Google이 직접 만든 에이전트 SDK -- ADK, 8,200스타에 하루 180개씩 올라가는 중

Google이 에이전트 프레임워크를 직접 만들었다

LangChain, CrewAI, AutoGen -- 에이전트 프레임워크는 대부분 서드파티가 만들어왔어. LLM 제공자가 직접 프레임워크를 만드는 건 드문 일이었는데, Google이 그걸 했어.

ADK(Agent Development Kit)는 Google의 공식 에이전트 개발 킷이야. 8,200스타, 하루 180개씩 증가 중. 핵심은 Gemini Enterprise와 Vertex AI에 네이티브로 연결된다는 거야. 서드파티 프레임워크가 API를 감싸는 방식과는 근본적으로 다른 통합 깊이를 제공해.

쉽게 말하면, AWS가 Bedrock Agents를 만든 것처럼 Google이 자체 에이전트 SDK를 만든 거야. 다만 ADK는 오픈소스로 풀었다는 점이 다르지.

프로젝트 소개

ADK의 멀티 에이전트 오케스트레이션 구조

ADK는 "멀티 에이전트 시스템"을 쉽게 만들 수 있게 해주는 프레임워크야. 하나의 에이전트가 아니라 여러 에이전트가 역할을 나눠서 협업하는 구조를 기본으로 지원해.

예를 들어, "고객 문의를 처리하는 시스템"을 만든다고 하면:

• 분류 에이전트: 문의 내용을 분석해서 카테고리 분류
• 검색 에이전트: 관련 문서와 이전 사례를 검색
• 응답 에이전트: 최종 답변을 생성
• 검토 에이전트: 답변 품질을 확인

이 네 에이전트가 파이프라인으로 연결돼서 자동으로 동작하는 구조를 ADK로 쉽게 구현할 수 있어.

기술 스택

• 언어: Python
• 클라우드: Vertex AI
• LLM: Gemini (기본), 다른 LLM도 연결 가능
• 검증: Pydantic (입출력 스키마 검증)
• 라이선스: Apache-2.0

Pydantic을 기본 스키마 검증 도구로 채택한 건 엔터프라이즈를 겨냥한 거야. 에이전트 간 데이터 교환에서 타입 안전성을 보장하거든. "프로토타입에서는 잘 되는데 프로덕션에서 터지는" 문제를 줄여줘.

핵심 기능 5가지

1. Multi-Agent Orchestration (멀티 에이전트 오케스트레이션)

여러 에이전트를 정의하고, 에이전트 간 관계(순차, 병렬, 조건부 분기)를 선언적으로 설정할 수 있어. YAML이나 Python 코드로 에이전트 그래프를 정의하면, ADK가 실행 순서를 자동으로 관리해.

2. Vertex AI Deployment (Vertex 배포)

로컬에서 개발한 에이전트를 adk deploy 한 줄로 Vertex AI에 배포할 수 있어. 오토스케일링, 모니터링, 로깅이 Vertex 인프라에서 자동으로 처리돼. 이게 서드파티 프레임워크와의 가장 큰 차이점이야.

3. Eval Harness (평가 하네스)

에이전트의 성능을 체계적으로 측정하는 평가 프레임워크가 내장돼 있어. 테스트 케이스를 정의하고, 에이전트를 반복 실행해서 정확도, 지연 시간, 비용을 자동으로 트래킹해.

4. Memory Backends (메모리 백엔드)

에이전트의 대화 이력과 학습 데이터를 저장하는 다양한 백엔드를 지원해. 로컬 SQLite부터 Cloud Firestore, BigQuery까지. 메모리 계층을 단기/장기로 나눠서 관리할 수 있어.

5. Tool Registry (도구 레지스트리)

Google의 자체 도구(Search, Maps, Calendar, Drive) 뿐만 아니라 커스텀 도구를 플러그인 방식으로 등록할 수 있어. MCP도 지원해. Gemini의 Function Calling과 네이티브로 연동되니까 도구 호출 정확도가 높아.

경쟁 프레임워크 비교

프레임워크	스타	클라우드 통합	멀티 에이전트	배포	라이선스
Google ADK	8.2K	Vertex AI 네이티브	내장	adk deploy	Apache-2.0
LangGraph	12K	없음	내장	수동	MIT
smolagents	18K	없음	제한적	수동	Apache-2.0
Hermes Agent	95.6K	없음	지원	수동	Apache-2.0

스타 수로 보면 ADK는 아직 초기야. 하지만 Google이라는 이름값과 Vertex AI 네이티브 통합이 엔터프라이즈 시장에서는 결정적인 차이를 만들 수 있어.

왜 주목해야 하나

Vertex AI 콘솔에서 ADK 에이전트 관리 화면

세 가지 이유가 있어.

첫째, 벤더 락인(vendor lock-in)의 양날의 검이야. Vertex AI에 깊이 통합된다는 건 "Google Cloud를 쓰면 최고의 경험"을 의미하지만, 동시에 "다른 클라우드로 옮기기 어려워진다"는 뜻이기도 해. 하지만 이미 Google Cloud를 쓰는 기업에게는 이게 장점이야.

둘째, Gemini Enterprise의 에이전트 기능이 ADK 위에서 구현돼. 즉, Gemini의 에이전트 기능을 쓰려면 결국 ADK를 알아야 한다는 뜻이야. Google Cloud 고객이 수백만 명이니까, 잠재 사용자 풀이 엄청나.

셋째, 에이전트 프레임워크 시장의 구도를 바꿀 수 있어. 지금까지는 서드파티(LangChain, CrewAI)가 주도해왔는데, LLM 제공자가 직접 프레임워크를 내놓으면 생태계 역학이 달라져. OpenAI의 Agents SDK, Anthropic의 Agent SDK에 이어 Google의 ADK까지 -- 빅테크의 에이전트 SDK 전쟁이 본격화된 거야.

생태계 맥락

ADK는 Hermes Agent, smolagents와 완전히 다른 포지션이야. Hermes Agent는 자기개선, smolagents는 경량화와 접근성, ADK는 엔터프라이즈 배포와 Google Cloud 통합에 집중해. 경쟁이라기보다는 시장 세분화에 가까워.

다만 LangGraph(LangChain의 멀티 에이전트 라이브러리)와는 직접 경쟁이야. LangGraph는 클라우드 중립적이고, ADK는 Google Cloud 종속적이야. 클라우드 중립이 중요한 스타트업은 LangGraph를, Google Cloud에 올인한 엔터프라이즈는 ADK를 선택할 가능성이 높아.

시작하기

pip install google-adk
adk init my-agent
adk deploy

adk init으로 프로젝트를 생성하고, 에이전트를 정의하고, adk deploy로 Vertex AI에 배포해. 로컬 개발 모드(adk dev)도 지원하니까 Vertex AI 없이도 테스트할 수 있어.

이런 사람에게는 안 맞아

• Google Cloud를 쓰지 않는 경우 (AWS, Azure 사용자는 각 벤더의 에이전트 SDK가 더 적합)
• 경량 프로토타입만 필요한 경우 (smolagents가 더 가벼워)
• 자기개선 에이전트를 원하는 경우 (ADK에는 이 기능이 없어, Hermes Agent를 봐)

다음 마일스톤

ADK 2026 로드맵

• Gemini 2.0 Flash와의 최적화 통합
• A2A(Agent-to-Agent) 프로토콜 지원
• TypeScript SDK (현재 Python만 지원)

Google이 에이전트 SDK를 오픈소스로 풀었다. 에이전트 프레임워크 시장, 이제 빅테크 삼국지야.

---

References

• Google ADK GitHub
• Vertex AI ADK Documentation