하드웨어 프로젝트를 '바이브 코딩(Vibe Coding)'하는 ECE 학생으로서 — Google I/O 2026이 실제로 나에게 변화시킨 것들

Google I/O 2026 Writing Challenge의 일환으로 제출됨

대부분의 Google I/O 요약 글들은 비슷해 보입니다. 벤치마크 표, 가격 비교, 모델 사양서 같은 것들 말이죠. 이 글은 다를 것입니다. 저는 전자 통신 공학 (Electronics & Communication Engineering, ECE) 학생이자, ESP32, Arduino, Raspberry Pi 프로젝트를 제작하는 YouTube 채널인 BlinkNBuild의 운영자입니다. 저는 또한 '바이브 코딩 (vibe code)'을 많이 합니다. 브라우저 기반의 OLED 픽셀 에디터, 회로도 도구, IoT 대시보드 등을 제작하며, 이 모든 것들은 단 하나의 HTML 파일에서 Netlify로 예산 0원으로 배포됩니다.

Google I/O 2026 개발자 기조연설을 시청할 때, 저는 머신러닝 (ML) 연구자나 시니어 웹 개발자의 관점에서 이 발표들을 평가하고 있지 않았습니다. 저는 단 하나의 질문을 던지고 있었습니다. '이 중 어떤 것이 잠도 못 자고 무료 API 티어(free API tier)만 가지고 있는 화요일 밤에 내가 만들 수 있는 것들을 실제로 변화시킬 수 있는가?' 오랜만에 처음으로 — 네, 그렇습니다. 진심으로요.

실제로 중요한 변화

기조연설에서 Sundar Pichai가 한 말 중 하나가 머릿속을 떠나지 않았습니다: "우리는 단순히 당신을 보조하는 AI에서, 당신의 전체 워크플로우 전반에 걸쳐 복잡한 작업을 독립적으로 수행할 수 있는 에이전트 (agents)로 전환했습니다." 만약 당신이 다단계 프로젝트를 진행하며 LLM (Large Language Model)을 돌보듯 관리해 본 경험이 있다면 — 단계마다 수동으로 복사하여 붙여넣고, 도구 호출 (tool call)이 있을 때마다 수정해주고, 모델이 잊어버린 컨텍스트 (context)를 다시 설명해 주는 등의 작업 말입니다 — 이것이 왜 중요한지 정확히 알 것입니다. "도움을 주는 AI"와 "작업을 책임지는 AI" 사이의 간극은 실무에서 엄청나게 큽니다. Google은 방금 그 간극을 좁히기 위한 진지한 행보를 보였습니다. 실제로 출시된 것들이 무엇인지, 그리고 왜 이것이 우리와 같은 빌더 (builders)들에게 중요하다고 생각하는지 설명하겠습니다.

Gemini 3.5 Flash: 프로 모델을 능가하는 첫 번째 Flash

이것이 헤드라인 발표이며, 단순한 사양표 이상의 가치가 있습니다. Flash 시리즈는 항상 '빠르고 저렴한' 계층이었습니다. 즉, 속도와 비용을 위해 성능을 희생하는 구조였죠. Gemini 3.5 Flash는 그 트레이드오프 (tradeoff)를 완전히 깨뜨렸습니다.

이 모델은 코딩 및 에이전트 벤치마크 (agentic benchmarks)에서 Gemini 3.1 Pro를 능가합니다: Terminal-Bench 2.1 (코딩)에서 76.2% (3.1 Pro는 70.3%), GDPval-AA (실제 에이전트 작업)에서 1656 Elo, MCP Atlas (도구 사용 신뢰성)에서 83.6%, CharXiv Reasoning (멀티모달 이해)에서 84.2%를 기록했습니다. 한편, 이 모델은 유사한 프론티어 모델 (frontier models)보다 4배 빠른 속도로 작동하며, 100만 토큰당 가격은 $1.50/$9로, 동일한 출력물에 대한 GPT-5.5 비용의 절반도 되지 않습니다. 무료 또는 저비용 API 플랜으로 취미 프로젝트를 만드는 학생에게 마지막 문장은 모든 것을 의미합니다. 컨텍스트 윈도우 (context window)는 100만 토큰(정확히는 1,048,576 토큰)이며, 동적 사고 (dynamic thinking) 기능이 기본적으로 활성화되어 있습니다. 즉, 모델이 문제가 어려울 때는 추가 연산 자원을 자동으로 할당하고, 간단할 때는 이를 건너뛴다는 의미입니다. 사용자가 이를 직접 조정할 필요는 없습니다. 그냥 알아서 작동합니다. 솔직한 주의 사항을 하나 덧붙이자면, 128k 긴 컨텍스트 검색 (long-context retrieval)에서 성능 저하가 있습니다 (MRCR v2가 프리뷰 버전 대비 7.6포인트 하락). 만약 수백 페이지에 달하는 방대한 문서에 대해 RAG (검색 증강 생성)를 수행하고 있다면 이 점을 알아둘 가치가 있습니다. 하지만 일반적인 IoT/메이커 프로젝트 — 센서 코드, 대시보드 로직, 펌웨어 디버깅 — 에서는 해당되지 않는 문제입니다. 3.5 Flash는 여전히 Flash 계층에서 압도적인 차이로 최고의 모델입니다. 저는 키노트 직후 AI Studio를 통해 즉시 테스트해 보았습니다. 웹 대시보드 인터페이스를 갖춘 Arduino 센서 코드를 생성하도록 프롬프트를 입력했습니다. 결과물은 눈에 띄게 더 구조화되어 있었고, 이전의 Flash 모델들이 항상 해내지는 못했던 방식으로 코드가 단 한 번에 실행되었습니다. 메이커와 사이드 프로젝트 빌더 여러분: 예산 문제로 여전히 3.1 Pro를 사용하고 있다면, 이제 더 낮은 비용으로 더 나은 결과를 얻을 수 있습니다. 이것은 직접적인 업그레이드입니다.

Google AI Studio: 단순한 키 생성기 그 이상
솔직히 말씀드리면, 저는 항상 AI Studio를 "API 키를 받으러 가는 곳"이라고 생각했습니다. 진지한 개발 환경이라고 생각하지 않았습니다. I/O 2026은 그러한 프레임을 완전히 바꾸어 놓았습니다. 이제 네이티브 Android 바이브 코딩 (vibe coding)이 AI Studio에 탑재되었습니다. 원하는 것을 설명하기만 하면 Kotlin Android 앱을 생성해 줍니다. 웹 래퍼 (web wrapper)가 아니라, 실제 네이티브 Android 프로젝트를 말이죠.

Cloud Run으로의 원클릭 배포 (one-click deploy) 및 Firebase 연동 (integration) 기능이 결합되어, 브라우저를 벗어나지 않고도 아이디어에서 배포된 앱까지 나아갈 수 있습니다. 또한 'Antigravity로 내보내기 (Export to Antigravity)' 버튼도 있는데, 클릭 한 번이면 모든 컨텍스트를 포함한 프로젝트 전체 상태가 로컬 Antigravity 개발 환경으로 이동합니다. 다시 설명하거나 다시 스캐폴딩 (re-scaffolding)할 필요가 없습니다. 그리고 이번 주에 새로운 AI Studio 모바일 앱의 사전 등록이 시작되므로, 이동 중에도 아이디어를 포착하고 책상으로 돌아왔을 때 프로토타입이 준비되어 있게 할 수 있습니다. 컴패니언 앱(companion app)이 필요한 프로젝트(센서 대시보드, 원격 제어 인터페이스, IoT 모니터 등)를 만드는 사람에게, 네이티브 앱의 설정 오버헤드 (setup overhead)는 그야말로 무너져 내렸습니다.

Managed Agents: 내가 이것으로 만들고 싶은 가장 기대되는 기능
이것은 나의 실제 프로젝트를 변화시킬 기능입니다. Google은 Gemini API에서 Managed Agents를 소개했습니다. 이는 단 한 번의 API 호출로 격리된 Linux 컨테이너 내부에서 실행되는, 완전히 프로비저닝된 (provisioned) 에이전트를 생성합니다. 파일과 상태는 후속 호출 간에도 유지됩니다. 에이전트는 사용자가 모든 단계를 수동으로 오케스트레이션 (orchestrating)하지 않아도 추론하고, 도구를 사용하며, 코드를 실행하고, 반복 (iterate)할 수 있습니다.

이것이 메이커 (makers)들에게 왜 중요할까요? 대부분의 IoT 프로젝트는 단발성 생성 (one-shot generation) 이상의 것을 필요로 하기 때문입니다.

Antigravity 2.0: 더 큰 그림
이 모든 것의 밑바탕에는 Antigravity 2.0이 있습니다. 이는 Google의 에이전트 우선 (agent-first) 개발 플랫폼으로, 이제 세 가지 구성 요소로 완전히 재구축되었습니다: 독립형 데스크톱 앱 (standalone desktop app), 새로운 CLI (Go 언어로 작성되었으며 기존 Gemini CLI를 대체), 그리고 커스텀 에이전트를 위한 SDK입니다. 이를 검토 중이라면 주목할 만한 몇 가지 사항이 있습니다:

데스크톱 앱은 여러 에이전트를 병렬로 오케스트레이션 (orchestrate)하고, 백그라운드 작업을 스케줄링하며, 네이티브 음성 명령 지원 기능을 갖추고 있습니다. 사용자가 문제를 설명하면, 특화된 하위 에이전트 (subagents)들이 작업을 분할합니다. Antigravity CLI는 Gemini CLI를 완전히 대체하며, Google은 기존 사용자들에게 마이그레이션 (migrate)을 요청하고 있습니다. 메이커 (makers)들에게 이는 좋은 소식입니다. 이제 이를 기반으로 스크립트를 작성하거나, 결과를 자신의 툴링 (tooling)으로 파이프라이닝 (pipe)하고, 터미널 기반 워크플로우에 자연스럽게 통합할 수 있기 때문입니다. Gemini API의 관리형 에이전트 (Managed Agents)를 사용하면 전체 로컬 설정 없이도 Antigravity 에이전트 하네스 (agent harness)를 사용할 수 있습니다. API 호출 한 번으로 샌드박스화된 Linux 환경이 프로비저닝 (provision)됩니다. 이는 전체 데스크톱 도구를 설치하고 싶지 않은 빌더 (builders)들에게 가장 마찰이 적은 (lowest-friction) 진입점입니다.

이것으로 무언가를 만들어 보았습니다 — 증거를 확인하세요
이것은 단순한 이론이 아닙니다. 저는 Antigravity 2.0을 사용하여 실제 프로젝트를 구축하고 출시했습니다: 100% 오프라인으로 작동하며, 서버도, 업로드도, 계정도 필요 없는 무료 브라우저 기반 PDF to Image 변환기입니다. 아이디어 단계부터 Netlify에 라이브 앱을 올리기까지 전체 과정이 1시간도 걸리지 않았습니다. 이것은 마케팅 문구가 아닙니다. "문제가 있다"에서 "이것은 배포되었고 누구나 사용할 수 있다"로 넘어가는 과정에서 느낀 실제 체감입니다. 기존의 워크플로우였다면 최소한 저녁 시간 내내 매달려야 했을 작업들입니다: PDF.js 렌더링 파이프라인 (rendering pipeline)의 스캐폴딩 (scaffolding), 대용량 문서에서의 캔버스 GPU 메모리 고갈 디버깅, Firefox를 위한 File System Access API 폴백 (fallback) 연결 등 말이죠. Antigravity가 아키텍처와 반복 (iteration)을 처리했고, 저는 방향을 잡았습니다 (steered).

🔗 라이브 앱 → pdf-2-image.netlify.app
📦 GitHub → pdf-2-image 소스 코드

사용 사례 (use case) 또한 중요합니다. 대부분의 AI 도구(Gemini 및 ChatGPT 포함)는 PDF를 가공되지 않은 텍스트 스트림 (raw text streams)으로 파싱 (parse)하는데, 이 과정에서 수학 공식, 회로도, 스캔된 노트 등이 소리 없이 망가집니다.

AI 도구에 업로드하기 전에 각 페이지를 고해화질 이미지로 먼저 변환하는 방식이 이 문제를 완전히 해결해 줍니다. 이는 모든 ECE (전기컴퓨터공학) 학생이 겪는 문제입니다. 전체 기술 문서(PDF.js 렌더링 루프, 캔버스 메모리 관리, File System Access API)를 원하신다면, 여기에서 자세히 다루었습니다.

다음에 구축할 것들
I/O 2026에서 출시된 것들을 바탕으로, 제가 즉시 시도하고 있는 것들은 다음과 같습니다:

• ESP32 펌웨어 디버그 에이전트 (debug agent) — Managed Agents를 사용하여 시리얼 출력 (serial output)을 읽고, 오류를 식별하며, 제가 오류 메시지를 일일이 복사하여 붙여넣지 않아도 자율적으로 수정 사항을 반복 (iterate)합니다.
• Android 컴패니언 앱 — AI Studio의 Kotlin 바이브 코딩 (vibe coding)을 사용하여 네이티브 센서 대시보드를 생성하고, Cloud Run에 클릭 한 번으로 배포합니다.
• Antigravity CLI 파이프라인 — GitHub README를 가져와서 자재 명세서 (BOM, bill of materials)를 추출하고, Instructables 스타일의 설명서를 자동 생성하는 터미널 스크립트 기반의 서브에이전트 (subagent) 워크플로입니다.

이 중 그 어느 것도 이번 주 전에는 구축하기가 현실적이지 않았습니다.

솔직한 소감
Google I/O 2026은 단 하나의 문샷 (moonshot) 발표가 아니었습니다. 모델, 툴링 (tooling), 에이전트 인프라 (agent infrastructure), 개발자 경험 (developer experience) 등 수많은 것들이 동시에 의미 있게 개선되었으며, 이는 1인 빌더 (solo builder)가 성취할 수 있는 영역의 실질적인 변화로 이어집니다.

과거의 플래시 트레이드오프 (Flash tradeoff, 속도와 성능 사이의 절충)는 사라졌습니다. 과거의 AI Studio 한계 (프롬프트에는 훌륭하지만 빌딩에는 부적합함)도 사라졌습니다. 과거의 에이전트 마찰 (agent friction, 모든 것을 수동으로 오케스트레이션해야 함)도 빠르게 줄어들고 있습니다.

예산이 한정된 ECE 학생, 메이커, 그리고 사이드 프로젝트 빌더들에게 말씀드립니다. 지금의 Gemini 스택은 역대 최고이며, 현재 무료 티어에서도 바로 사용할 수 있습니다. 가서 무언가를 만들어 보세요.

유용한 링크
Gemini 3.5 Flash on Google AI Studio — 무료 티어 제공, 신용카드 불필요
Antigravity 2.0 — 에이전트 우선 개발 플랫폼 (Desktop + CLI + SDK)
Google I/O 2026 Developer Keynote 요약
PDF to Image Converter — Antigravity를 사용하여 한 시간 만에 출시한 프로젝트
BlinkNBuild YouTube 채널 — 위에서 설명한 것과 같은 빌드 과정을 기록하는 곳

Managed Agents + Gemini 3.5 Flash를 사용하여 가장 먼저 무엇을 만들어보고 싶으신가요? 댓글로 남겨주세요. 특히 이곳의 임베디드 (Embedded) 및 IoT 분야 분들은 어떻게 생각하고 계신지 정말 궁금합니다.