에이전트 개발 키트(ADK)로 에이전트 배포하기: 챌린지 실습

GENAI129

개요

목표

설정 및 요건

챌린지 시나리오

작업 1. 페인트 제품 정보 Agent Search 앱 만들기

작업 2. ADK 설치 및 환경 설정

`Two coats.`

GENAI129

개요

목표

관련 학습 자료

실습 시작 버튼을 클릭하기 전에

실습을 시작하고 Google Cloud 콘솔에 로그인하는 방법

Cloud Shell 편집기 탭 준비

이 실습에 필요한 ADK와 코드 샘플 다운로드 및 설치

체크포인트

Create a data store and search app

내 진행 상황 확인하기

/ 15

Debug your agent

내 진행 상황 확인하기

/ 25

Set and utilize session state

내 진행 상황 확인하기

/ 25

Deploy your agent to Agent Engine

내 진행 상황 확인하기

/ 25

Configure a frontend to query your agent

내 진행 상황 확인하기

/ 10

이 실습에는 학습을 지원하는 AI 도구가 통합되어 있을 수 있습니다.

이 콘텐츠는 아직 휴대기기에 최적화되지 않음

최상의 경험을 위해 데스크톱 컴퓨터에서 이메일로 전송된 링크를 사용하여 방문하세요.

점수: 이 챌린지 실습을 통과하려면 80% 이상의 점수를 받아야 합니다.

이 실습에서는 에이전트 개발 키트(ADK)를 사용하여 에이전트를 작성하고 해당 에이전트를 Agent Runtime에 배포하고 웹 앱에서 사용할 수 있는 능력을 입증합니다.

이 실습에서는 다음 작업을 수행합니다.

에이전트 개발 키트(ADK)를 사용해 루트 에이전트와 하위 에이전트로 구성된 에이전트 빌드
Agent Search 도구 및 도구로 사용되는 Python 함수를 활용해 에이전트 사용 설정
에이전트 출력을 세션 상태에 저장하고 후속 에이전트 요청 사항을 위해 세션 상태에서 값을 검색
에이전트를 Agent Runtime에 배포
Agent Runtime에 배포된 에이전트 쿼리

카테고리	리소스
과정	- 에이전트 개발 키트(ADK) 및 Agent Runtime으로 멀티 에이전트 시스템 배포하기
실습	- 에이전트 개발 키트(ADK) 시작하기 - 도구로 ADK 에이전트 지원 - ADK를 사용한 멀티 에이전트 시스템 빌드 - Agent Runtime에 ADK 에이전트 배포 - AI Applications를 사용해 Agent Search 앱 빌드

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 다음이 필요합니다.

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.

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
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.
필요한 경우 아래의 사용자 이름을 복사하여 로그인 대화상자에 붙여넣습니다.
{{{user_0.username | "Username"}}}
실습 세부정보 창에서도 사용자 이름을 확인할 수 있습니다.
다음을 클릭합니다.
아래의 비밀번호를 복사하여 시작하기 대화상자에 붙여넣습니다.
{{{user_0.password | "Password"}}}
실습 세부정보 창에서도 비밀번호를 확인할 수 있습니다.
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.
이후에 표시되는 페이지를 클릭하여 넘깁니다.
- 이용약관에 동의하세요.
- 임시 계정이므로 복구 옵션이나 2단계 인증을 추가하지 마세요.
- 무료 체험판을 신청하지 마세요.

잠시 후 Google Cloud 콘솔이 이 탭에서 열립니다.

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

Cymbal Shops는 미니애폴리스에 본사를 둔 미국의 소매 체인점으로, 생활용품, 전자제품, 의류를 판매하고 있습니다.

Cymbal Shops는 유럽으로 사업을 확장하고 페인트 부서를 신설했습니다. 온라인에서의 새로운 입지를 활용하여 DIY 홈 리모델링 프로젝트를 위한 페인트 쇼핑 방식을 간소화할 계획입니다.

동료가 다음과 같이 사용자를 지원할 Paint Agent라는 에이전트를 개발하기 시작했습니다.

Cymbal Shops의 페인트 제품 데이터시트를 기반으로 페인트 제품을 선택합니다.
선택한 제품 라인에서 색상을 선택합니다.
공간의 크기에 따라 필요한 페인트 양을 결정합니다.
선택한 옵션을 바탕으로 가격을 계산합니다.

하지만 이 동료가 버그를 해결하지 못한 채 퇴사했습니다.

Cymbal Shops의 신입 ML 엔지니어가 Paint Agent 배포를 완료하는 업무를 맡게 되었습니다. 에이전트는 다음과 같이 구성됩니다.

이 작업에서는 Agent Search 데이터 스토어를 배포합니다. 이 데이터 스토어는 Cymbal Shops의 페인트를 설명하는 데이터시트를 가져옵니다(https://storage.cloud.google.com/-bucket/Cymbal_Shops_Paint_Datasheets.pdf에서 시크릿 창의 탭을 통해 미리보기를 확인할 수 있음). 이 데이터시트는 페인트에 관한 사용자 쿼리의 그라운딩 데이터 소스로 사용됩니다.

데이터 스토어와 검색 앱을 사용하면 에이전트가 조직의 콘텐츠를 빠르게 찾을 수 있습니다. 그런 다음 이 정보를 사용하여 데이터에 따라 사용자에게 적절한 대답을 제공할 수 있습니다.

Google Cloud 콘솔에서 Agent Platform > 에이전트 > 검색으로 이동합니다.
다음 구성을 사용하여 에이전트 검색 앱을 만듭니다.

필드 값

앱 유형 커스텀 검색(일반)

앱 이름 Paint Search

회사 이름 Cymbal Shops

위치 global

필드	값
앱 유형	커스텀 검색(일반)
앱 이름	Paint Search
회사 이름	Cymbal Shops
위치	global

다음 구성을 사용하여 Agent Search 데이터 스토어를 만듭니다.

필드	값
데이터 소스	Cloud Storage
데이터 유형	문서
폴더 또는 파일	파일
가져올 파일	-bucket/Cymbal_Shops_Paint_Datasheets.pdf
위치	global
데이터 스토어 이름	Cymbal Paint
문서 파서	레이아웃 파서
테이블 주석 사용 설정	사용 설정됨
청크에 상위 제목 포함	사용 설정됨

앱과 데이터 스토어 모두 가격 책정 모델을 General로 선택합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 데이터 스토어 및 검색 앱 만들기

이 실습 환경에서는 Agent Platform API가 사용 설정되어 있습니다. 자체 프로젝트에서 이러한 단계를 따르려면 Agent Platform으로 이동하여 사용 설정을 안내하는 메시지에 따라 설정하면 됩니다.

Google Cloud 콘솔 제목 표시줄에서 Cloud Shell 활성화()를 클릭합니다.
참고: 또는 콘솔 브라우저 탭을 선택하고 G와 S를 차례로 눌러 Cloud Shell 터미널을 엽니다.
계속을 클릭합니다.
Cloud Shell을 승인하라는 메시지가 표시되면 승인을 클릭합니다.
Cloud Shell 터미널 패널의 오른쪽 상단에서 새 창에서 열기 버튼 을 클릭합니다.
창 상단에서 편집기 열기 연필 아이콘()을 클릭하여 파일을 표시합니다.
왼쪽 탐색 메뉴 상단에서 탐색기 아이콘()을 클릭하여 파일 탐색기를 엽니다.
폴더 열기 버튼을 클릭합니다.
'폴더 열기' 대화상자가 열리면 확인을 클릭하여 Qwiklabs 학습자 계정의 홈 폴더를 선택합니다.
화면 오른쪽에 표시되는 추가 튜토리얼 또는 Gemini 패널을 닫아 코드 편집기에 더 많은 공간을 확보합니다.
이 실습의 나머지 부분에서 이 창을 Cloud Shell 편집기 및 Cloud Shell 터미널이 있는 IDE로 사용할 수 있습니다.

다음 명령어를 Cloud Shell 터미널에 붙여넣어 Cloud Storage 버킷에서 파일을 복사하면 실습을 위한 코드를 포함한 프로젝트 디렉터리가 생성됩니다.
gcloud storage cp -r gs://{{{project_0.project_id| YOUR_GCP_PROJECT_ID}}}-bucket/adk_challenge_lab . 2> /dev/null
gcloud storage cp -r gs://{{{project_0.project_id| YOUR_GCP_PROJECT_ID}}}-bucket/adk_challenge_lab . 2> /dev/null

export PATH=$PATH:"/home/${USER}/.local/bin" python3 -m pip install -r adk_challenge_lab/requirements.txt python3 -m pip install chainlit==2.11.1
Cloud Shell 터미널에서 다음 명령어를 실행하여 PATH 환경 변수를 업데이트하고 ADK 및 기타 실습 요구사항을 설치합니다.
export PATH=$PATH:"/home/${USER}/.local/bin" python3 -m pip install -r adk_challenge_lab/requirements.txt python3 -m pip install chainlit==2.11.1
cd ~/adk_challenge_lab cat << EOF > .env GOOGLE_GENAI_USE_VERTEXAI=TRUE GOOGLE_CLOUD_PROJECT={{{project_0.project_id| YOUR_GCP_PROJECT_ID}}} GOOGLE_CLOUD_LOCATION={{{project_0.default_region| GCP_LOCATION}}} RESOURCES_BUCKET={{{project_0.project_id| YOUR_GCP_PROJECT_ID}}}-bucket MODEL={{{project_0.startup_script.gemini_flash_model_id | gemini_flash_model_id}}} SEARCH_ENGINE_ID=YOUR_ID EOF
다음 명령어를 텍스트 파일에 복사합니다. YOUR_ID의 SEARCH_ENGINE_ID 값을 방금 만든 검색엔진의 ID로 업데이트합니다(paint-search_1756... 같은 형태로 표시되며 Agent Platform > 에이전트 > 검색의 앱 목록에서 찾을 수 있음).
cd ~/adk_challenge_lab cat << EOF > .env GOOGLE_GENAI_USE_VERTEXAI=TRUE GOOGLE_CLOUD_PROJECT={{{project_0.project_id| YOUR_GCP_PROJECT_ID}}} GOOGLE_CLOUD_LOCATION={{{project_0.default_region| GCP_LOCATION}}} RESOURCES_BUCKET={{{project_0.project_id| YOUR_GCP_PROJECT_ID}}}-bucket MODEL={{{project_0.startup_script.gemini_flash_model_id | gemini_flash_model_id}}} SEARCH_ENGINE_ID=YOUR_ID EOF

cp .env paint_agent/.env

[참고: 숨은 파일(마침표로 시작하는 파일로 표시)을 보려면 Cloud Shell 편집기 메뉴를 사용하여 보기 > 숨은 파일 전환을 사용 설정하면 됩니다.]

.env 파일을 에이전트 디렉터리에 복사하여 에이전트가 배포되면 필요한 인증 구성을 제공합니다.

작업 3. Paint Agent 디버그

adk run paint_agent

동료가 시작한 Paint Agent 작업에 문제가 발생했습니다. 동료가 해결하지 못한 버그를 수정하는 등 중단된 작업을 이어받아 에이전트를 완성하고 배포해야 합니다.

hello

yes
Cloud Shell 터미널에서 다음 명령어를 사용하여 현재 버전의 에이전트를 실행합니다.
... google.genai.errors.ClientError: 400 INVALID_ARGUMENT. {'error': {'code': 400, 'message': 'Multiple tools are supported only when they are all search tools.', 'status': 'INVALID_ARGUMENT'}}
adk run paint_agent
[user]: 프롬프트가 표시되면 다음을 입력합니다.
에이전트가 Cymbal Shops의 페인트에 대해 자세히 알아보고 싶냐고 물어보면 다음과 같이 답합니다.
yes

... google.genai.errors.ClientError: 400 INVALID_ARGUMENT. {'error': {'code': 400, 'message': 'Multiple tools are supported only when they are all search tools.', 'status': 'INVALID_ARGUMENT'}}

다음 단계에서 이 오류를 해결합니다.
adk_challenge_lab/paint_agent/agent.py 파일을 열고 root_agent가 사용하는 하위 에이전트 및 도구 목록을 검사합니다. 이 목록에 하위 에이전트가 포함되어 있음을 확인할 수 있습니다. 하위 에이전트로 전송하면 암시적 transfer_to_agent 도구가 호출됩니다.

root_agent의 도구는 검색 도구가 아니므로 하위 에이전트 중 하나 이상이 검색 도구를 호출해야 합니다.
- https://github.com/google/adk-python/blob/main/src/google/adk/tools/vertex_ai_search_tool.py
- 이해 점검: (정답은 진행하면서 공개됩니다.)
검색 도구를 한 에이전트에서 다른 비검색 도구와 결합할 수 없지만(하위 에이전트에서 사용하더라도 마찬가지임), ADK는 검색 도구를 사용하는 격리된 에이전트를 래핑할 수 있는 AgentTool이라는 도구를 제공합니다. 이를 통해 도구 형태의 에이전트를 다른 도구와 함께 사용할 수 있습니다.
https://github.com/google/adk-python/blob/main/src/google/adk/tools/agent_tool.py
root_agent 파일 adk_challenge_lab/paint_agent/agent.py로 돌아가서 AgentTool()을 root_agent의 도구 목록에 추가합니다. AgentTool()에 다음 인수를 제공합니다.

agent를 search_agent(위에서 발견한 검색 도구를 사용하는 하위 에이전트)로 설정해야 합니다.

에이전트가 검색 도구에서 반환한 결과를 보고하도록 하려면 skip_summarization을 False로 설정해야 합니다.
sub_agents 목록에서 해당 하위 에이전트를 삭제합니다.
adk run paint_agent
파일을 저장합니다.

참고: 데이터 스토어가 생성되고 문서의 색인이 생성된 후에 계속 진행하세요. Agent Platform > 에이전트 > 검색 > 데이터 스토어 > Cymbal Paint 데이터 스토어의 문서 탭에서 상태를 모니터링할 수 있습니다.
상태가 '준비됨'으로 표시된 후 몇 분 정도 기다렸다가 에이전트를 쿼리하면 더 안정적인 출력을 얻을 수 있습니다.
Cloud Shell 터미널에서 다음 명령어를 사용해 에이전트를 다시 실행합니다.
adk run paint_agent

에이전트에 EcoGreens 페인트와 Forever Paint 페인트의 가격을 알려달라고 요청합니다.

가격은 각각 35€와 40€여야 합니다.
내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 에이전트 디버그
명령줄 인터페이스를 통해 에이전트와 채팅한 후 exit를 입력하여 대화를 종료합니다.
작업 4. 공유 상태 저장 및 활용
root_agent가 adk_challenge_lab/paint_agent/tools.py에서 set_session_value 도구를 가져와 사용합니다. 사용자로부터 SELECTED_PAINT 및 COVERAGE_RATE와 같은 정보를 수집하여 세션에 저장하고 멀티턴 채팅에 사용하는 것이 목표입니다. 하지만 아직 완전히 구현되지는 않았습니다.
adk_challenge_lab/paint_agent/tools.py 파일에서 set_session_value 함수를 업데이트하여 ToolContext의 state 사전에 key-value 쌍을 저장합니다.
adk web --allow_origins "regex:https://.*\.cloudshell\.dev"
f"stored '{value}' in '{key}'" 상태 메시지를 반환하도록 함수의 응답을 업데이트합니다.

coverage_calculator_agent(root_agent의 하위 에이전트인 room_planner의 하위 에이전트)와 연결된 agent.py 파일을 엽니다.

이제 에이전트와 다음 대화를 나눌 수 있습니다.에이전트 대답[Cymbal Shops의 페인트에 관한 정보를 공유해 주겠다고 제안합니다.][Project Paint, EcoGreens, SureCoverage, Forever Paint 등 페인트 제품에 관한 정보를 공유합니다.][상태 탭에 업데이트된 상태 값이 표시됩니다. 방은 몇 개이고 각 방을 뭐라고 부를지 물어봅니다.][서재에 사용할 색상을 선택하라고 요청합니다.]

Deep Ocean
[방의 크기를 묻습니다.]
3m by 4m. 3m high. 1 door, 2 windows.
[페인트 도장 횟수를 확인합니다.]

[74제곱미터에 필요한 페인트 양을 계산합니다.]

참고: 제품 이미지가 올바르게 표시되도록 하려면 브라우저 설정에서 이 도메인에 대해 서드 파티 쿠키를 사용 설정하고 페이지를 새로고침하세요.

cd ~/adk_challenge_lab

에이전트와의 채팅이 끝나면 개발 UI 브라우저 탭을 닫습니다.
내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 세션 상태 설정 및 활용

Cloud Shell 터미널 패널을 선택하고 Ctrl+C를 눌러 서버를 종료합니다.

adk_challenge_lab

cd ~/adk_challenge_lab
adk deploy agent_engine 명령어를 사용하여 에이전트를 Agent Runtime에 배포합니다. 에이전트 디렉터리를 마지막 위치 인수로 포함해야 합니다(예: 현재 디렉터리에 있는 경우). 다음 인수를 사용합니다.

파라미터

--display_name

"Paint Agent"

agent = client.agent_engines.get(name='YOUR_AGENT_RESOURCE_NAME')
참고: 배포 명령어를 완료하는 데 5~10분 정도 걸릴 수 있습니다.

cd ~/adk_challenge_lab/chainlit_ui chainlit run app.py
에이전트가 배포되는 동안 서비스 계정에 Agent Platform 사용자 및 검색 엔진 사용자 IAM 역할을 부여합니다.
2025-08-25 12:30:00 - Your app is available at http://localhost:8000
배포가 완료되면 배포된 에이전트의 리소스 이름이 콘솔에 출력됩니다.
내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. Agent Runtime에 배포

작업 6. 배포된 에이전트 쿼리adk_challenge_lab/chainlit_ui/app.py 파일에서 다음 줄을 찾아 배포된 에이전트의 리소스 이름으로 업데이트하여 원격 에이전트를 로드합니다.다음을 사용하여 UI를 실행합니다. 2025-08-25 12:30:00 - Your app is available at http://localhost:8000 사용자helloyesI'd like to use Forever PaintTwo rooms. The living room and a baby's room."Sunlight through a canvas tent" for the baby's room and "Coffee Cream" for the living room.

	`agent = client.agent_engines.get(name='YOUR_AGENT_RESOURCE_NAME')`	`cd ~/adk_challenge_lab/chainlit_ui chainlit run app.py`	예상 출력:	http://localhost:8000 링크를 클릭하여 새 브라우저 탭에서 엽니다.	배포된 에이전트와 다음 대화를 나눕니다.
에이전트 대답
[Cymbal Shops의 페인트에 관한 정보를 공유해 주겠다고 제안합니다.]
[Project Paint, EcoGreens, SureCoverage, Forever Paint 등 페인트 제품에 관한 정보를 공유합니다.]
[방은 몇 개이고 각 방을 뭐라고 부를지 물어봅니다.]
[거실과 아기방에 사용할 색상을 선택하라고 요청합니다.]

[방의 크기를 묻습니다.]

The living room is 5m by 4m. 2.5m high. 1 door, 3 windows.

[페인트 도장 횟수를 묻습니다.]

Two coats.

[아기방의 크기를 요청합니다.]

The baby's room is 3m by 3m. 2.5m high. 1 door, 1 window.

[1회 도장 견적을 제공하고 도장 횟수를 확인합니다.]

Always two coats.

[거실(77제곱미터)과 아기방(53제곱미터)에 필요한 페인트 양을 계산합니다.]

에이전트와 새 대화를 시작하려면 왼쪽 상단의 아이콘을 클릭하여 새 채팅을 만듭니다.

요청 사항이 상태 사전에서 값을 올바르게 로드하지 못하고 있는 것을 확인할 수 있습니다. 요청 사항을 업데이트하여 ALL CAPS의 용어를 ADK의 키 템플릿으로 바꿔 요청 사항에 상태 값을 로드합니다. 선택적 문법(예: {SELECTED_PAINT?})을 사용하여 상태 키가 채워지기 전에 에이전트가 호출되더라도 에이전트가 비정상 종료되지 않도록 합니다.

https://google.github.io/adk-docs/sessions/state/#using-key-templating

다음을 사용해 에이전트를 테스트합니다.

adk web --allow_origins "regex:https://.*\.cloudshell\.dev"

paint_agent를 선택합니다.

I'd like to use EcoGreens

Just one room, my office