서론
코딩 에이전트에게 SQL 작성을 시키는 경우, 테이블의 스키마나 실패한 작업(job) 로그를 콘솔에서 채팅창으로 붙여넣을 때가 있습니다. 코드를 생성할 수는 있어도 실제 데이터 기반을 확인할 수 있는 수단이 없다면, 테이블 이름이나 조인 조건 등을 사람이 직접 보완해야 합니다.
Google Cloud의 Data Agent Kit은 이러한 작업을 지원하는 MCP 도구와 에이전트 스킬 세트입니다. 2026년 10월 1일에 일반 제공(GA)이 발표되었으며, 일본어 버전 공식 블로그는 10월 9일에 공개되었습니다. GA 발표
본 기사에서는 BigQuery를 이용하는 데이터 엔지니어 및 분석 담당자를 대상으로 구성, 대응 영역, 도입 절차를 정리합니다. 도입 판단 시 다음 세 가지 포인트를 이해하면 파악하기 쉽습니다.
- MCP 도구는 에이전트에게 데이터 기반을 확인하고 조작할 수 있는 수단을 제공합니다.
- 스킬은 설계나 검증의 순서를 지시합니다.
- 조작 가능한 범위는 인증 주체의 권한이나 서비스 측 설정으로 제어됩니다.
Data Agent Kit의 구성: MCP 도구와 스킬
Data Agent Kit은 VS Code 또는 VS Code 호환 IDE용 확장 기능과 코딩 에이전트용 플러그인이라는 두 가지 형태로 제공됩니다. IDE 확장은 데이터 자산이나 워크로드를 확인할 수 있는 UI를 가지고 있으며, 플러그인은 자연어 지시로부터 도구나 스킬을 이용합니다. 구성과 제공 형태
두 요소의 역할을 개념적으로 정리하면 다음과 같습니다. 연결 방식의 자세한 내용은 사용하는 서비스 가이드를 확인해 주십시오.
IDE / 코딩 에이전트
├─ 스킬: 대상 탐색, 설계, 검증, 승인 등의 절차
└─ MCP 도구 등: 메타데이터 획득, 쿼리, 로그 확인, 조작
...
MCP 도구: 실제 환경을 확인할 수 있는 수단
MCP는 에이전트가 외부의 데이터나 기능에 연결하기 위한 프로토콜입니다. Data Agent Kit 문서에서는 BigQuery, Bigtable, Spanner, AlloyDB, Cloud SQL, Cloud Storage, Knowledge Catalog, Managed Service for Apache Spark 등 원격 MCP 서버를 안내하고 있습니다. MCP 서버 이용
제품 전체적으로는
대상은 개발용 데이터셋 analytics_dev입니다.
고객・주문・상품 테이블에서 구매 관계의 그래프 설계안을 만들어 주세요.
후보 키의 유일성 및 결합처 대응 상황을 확인하고, 그 근거를 제시해 주세요.
...
이 예시는 그래프 설계를 검토할 수 있는 형태로 요청하는 것입니다. 그래프가 업무상의 관계를 올바르게 표현하는지는 검증 결과와 업무 지식 양쪽으로 판단합니다.
Bigtable과 Spark: 설계 및 처리를 대상으로 확장하다
GA 발표에서는 Bigtable용 bigtable-basics에 의한 접근 패턴별 행 키/스키마 설계 지원이 소개되었습니다. 핫스팟이나 전체 테이블 스캔으로 이어질 수 있는 설계를 확인하는 점이 특징입니다.
또한, Managed Service for Apache Spark에서 Iceberg 테이블을 조작하는 기능과 federate-lakehouse-catalog를 통한 AWS Glue・Databricks Unity Catalog와의 연결이 소개되었습니다. GA로 추가된 기능들은 SQL 생성 외에도 읽기 방식을 고려한 설계나 기존 카탈로그에 대한 연결 설정까지 지원하는 기능으로 볼 수 있습니다. 다만, 이번 조사에서는 두 스킬의 정의를 직접 확인할 수 없었습니다. 구체적인 절차나 연결 조건은 도입 환경에서 추가 확인이 필요합니다.
파이프라인: 생성된 정의를 검증하다
gcp-pipeline-orchestration은 dbt, Dataform, 노트북, Spark Job 등을 조합하는 파이프라인 정의의 작성 및 업데이트를 지원합니다. 스킬에는 오케스트레이션 정의와 deployment.yaml을 관리하고 환경별로 검증 명령을 실행하는 절차가 적혀 있습니다. 파이프라인 스킬은 생성된 파일을 그대로 운영(Production)에 반영하기보다는, 대상 환경, 배포처, 스케줄, 의존 관계를 검토하는 단계를 두는 것이 실무적입니다. 참고로, 제품 개요에는 오케스트레이션 파이프라인의 자동 배포가 GitHub Actions만 대응한다고 명시되어 있습니다.
제약 사항
도입 예시: Claude Code에서 BigQuery에 연결하기
여기서는 공식 플러그인 README를 따라 Claude Code에서의 도입 예시를 보여드립니다. 아래 명령어는 게재용이며, 본 기사의 조사에서는 실행하지 않았습니다.
1. 전제 조건 및 인증을 확인하다
README에는 대응하는 코딩 에이전트, Node.js, Google Cloud CLI가 전제 조건으로 언급되어 있습니다. gcloud에는 일반 로그인과 Application Default Credentials (ADC) 로그인이 필요합니다.
gcloud auth login
gcloud auth application-default login
인증 후에는 대상 프로젝트와 연결할 데이터셋의 위치를 확인해 주세요. 인증이 가능하다는 것과 그 데이터에 접근할 권한이 있다는 것은 별개입니다.
2. 플러그인을 설치하다
claude plugin marketplace add https://github.com/GoogleCloudPlatform/data-agent-kit-plugin
claude plugin install dak@dak-marketplace
이어서 Claude Code 내에서 세트업 스킬을 호출합니다.
설정 안내에 따라 재시작을 요청받으면 에이전트를 재시작합니다. 전제 조건, 인증, 설치, 세트업의 출처는 공식 README입니다.
VS Code나 Cursor에서는 확장 기능 패널에서 'Google Cloud Data Agent Kit'을 설치하는 방법이 안내되어 있습니다. 그래프 시각화나 데이터 탐색용 UI를 사용하고 싶다면, IDE 확장의 기능도 확인해 주세요. 환경별 도입 방법
3. 처음에는 대상을 좁혀서 확인하다
최초 검증에서는 개발용 하나의 데이터셋에 대해 메타데이터를 가져올 수 있는지 확인하면, 연결/권한 문제를 분리하기 쉽습니다.
대상은 프로젝트 `my-dev-project`의 `analytics_dev` 데이터셋입니다.
테이블 목록, 스키마, 파티션 설정을 확인해 주세요.
그 정보로부터 최근 7일간의 매출을 집계하는 SQL 안을 만들어 주세요.
...
다음으로, SQL 초안을 검토한 후 드라이런(dry run)을 요청하여 예상 스캔량을 확인합니다. 그 후, 실행 여부를 판단합니다. 이는 본 기사에서 제안하는 단계적 검증 절차이며, 프롬프트만으로 실행을 금지하는 설정은 아닙니다.
고찰: 스킬과 실행 시의 제어 조합하기
절차 개선은 스킬로, 작업 범위는 권한으로 관리한다
공식 발표에 따르면, 스킬이 파티션 키 확인이나 드라이런을 통해 에이전트를 유도한다고 설명합니다. 여기서 알 수 있는 것은 검증 절차를 지원하는 것이지, 과금이나 오작동을 반드시 방지한다는 보장은 아닙니다. 비용 관련 설명
따라서 도입 시에는 '어떤 절차를 거치게 할 것인지'와 '어떤 작업을 허가할 것인지'를 각각 결정해야 합니다.
| 제어하고 싶은 것 | 확인할 수 있는 메커니즘 |
|---|
| 테이블을 확인한 후 SQL을 작성한다 | 스킬과 요청 내용 |
| ... | |
MCP 이용 가이드에서는 roles/mcp.toolUser와 같이 대상 서비스에 맞는 추가 권한이 필요하다고 합니다. 또한, 사용자 인증과 서비스 계정의 권한 차용(권한 위임)을 활용할 수 있으며, 권한 차용이 권장됩니다. 필요한 권한과 인증 | |
첫 검증에서는 대상을 한정시킨 서비스 계정을 사용하고, 필요한 작업에 따라 권한을 추가하는 방침을 고려해 볼 수 있습니다. 하나의 범용 역할(role)을 부여한다고 해서 모든 기능이 안전하게 사용될 수 있다는 설계는 하지 않는 것이 중요합니다.
보안 기능은 설정을 확인한다
Model Armor를 통한 MCP 통신 보호는 이용 가이드에서 옵션으로 설명됩니다. Data Agent Kit 설치만으로 모든 통신이 자동으로 스크리닝된다고 생각해서는 안 됩니다. Model Armor 설정
IDE 확장 설정에서는 Data Agent Kit과 gcloud의 사용자, 프로젝트, 리전, 결제 계정을 일치시켜야 합니다. 또한, 노트북 셀을 에이전트가 실행하게 하는 기능에는 개별적인 설정이 안내되어 있습니다. 인증 여부뿐만 아니라, 어떤 환경에서 무엇을 실행할 수 있는 상태인지 확인해야 합니다. 초기 설정과 추가 기능
무료인 것은 키트 자체다
Data Agent Kit은 추가 요금 없이 제공되지만, 에이전트가 사용하는 Google Cloud 서비스에는 표준 요금이 적용됩니다. 검증 시에는 키트 비용과 쿼리/계산 자원 비용을 나누어 생각해야 합니다. 요금 설명
작업 시간이나 비용이 어느 정도 달라질지는 본 조사에서는 측정하지 않았습니다. 도입 후에 수동으로 정보를 전달하는 횟수, SQL 수정 횟수, 실행한 작업(job)과 그 비용을 기록하면 자신들의 업무에 적합한지 평가할 수 있습니다.
도입 판단 요약
공식 자료를 통해 확인된 Data Agent Kit의 특징은 Google Cloud 데이터 서비스에 연결하는 도구와 탐색/설계/검증 절차를 정리한 스킬을 평소 개발 환경에서 이용할 수 있다는 것입니다.
BigQuery 스키마 확인부터 시작하여, SQL 초안 작성, 드라이런, 실행으로 단계적으로 확장하면 에이전트가 어떤 정보를 얻을 수 있고, 어떤 작업에 권한이나 승인이 필요한지 확인할 수 있습니다. 그 위에서 그래프 설계나 파이프라인 운영에 대상을 넓히는 것이 이번 조사에서 고려할 수 있는 도입 방침입니다.
실무에서 평가하고 싶은 것은 생성 코드의 양뿐만 아니라 근거를 확인할 수 있다는 점과 변경 사항을 검토할 수 있다는 것입니다. 스킬의 절차를 읽고 대상 리소스와 허가하는 작업을 정하는 것부터 시작하면, 도입 판단에 필요한 자료를 모을 수 있습니다.
참고 정보
토론 (Discussion)
