Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
X @GoogleCloudTech 54건필터 해제
사후 학습 (Post-training) 및 고동시성 추론 (High-concurrency reasoning)에 최적화된 TPU 8i 설계
사후 학습과 고동시성 추론에 최적화된 새로운 TPU 8i 설계가 공개되었습니다. 온칩 SRAM 확대, 새로운 Collectives Acceleration Engine, 그리고 Boardfly 네트워크 토폴로지를 통해 성능을 극대화했습니다.
이번 주 라이브 스트림에서는 Google의 Agent Development Kit (ADK)와 Gemini 3.5 Flash를 사용하여
Google의 Agent Development Kit(ADK)와 Gemini 3.5 Flash를 활용하여 Python 기반의 에이전트를 구축하는 방법을 다루는 라이브 스트림 안내입니다.
The Agent Factory: Google Antigravity 2.0이 어떻게 100배의 출력을 가능하게 하는지 분석
본 기사는 Google Antigravity 2.0을 활용하여 출력을 극대화하는 방법을 다룹니다. 음성 기반 서브 에이전트 위임부터 Gemma 4를 이용한 오프라인 컴파일까지, 단순 코딩(vibe-coding)에서 벗어나 시스템 전체를 오케스트레이션하는 고급 개발 기법을 소개합니다.
놓치셨다면 확인하세요: 데이터 에이전트 키트를 출시했습니다
실무 환경에 통합되는 오픈 소스 데이터 에이전트 키트(Data Agent Kit)가 출시되었습니다. 이 키트는 VS Code, Claude Code, Codex 등 개발자들이 이미 사용하는 환경에 데이터 엔지니어링 및 데이터 과학 기술과 도구들을 모아 놓은 컬렉션입니다.
AI 에이전트의 기본 개념, LLM API와의 차이점 및 실제 적용 가치 알아보기
본 글은 AI 에이전트의 기본 원리를 설명하고, 이것이 일반적인 LLM API와 어떻게 다른지 비교합니다. 개발자 및 아키텍트를 대상으로 하며, 자율적이고 목표 지향적인 동작 관점에서 AI 시스템의 실제 적용 가치를 제시합니다.
이 코드랩은 Cloud Run의 기초부터 프로덕션 단계까지 아우르는 궁극적인 가이드를 제공합니다.
Cloud Run의 기초부터 프로덕션 환경 구축까지 다루는 종합 가이드입니다. VPC 액세스, Secret Manager 활용법 및 AI 에이전트용 ADK 사용법을 포함합니다.
Agent Engine에서 에이전트 배포 및 확장하기
Agent Engine을 사용하여 데이터 과학 에이전트를 구축하고 배포하는 방법을 다루는 코드랩입니다. BigQuery 데이터를 쿼리하고 사용자 선호도를 기억하는 에이전트의 확장 방법을 학습할 수 있습니다.
Google을 활용한 에이전트 구축 개발자 가이드: Antigravity, Agents API, 그리고 ADK
Google Cloud를 활용하여 프로덕션급 AI 에이전트를 구축하는 방법을 다루는 개발자 가이드입니다. Antigravity, Agents API, ADK를 사용하여 오케스트레이션 루프와 샌드박스 구축 등 복잡한 배관 작업을 효율적으로 해결하는 방법을 설명합니다.
#GoogleIO에서 오늘 출시된, 최첨단 지능과 실행력을 결합한 최신 모델 제품군 Gemini 3.5
Google I/O에서 최첨단 지능과 실행력을 결합한 최신 모델 제품군인 Gemini 3.5가 공개되었습니다. 이번 시리즈의 시작으로 Gemini 3.5 Flash가 출시되었으며, Google DeepMind는 자사의 AI 인프라를 활용하여 이 모델들을 처음부터 설계했습니다.
바이브 코딩 (vibe coding)의 부상부터 개발자가 '에이전트 군단의 관리자'로 전환되는 과정까지
본 기사는 '바이브 코딩(vibe coding)'의 등장부터 개발자가 '에이전트 군단(agent swarms)'을 관리하는 역할로 변화하는 과정을 다룹니다. @pirroh는 @replit이 Google Gemini 모델을 활용하여 다음 10억 명의 빌더를 위한 소프트웨어 제작 민주화 전략을 공유합니다.
Virgo fabric에 대한 TPU 8t 랙 레벨 연결성의 조감도
이 문서는 Virgo fabric에 대한 TPU 8t 랙 레벨 연결성의 조감도를 제공합니다. 이 아키텍처는 고방사율 스위치(high-radix switches)를 기반으로 구축되었으며, 네트워크 계층을 줄여 더 많은 포트를 허용하는 것이 특징입니다. 또한, 평면적인 2계층 비차단 토폴로지(two-layer non-blocking topology)를 채택하여 효율성을 높였습니다.
모든 것을 잊어버리지 않고 몇 주 동안 안정적으로 실행되는 에이전트를 구축할 수 있을까요?
본 기사는 장기간(몇 주) 동안 컨텍스트를 잃지 않고 안정적으로 실행되는 AI 에이전트 구축 가능성에 대한 질문을 던집니다. 이를 해결하기 위해 @Saboo_Shubham_과 Eric이 개발한 '신규 채용 온보딩 조율' 시나리오의 참조 시스템 코드를 소개하며, 장기 실행 및 일시 정지/재개 기능이 포함된 AI 에이전트 구축 방법을 제시합니다.
단순한 SELECT를 넘어섭니다. 고속 벡터 검색 (vector search)을 지원하여 사용자가 자연어 (natural language)를
본 기사는 단순한 SQL SELECT 쿼리를 넘어, 고속 벡터 검색(vector search) 기능을 활용하여 사용자가 자연어(natural language)로 복잡한 데이터베이스에 접근할 수 있는 시스템 구축 방법을 다룹니다. 이를 통해 데이터 접근성을 높이고 민주화하는 것을 목표로 합니다. 구체적으로 AlloyDB를 위한 QueryData 시작 방법을 안내합니다.
Gemini Enterprise Agent Platform의 새로운 Agent Registry는 기업을 위한 단일 진실 공급원(single
Gemini Enterprise Agent Platform에 새롭게 도입된 Agent Registry는 기업 환경에서 모든 내부 에이전트, 도구, 기술을 통합 관리하는 단일 진실 공급원(single source of truth) 역할을 합니다. 이 레지스트리는 모든 자산을 인덱싱하여 사용자가 필요한 에이전트를 쉽게 발견할 수 있도록 돕고, 동시에 승인된 자산만 사용자에게 제공되도록 보장합니다.
단순한 챗봇을 넘어 분산형 멀티 에이전트 시스템(distributed multi-agent system)을 구축하세요—이
본 코랩은 단순한 챗봇을 넘어, 여러 에이전트가 협력하여 공동의 목표를 달성하는 분산형 멀티 에이전트 시스템(distributed multi-agent system)을 구축하는 방법을 안내합니다. 사용자는 공유된 목표를 위해 여러 에이전트 간의 상호작용 및 아키텍처 설계에 초점을 맞추게 됩니다.
50개 이상의 Google 관리형 MCP 서버가 GA 또는 프리뷰 단계에 있습니다—더 많은 서버가 출시될 예정입니다!
Google은 50개 이상의 관리형 MCP(Managed Container Platform) 서버를 GA 또는 프리뷰 단계로 출시하고 있으며, 앞으로도 더 많은 서버가 추가될 예정입니다. 이를 통해 AI 에이전트를 Google 관리형 MCP 엔드포인트로 지정하면 지역 설정 변경 없이 Google Cloud 보안 스택에 연결할 수 있습니다.
스토리보드에서 라이브 아바타까지, Khulan Davaajav가 Veo, Nano Banana, Gemini Flash Live 3.1과 함께
Khulan Davaajav가 Veo, Nano Banana, Gemini Flash Live 3.1 등 최신 AI 도구들을 활용하여 스토리보드부터 라이브 아바타 제작까지 크리에이티브 AI의 미래를 탐구합니다. 이 내용은 Google의 생성형 미디어 모델(gen media models)이 인간의 창작 표현력을 어떻게 변화시키고 있는지 보여줍니다.
이번 주 라이브 스트림에서 GPU 가속 멀티 에이전트 앱 구축 방법 소개
이번 라이브 스트림에서는 ADK(Agent Development Kit)를 활용하여 여러 에이전트를 오케스트레이션하고, NVIDIA RTX PRO 6000 GPU와 Cloud Run 환경에서 Gemma 4 모델을 서비스하는 방법을 다룹니다. 또한 Milvus를 사용하여 이러한 멀티 에이전트 애플리케이션을 연결하고 구축하는 과정을 소개할 예정입니다.
#GoogleCloudNext에서 제공하는 코랩을 사용해 보세요: 풍부한 에이전트 경험 구축하기 (ADK + A2UI).
Google Cloud Next에서 소개된 내용을 바탕으로, ADK(Agent Development Kit)와 A2UI를 활용하여 에이전트 시스템의 사용자 경험을 혁신할 수 있습니다. 이 가이드는 사용자가 에이전트 시스템과 끊김 없이 상호작용할 수 있도록 직관적이고 고품질의 인터페이스 구축 방법을 제시합니다.
이전 세대 TPU 대비 TPU 8t의 주요 발전 사항:
TPU 8t는 이전 세대 TPU 대비 여러 면에서 상당한 발전을 이루었습니다. 주요 개선 사항으로는 SparseCore의 도입, VPU와 MXU의 중첩 및 균형 잡힌 스케일링이 가능해졌으며, 네이티브 4비트 FP4 지원을 통해 효율성이 높아졌습니다. 또한, Virgo 네트워크 토폴로지 채택과 향상된 스토리지를 통해 데이터 처리 능력과 확장성이 크게 증가했습니다.
이 피드 구독하기
본 페이지의 콘텐츠는 AI가 공개된 소스를 기반으로 자동 수집·요약·번역한 것입니다. 원 저작권은 각 원저작자에게 있으며, 각 게시물의 “원문 바로가기” 링크를 통해 원문을 확인할 수 있습니다. 저작권자의 삭제 요청이 있을 경우 신속히 조치합니다.