지 기존 시스템을 이에 맞춰 재설계하지는 마십시오.

2. Gemini CLI 종료 조치는 공격적으로 느껴집니다
   Google은 Gemini CLI 사용자들에게 Antigravity CLI로 마이그레이션할 수 있는 최종 기한을 2026년 6월 18일로 제시했습니다. 이는 발표로부터 단 30일 후입니다. Gemini CLI를 기반으로 CI/CD 파이프라인을 구축한 엔터프라이즈 팀에게 이는 매우 촉박한 일정입니다. Antigravity CLI (agy)는 객관적으로 더 낫습니다. 멀티 에이전트 지원, 양방향 데스크톱 동기화, 그리고 전체 에이전트 런타임(agent runtime)을 갖춘 Go 바이너리입니다. 하지만 대체제를 발표하는 바로 그 주에 마이그레이션을 강제하는 것은 개발자들을 불안하게 만드는 플랫폼 리스크(platform risk)의 전형입니다.

가격 정책의 명확성 필요: 월 $100의 AI Ultra 티어와 월 $200의 AI Ultra Top 티어는 소비자 대상입니다. 하지만 Managed Agents API를 대규모로 사용할 때의 비용은 어떻게 될까요? 문서에는 상호작용당 가격(per-interaction pricing), 샌드박스 컴퓨팅 비용(sandbox compute costs), 그리고 속도 제한(rate limits)에 대한 정보가 여전히 부족합니다. 만약 이를 프로덕션(production) 환경에서 사용할 계획이라면, 예산의 불확실성은 실질적인 장애물입니다.

더 큰 그림: Google은 에이전트를 위한 OS를 구축하고 있습니다
한 걸음 물러나 Google이 I/O 2026 개발자 트랙 전체에서 출시한 것들을 살펴보십시오:

계층 (Layer)	Google이 출시한 것 (What Google Shipped)	목적 (Purpose)
모델 (Models)	Gemini 3.5 Flash	에이전트 작업에 최적화된 프런티어 지능 (Frontier intelligence)
런타임 (Runtime)	Managed Agents API	단일 API 호출로 에이전트 배포
플랫폼 (Platform)	Antigravity 2.0 + CLI + SDK	커스텀 에이전트 구축, 오케스트레이션(orchestrate) 및 호스팅
브라우저 (Browser)	WebMCP + Chrome DevTools for Agents	표준을 통해 에이전트가 웹과 상호작용하도록 허용
기술 (Skills)	Modern Web Guidance + AGENTS.md	에이전트에게 전문가가 검증한 도메인 지식 제공

이 스택을 아래에서 위로 읽어보십시오. Google은 단순히 새로운 모델을 출시한 것이 아닙니다. 그들은 모델 계층부터 런타임 및 오케스트레이션 계층을 거쳐, 에이전트가 웹사이트와 상호작용하는 방식에 대한 제안된 웹 표준에 이르기까지 완전한 에이전트 인프라(agent infrastructure)를 출시했습니다. 다른 어떤 기업도 이 정도의 풀 스택(full stack)을 보유하고 있지 않습니다. 아직은 말이죠.

그렇다면 지금 당장 무엇을 해야 할까요?

1. 오늘 바로 Managed Agents API를 사용해 보세요. Google AI Studio와 Gemini API를 통해 사용할 수 있습니다. 퀵스타트(quickstart)는 5분이면 충분합니다.
2. Gemini CLI에서 Antigravity CLI ( agy )로 마이그레이션하세요. 다음 명령어로 설치할 수 있습니다: curl -fsSL https://antigravity.google/cli/install.sh | bash. 기한은 6월 18일까지입니다. 기다리지 마세요.
3. 프롬프트(prompt)가 아닌 에이전트(agent) 관점에서 생각하기 시작하세요. Interactions API는 Google이 구상하는 미래의 모든 AI 개발 방식입니다. 지금부터 멀티턴(multi-turn), 상태 유지(stateful) 에이전트 패턴에 익숙해지십시오.
4. WebMCP를 주시하세요. Chrome 149의 오리진 트라이얼(origin trial)이 활성화되었습니다. 웹 앱을 만든다면, 이것이 에이전트가 귀하의 사이트와 상호작용하는 방식이 될 것입니다. 이에 대비하십시오.

맺음말
Google I/O 기조연설은 소비자용 개인 AI 에이전트인 Gemini Spark를 우리에게 보여주었습니다. 그것은 사용자들에게는 흥미로운 일입니다.

하지만 개발자 기조연설(developer keynote)은 우리에게 더욱 근본적인 것을 제공했습니다. 바로 어떤 AI 에이전트(AI agent)든 구축하고, 단 한 번의 API 호출로 배포하며, 개방형 표준(open standards)을 통해 웹 전반에서 작동하도록 할 수 있는 인프라(infrastructure)입니다. 소비자용 데모(consumer demos)가 헤드라인을 장식하겠지만, 산업을 변화시키는 것은 개발자 도구(developer tools)입니다. Managed Agents API를 간과하지 마세요. 이것이 진정한 게임 체인저(game-changer)입니다. Google I/O 2026 발표 내용 중 여러분을 가장 설레게 하는 것은 무엇인가요? 여러분이 무엇을 만들고 있는지 정말 궁금합니다. 아래에 댓글을 남겨주세요!