GSP1268

개요

Agent Engine은 개발자가 프로덕션에서 AI 에이전트를 배포, 관리, 확장하도록 지원하는 완전 관리형 Google Cloud 서비스입니다. Agent Engine이 인프라를 처리하여 프로덕션에서 에이전트를 확장하므로 강력한 지능형 애플리케이션을 만드는 데 집중할 수 있습니다.

Gemini 함수 호출을 통해 도구로 사용되는 Python 함수를 정의할 수 있습니다. Agent Engine은 Vertex AI의 Gemini 모델용 Gen AI SDK와 긴밀하게 통합되며 프롬프트, 에이전트, 예시를 모듈식으로 관리할 수 있습니다. Agent Engine은 LangChain, LlamaIndex 또는 기타 Python 프레임워크와 호환됩니다.

이 실습에서는 Python용 Gen AI SDK를 사용하여 에이전트(모델, 도구, 추론)를 빌드하고 배포하는 방법을 알아봅니다. 모델을 사용하고 Python 함수로 도구를 구현하고 LangChain을 조정에 사용하는 에이전트를 빌드하고 배포합니다.

Gemini

Gemini는 Google DeepMind에서 개발한 강력한 생성형 AI 모델 제품군으로 텍스트, 코드, 이미지, 오디오, 동영상을 포함한 다양한 형식의 콘텐츠를 이해하고 생성합니다.

Vertex AI의 Gemini API

Vertex AI의 Gemini API는 Gemini 모델과 상호작용할 수 있는 통합 인터페이스를 제공합니다. 이를 통해 개발자는 이러한 강력한 AI 기능을 손쉽게 애플리케이션에 통합할 수 있습니다. 최신 세부정보와 최신 버전의 구체적인 기능은 공식 Gemini 문서를 참조하세요.

Gemini 모델

• Gemini Pro: 복잡한 추론을 위해 설계되었으며 다음과 같은 작업을 처리합니다.
  • 대량의 정보 분석 및 요약
  • 정교한 교차 모달 추론(텍스트, 코드, 이미지 등)
  • 복잡한 코드베이스로 효과적인 문제 해결
• Gemini Flash: 속도와 효율성에 최적화되었으며 다음을 제공합니다.
  • 1초 미만의 응답 시간과 높은 처리량
  • 광범위한 작업에 대해 낮은 비용으로 높은 품질 제공
  • 개선된 공간 이해, 새로운 출력 형식(텍스트, 오디오, 이미지), 기본 도구 사용(Google 검색, 코드 실행, 서드 파티 함수)을 포함한 향상된 멀티모달 기능

기본 요건

이 실습을 시작하기 전에 다음 개념을 숙지해야 합니다.

• 기본 Python 프로그래밍
• 일반적인 API 개념
• Vertex AI Workbench의 Jupyter 노트북에서 Python 코드를 실행하는 방법

목표

이 실습에서는 다음 작업을 수행하는 방법을 배웁니다.

• Python용 Gen AI SDK 설치
• Gen AI SDK를 사용하여 간단한 에이전트의 구성요소 빌드
• 배포하기 전에 로컬에서 에이전트 테스트
• Vertex AI에서 에이전트 배포 및 테스트
• 에이전트의 각 계층(모델, 도구, 조정) 맞춤설정

설정 및 요건

실습 시작 버튼을 클릭하기 전에

다음 안내를 확인하세요. 실습에는 시간 제한이 있으며 일시중지할 수 없습니다. 실습 시작을 클릭하면 타이머가 시작됩니다. 이 타이머는 Google Cloud 리소스를 사용할 수 있는 시간이 얼마나 남았는지를 표시합니다.

실무형 실습을 통해 시뮬레이션이나 데모 환경이 아닌 실제 클라우드 환경에서 실습 활동을 진행할 수 있습니다. 실습 시간 동안 Google Cloud에 로그인하고 액세스하는 데 사용할 수 있는 새로운 임시 사용자 인증 정보가 제공됩니다.

이 실습을 완료하려면 다음을 준비해야 합니다.

• 표준 인터넷 브라우저 액세스 권한(Chrome 브라우저 권장)

참고: 이 실습을 실행하려면 시크릿 모드(권장) 또는 시크릿 브라우저 창을 사용하세요. 개인 계정과 학습자 계정 간의 충돌로 개인 계정에 추가 요금이 발생하는 일을 방지해 줍니다.

• 실습을 완료하기에 충분한 시간(실습을 시작하고 나면 일시중지할 수 없음)

참고: 이 실습에는 학습자 계정만 사용하세요. 다른 Google Cloud 계정을 사용하는 경우 해당 계정에 비용이 청구될 수 있습니다.

실습을 시작하고 Google Cloud 콘솔에 로그인하는 방법

1. 실습 시작 버튼을 클릭합니다. 실습 비용을 결제해야 하는 경우 결제 수단을 선택할 수 있는 대화상자가 열립니다. 왼쪽에는 다음과 같은 항목이 포함된 실습 세부정보 창이 있습니다.

   • Google Cloud 콘솔 열기 버튼
   • 남은 시간
   • 이 실습에 사용해야 하는 임시 사용자 인증 정보
   • 필요한 경우 실습 진행을 위한 기타 정보

2. Google Cloud 콘솔 열기를 클릭합니다(Chrome 브라우저를 실행 중인 경우 마우스 오른쪽 버튼으로 클릭하고 시크릿 창에서 링크 열기를 선택합니다).

   실습에서 리소스가 가동되면 다른 탭이 열리고 로그인 페이지가 표시됩니다.

   팁: 두 개의 탭을 각각 별도의 창으로 나란히 정렬하세요.

   참고: 계정 선택 대화상자가 표시되면 다른 계정 사용을 클릭합니다.

3. 필요한 경우 아래의 사용자 이름을 복사하여 로그인 대화상자에 붙여넣습니다.

   {{{user_0.username | "Username"}}}

   실습 세부정보 창에서도 사용자 이름을 확인할 수 있습니다.

4. 다음을 클릭합니다.

5. 아래의 비밀번호를 복사하여 시작하기 대화상자에 붙여넣습니다.

   {{{user_0.password | "Password"}}}

   실습 세부정보 창에서도 비밀번호를 확인할 수 있습니다.

6. 다음을 클릭합니다.

   중요: 실습에서 제공하는 사용자 인증 정보를 사용해야 합니다. Google Cloud 계정 사용자 인증 정보를 사용하지 마세요. 참고: 이 실습에 자신의 Google Cloud 계정을 사용하면 추가 요금이 발생할 수 있습니다.

7. 이후에 표시되는 페이지를 클릭하여 넘깁니다.

   • 이용약관에 동의합니다.
   • 임시 계정이므로 복구 옵션이나 2단계 인증을 추가하지 않습니다.
   • 무료 체험판을 신청하지 않습니다.

잠시 후 Google Cloud 콘솔이 이 탭에서 열립니다.

참고: Google Cloud 제품 및 서비스에 액세스하려면 탐색 메뉴를 클릭하거나 검색창에 제품 또는 서비스 이름을 입력합니다.

작업 1. Vertex AI Workbench에서 노트북 열기

1. Google Cloud 콘솔의 탐색 메뉴()에서 Vertex AI > Workbench를 클릭합니다.

2. 인스턴스를 찾아 JupyterLab 열기 버튼을 클릭합니다.

Workbench 인스턴스의 JupyterLab 인터페이스가 새 브라우저 탭에서 열립니다.

참고: JupyterLab에 노트북이 표시되지 않는다면 다음 추가 단계에 따라 인스턴스를 재설정하세요.

1. JupyterLab의 브라우저 탭을 닫고 Workbench 홈페이지로 돌아갑니다.

2. 인스턴스 이름 옆의 체크박스를 선택하고 재설정을 클릭합니다.

3. JupyterLab 열기 버튼이 다시 사용 설정되면 1분 정도 기다린 후 JupyterLab 열기를 클릭합니다.

작업 2. 노트북 설정

1. 파일을 엽니다.

2. 커널 선택 대화상자에서 사용 가능한 커널 목록 중 Python 3을 선택합니다.

3. 노트북의 시작하기 섹션을 실행합니다. 프로젝트 ID와 위치가 사전 구성되어 있습니다.

참고: 노트북 셀 실행 중 429 응답이 발생하는 경우 1분 동안 기다린 다음 다시 셀을 실행하여 계속 진행하세요. 참고: pip 종속 항목을 설치하는 중에 pip 패키지 오류가 발생하면 노트북에서 셀을 다시 실행하세요.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 라이브러리 가져오기 및 노트북 설정하기

작업 3. 에이전트 빌드 및 배포

이 섹션에서는 Python용 Gen AI SDK를 사용하여 에이전트를 빌드하고 배포합니다. 에이전트는 다음 세 가지 구성요소로 구성됩니다.

• 모델: 모델
• 도구: 모델에서 호출할 수 있는 Python 함수
• 조정: 추론을 조정하는 LangChain

노트북에서 모델, 도구, 조정을 정의하고 로컬에서 에이전트를 테스트한 다음 에이전트를 Vertex AI에 배포합니다.

1. 노트북의 에이전트 빌드 및 배포 섹션을 실행합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. Gemini 모델 로드

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. Python 함수(도구) 정의

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. Vertex AI에 에이전트 배포

작업 4. 에이전트 맞춤설정

방금 살펴본 예에는 시작하는 데 도움이 되도록 에이전트 내 각 구성요소에 필요한 최소한의 구성이 포함되어 있습니다.

하지만 다른 Gemini 모델 버전으로 전환하거나 생성 모델 파라미터 또는 안전 필터를 변경하거나 에이전트를 추가로 맞춤설정하려면 어떻게 해야 할까요? 노트북의 다음 예에서는 에이전트에서 맞춤설정할 수 있는 가장 일반적인 파라미터를 보여줍니다. Vertex AI의 Agent Engine은 함수 호출을 지원하는 Gemini 모델 버전 및 LangChain 에이전트와 함께 작동합니다.

이 섹션에서는 필요에 맞게 모델 및 에이전트 구성요소를 맞춤설정하는 방법을 알아봅니다.

1. 노트북의 에이전트 맞춤설정 섹션을 실행합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 모델 구성

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 에이전트 구성

수고하셨습니다

수고하셨습니다. 이 실습에서는 Vertex AI의 Agent Engine을 사용하여 에이전트를 빌드하고 배포하는 방법을 알아봤습니다. 모델을 사용하고 Python 함수로 도구를 구현하고 LangChain을 조정에 사용하는 에이전트를 빌드하고 배포했습니다. 에이전트의 다양한 계층을 맞춤설정하는 방법도 알아봤습니다.

다음 단계/자세히 알아보기

Gemini에 대한 자세한 내용은 다음 리소스를 참조하세요.

• Gemini 개요
• Vertex AI의 생성형 AI 문서
• YouTube의 생성형 AI
• Vertex AI 설명서에서 생성형 AI를 위한 선별된 노트북 갤러리를 검색하며 살펴보세요.
• Google Cloud 생성형 AI 저장소에서 다른 노트북과 샘플을 찾아보세요.

Google Cloud 교육 및 자격증

Google Cloud 기술을 최대한 활용하는 데 도움이 됩니다. Google 강의에는 빠른 습득과 지속적인 학습을 지원하는 기술적인 지식과 권장사항이 포함되어 있습니다. 기초에서 고급까지 수준별 학습을 제공하며 바쁜 일정에 알맞은 주문형, 실시간, 가상 옵션이 포함되어 있습니다. 인증은 Google Cloud 기술에 대한 역량과 전문성을 검증하고 입증하는 데 도움이 됩니다.

설명서 최종 업데이트: 2025년 11월 6일

실습 최종 테스트: 2025년 11월 6일

Copyright 2026 Google LLC. All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.