Google의 에이전트형 AI (Agentic AI)에 대한 최신 발표는 단순한 신규 모델 출시 그 이상입니다. Gemini 3.5 Flash와 Antigravity 2.0 개발 플랫폼의 출시는 프롬프트 중심의 탐색에서 에이전트 구축을 위한 더 근거 있고 로컬 우선적인 (local-first) 엔지니어링 워크플로로의 전환을 의미합니다. 이것이 중요한 이유는 개발 루프 (development loop)가 느린 클라우드 기반 반복 사이클에서 자신의 머신에서 실행되는 더 빠르고 실질적인 사이클로 변화하기 때문입니다.

무엇이 변했는가: 빠른 모델과 로컬 오케스트레이터 (orchestrator)
두 가지 주요 구성 요소가 이러한 변화를 정의합니다. 첫 번째는 에이전트형 워크플로에서 속도와 효율성을 위해 설계된 새로운 모델인 Gemini 3.5 Flash입니다. 이 모델은 대부분의 벤치마크에서 Gemini 3.1 Pro보다 성능이 뛰어나면서도 훨씬 더 빠르게 작동하는 것으로 보고되었습니다. 이 모델은 낮은 지연 시간 (low latency)으로 복잡하고 긴 호흡의 과업 (long-horizon tasks)을 수행해야 하는 에이전트에게 필요한 고속 엔진으로 자리매김하고 있습니다.

두 번째이자 더 중요한 요소는 Antigravity 2.0입니다. 이것은 단순한 API 업데이트가 아닙니다. 에이전트 상호작용과 오케스트레이션 (orchestration)을 위한 중앙 허브로 설계된 독립형 데스크톱 애플리케이션입니다. 이 플랫폼은 개발자가 아이디어를 가져와 프로덕션 준비가 된 애플리케이션을 구축할 수 있도록 설계되었습니다. 이러한 로컬 우선 (local-first) 접근 방식은 여러 에이전트를 병렬로 관리하고, 백그라운드 작업을 스케줄링하며, Google AI Studio, Android, Firebase와 같은 도구와 직접 통합하는 것을 가능하게 합니다.

왜 중요한가: 프롬프팅에서 엔지니어링으로
지난 몇 년 동안 대규모 모델을 사용한 구축은 마치 열쇠구멍을 통해 작업하는 것처럼 느껴졌습니다. 프롬프트를 작성하여 원격 API로 보내고 응답을 받는 방식이었습니다. 에이전트를 구축하려면 이러한 호출들을 스크립트와 클라우드 함수 (cloud functions)로 엮어야 했습니다. 작동은 했지만, 전통적인 소프트웨어 개발의 즉각성이 부족했습니다. Antigravity 2.0은 이러한 역학 관계를 변화시킵니다. 데스크톱 애플리케이션과 명령줄 인터페이스 (CLI)를 제공함으로써, 에이전트 개발을 프롬프트 엔지니어링 (prompt engineering)보다는 시스템 엔지니어링 (systems engineering)에 더 가깝게 다룹니다.

로컬 머신에서 작업을 병렬로 실행할 수 있는 에이전트를 오케스트레이션 (orchestrate)하고 배포할 수 있는 능력은 의미 있는 변화입니다. 이는 에이전트 시스템 (agentic systems)을 단일한 모놀리식 모델 (monolithic model)이 아닌, 전문화된 작업자들의 집합으로 생각하도록 유도합니다. 단순한 요청-응답 (request-response) 모델에서 관리형 멀티 에이전트 시스템 (managed, multi-agent system)으로의 이러한 전환이야말로 진정한 생산성 향상이 일어나는 지점입니다.

새로운 스택으로 시작하기
개발자는 Google AI Studio와 Google이 Gemini API에서 '관리형 에이전트 (Managed Agents)'라고 부르는 기능을 통해 Gemini 3.5 Flash에 접근할 수 있습니다. 관리형 에이전트 접근 방식은 Antigravity 에이전트 하네스 (agent harness)의 강력한 기능을 API를 통해 제공함으로써 인프라 설정의 번거로움을 제거하는 것을 목표로 합니다. 로컬 개발의 경우, Antigravity CLI가 더 직접적인 인터페이스를 제공합니다. 정확한 명령어는 아직 문서화 작업 중이지만, 관리형 에이전트를 배포하는 워크플로 (workflow)는 다음과 같은 모습일 것으로 예상할 수 있습니다:

설명된 기능을 기반으로 한 가상의 CLI 명령어

antigravity agents:deploy --name = "daily-report-agent"
--model = "gemini-3.5-flash"
--trigger = "schedule --cron='0 9 * * *'"
--task-file = "./tasks/generate_report.json"
--tools = "google.workspace.sheets,google.workspace.docs"

강력한 로컬 CLI와 클라우드 관리형 실행을 결합한 이 워크플로는, 지금까지 에이전트 구축의 특징이었던 임시 스크립팅 (ad-hoc scripting)보다 현대적인 데브옵스 (DevOps) 관행에 훨씬 더 가깝게 느껴집니다. Google AI Studio 또한 더욱 통합되고 있으며, 클릭 한 번으로 전체 프로젝트를 로컬 개발 및 프로덕션 배포를 위해 Antigravity로 내보낼 수 있는 새로운 기능이 추가되었습니다.

빌더를 위한 시사점
올해 I/O 업데이트는 AI 에이전트를 구축하기 위한 인프라가 성숙해지고 있다는 명확한 신호입니다. 초점은 단일 모델의 원시 능력 (raw capability)에서, 견고한 멀티 에이전트 시스템을 구축, 테스트 및 배포하는 개발자 경험 (developer experience)으로 이동하고 있습니다.

우리는 AI가 당신을 보조하는 시대를 넘어, 에이전트 (agents)가 전체 워크플로 (workflow)에 걸쳐 복잡한 작업을 독립적으로 수행할 수 있는 시대로 이동하고 있습니다. 이 분야의 엔지니어들에게 전달되는 메시지는 명확합니다. 도구 (tooling)가 그 야망을 따라잡고 있다는 것입니다. 이제 에이전트 워크플로 (agentic workflows)를 일련의 프롬프트 (prompts)가 아니라, 당신의 로컬 머신 (machine)에서 직접 구축하고 제어할 수 있는 엔지니어링된 시스템 (engineered systems)으로 생각하기 시작해야 할 때입니다. 출처: Google I/O 2026 Developer Highlights