Google AI Managed Agents란? 백그라운드 AI 에이전트와 MCP 연결 흐름

AI NOTES · KO KOREAN EDITION

Google AI API의 Managed Agents 업데이트: AI 에이전트가 ‘짧은 답변’보다 ‘긴 작업’에 가까워진다

KO · 한국어 / EN · English BILINGUAL PAIR

AI 에이전트라는 말을 들으면 아직도 조금 흐릿하게 느껴집니다. 어떤 사람에게는 자동으로 일해주는 비서처럼 들리고, 어떤 사람에게는 챗봇에 도구를 붙인 것처럼 보입니다. 실제 제품 관점에서는 그 중간 어딘가에 있습니다.

중요한 질문은 “에이전트가 똑똑한가” 하나가 아닙니다. 오래 걸리는 작업을 끊기지 않고 처리할 수 있는지, 외부 도구와 안전하게 연결되는지, 진행 상황을 다시 확인할 수 있는지, 사람이 승인해야 할 지점이 분명한지가 더 중요해집니다.

Google이 2026년 7월 7일 공개한 Google AI API의 Managed Agents 업데이트는 이 지점을 정면으로 다룹니다. 새 모델 이름보다 더 눈에 띄는 것은 background tasks, remote MCP, custom function calling 같은 운영 기능입니다. 에이전트를 데모가 아니라 실제 앱 안의 작업 흐름으로 넣기 위한 발표에 가깝습니다.

세 단어로 읽는 업데이트

Managed Agents

에이전트 실행, 도구 연결, 상태 흐름을 더 관리된 형태로 다루는 Google AI API 기능군

Background execution

긴 작업을 서버 쪽에서 계속 실행하고 나중에 상태를 확인하는 방식

Remote MCP

에이전트가 승인된 원격 도구 서버와 연결되는 표준화된 통로

지금 공개된 변화

Google의 공식 글은 Managed Agents in Google AI API에 새 기능이 추가됐다고 설명합니다. 핵심은 개발자가 더 안정적이고 제품에 가까운 에이전트를 만들 수 있게 하는 것입니다.

가장 눈에 띄는 변화는 background execution입니다. 긴 작업을 처리할 때 HTTP 연결을 계속 열어두는 방식은 깨지기 쉽습니다. 공식 글은 background: true로 상호작용을 서버 쪽에서 비동기 실행하고, 앱은 ID를 받아 상태를 확인하거나 진행 상황을 스트리밍하거나 나중에 다시 연결할 수 있다고 설명합니다.

또 하나는 remote MCP server integration입니다. MCP는 Model Context Protocol의 줄임말입니다. 모델이나 에이전트가 파일, 데이터베이스, 내부 API 같은 외부 도구에 연결될 때 사용할 수 있는 표준화된 연결 방식으로 이해하면 됩니다. Google의 설명은 Managed Agents가 원격 MCP 서버를 도구처럼 등록해 사용할 수 있다는 쪽에 초점을 둡니다.

Managed Agents는 모델, 도구, 상태를 하나의 작업 흐름으로 묶습니다.

먼저 알아야 할 말들

Managed Agents는 개발자가 에이전트 실행 환경, 도구 연결, 상호작용 흐름을 더 관리된 형태로 다룰 수 있게 해주는 Google AI API 기능군입니다. 여기서 “managed”는 사람이 아무것도 안 해도 된다는 뜻이 아닙니다. 서버 실행, 도구 연결, 상태 확인 같은 반복적인 운영 부담을 플랫폼 쪽 기능으로 줄여준다는 뜻에 가깝습니다.

Background execution은 긴 작업을 백그라운드에서 계속 돌리는 방식입니다. 예를 들어 자료를 찾고, 요약하고, 표를 만들고, 결과를 검토하는 작업은 몇 초 안에 끝나지 않을 수 있습니다. 이때 사용자는 브라우저를 닫았다가 다시 열 수도 있고, 앱은 작업 ID로 상태를 다시 확인할 수 있습니다.

MCP는 에이전트와 도구 사이의 연결 규칙입니다. 단순히 “모델에게 모든 권한을 준다”는 뜻이 아닙니다. 오히려 어떤 도구를 연결할지, 어떤 인증이 필요한지, 어떤 범위 안에서 실행할지 정해야 하는 경계선입니다.

왜 일반 사용자에게도 중요한가

AI 앱은 점점 “한 번 물어보고 한 번 답을 받는” 형태를 넘어가고 있습니다. 여행 일정 만들기, 코드 수정, 데이터 정리, 보고서 초안 작성, 고객 문의 분류처럼 실제 작업은 여러 단계로 이어집니다.

이런 작업은 중간에 실패할 수 있습니다. 자료가 부족할 수도 있고, 도구 권한이 막힐 수도 있고, 사람이 승인해야 하는 변경이 생길 수도 있습니다. 그래서 에이전트 제품에서는 모델 성능만큼이나 작업 상태, 도구 권한, 재시도, 로그, 승인 흐름이 중요합니다.

Google AI API의 이번 업데이트는 이 방향을 보여줍니다. 에이전트가 대답을 잘하는 것에서 끝나지 않고, 앱 안에서 긴 작업을 맡고, 진행 상황을 남기고, 외부 도구와 연결되는 구조로 이동하고 있습니다.

요청에서 백그라운드 실행, 상태 확인, 승인, 결과로 이어지는 에이전트 작업 흐름.

실제로는 어떤 장면이 달라질까

예를 들어 사용자가 “지난달 고객 문의를 유형별로 정리하고, 반복되는 불만을 표로 만들어줘”라고 요청했다고 해보겠습니다. 이 작업은 단순 답변이 아닙니다. 데이터를 가져오고, 분류하고, 애매한 항목을 확인하고, 최종 표를 만드는 과정이 필요합니다.

Background execution이 있으면 앱은 작업을 서버에 맡기고, 사용자는 진행 상황을 나중에 확인할 수 있습니다. Remote MCP가 있으면 에이전트가 승인된 서버를 통해 필요한 데이터나 도구에 접근할 수 있습니다. Custom function calling이 있으면 앱이 직접 정의한 함수나 업무 도구를 에이전트 흐름 안에 넣을 수 있습니다.

개발자에게는 “모델 호출”보다 “작업 운영”의 문제가 커집니다. 어떤 도구를 허용할지, 작업이 오래 걸릴 때 어디까지 자동화할지, 실패하면 사용자에게 어떻게 보여줄지, 사람이 확인해야 할 단계는 어디인지 정해야 합니다.

조심해서 읽어야 할 부분

Managed Agents라는 이름이 안전한 자동화를 자동으로 보장하지는 않습니다. 에이전트가 외부 도구에 연결되는 순간, 권한과 데이터 경계가 중요해집니다. MCP 서버를 붙인다는 것은 편리한 연결을 만든다는 뜻이지만, 동시에 접근 범위와 인증 방식을 더 엄격히 설계해야 한다는 뜻이기도 합니다.

긴 작업도 마찬가지입니다. 백그라운드에서 실행된다는 이유만으로 사용자가 결과를 그대로 믿어도 되는 것은 아닙니다. 중간 상태, 실패 이유, 비용, 실행 로그, 사람이 승인해야 할 변경 사항이 분명히 보여야 합니다.

또한 이 발표는 가격 인하나 모든 개발자의 즉시 사용 가능성을 말하는 글이 아닙니다. 핵심은 “에이전트를 제품에 넣으려면 어떤 운영 기능이 필요한가”입니다. 기능 이름보다 실제 앱에서의 권한 설계와 결과 확인이 더 중요합니다.

가격보다 중요한 것은 운영 책임이다

AI 에이전트는 작업을 자동화할수록 책임의 위치가 흐려질 수 있습니다. 누가 도구 접근을 허용했는지, 어떤 데이터가 사용됐는지, 결과가 틀렸을 때 누가 확인하는지, 사용자가 언제 개입할 수 있는지가 제품 신뢰를 좌우합니다.

그래서 이번 업데이트는 “더 강한 AI”라는 말보다 “더 운영 가능한 AI”라는 말에 가깝습니다. 긴 작업, 도구 연결, 상태 확인, 승인 흐름을 플랫폼 기능으로 다룰수록 에이전트는 실험실 데모에서 제품 기능으로 내려옵니다.

일반 사용자에게도 이 차이는 체감됩니다. 좋은 에이전트는 단순히 멋진 문장을 쓰는 도구가 아닙니다. 무엇을 하고 있는지 보이고, 멈출 수 있고, 확인할 수 있고, 필요할 때 사람에게 넘길 수 있는 도구입니다.

핵심 문장

좋은 에이전트는 자동으로 많이 하는 도구가 아니라, 무엇을 했는지 보이고 멈추고 확인할 수 있는 도구에 가깝다.

역량, 경계, 사람의 검토가 함께 보일 때 에이전트 자동화는 더 신뢰할 수 있습니다.

다음에 볼 신호

앞으로는 세 가지를 보면 좋습니다. 첫째, Managed Agents가 실제 개발자 앱에서 어떤 패턴으로 쓰이는지입니다. 둘째, MCP 서버 연결이 권한·인증·감사 로그와 어떻게 묶이는지입니다. 셋째, 백그라운드 작업 결과를 사용자가 이해하고 검토할 수 있는 UI가 얼마나 잘 만들어지는지입니다.

에이전트 경쟁은 모델 이름만으로 끝나지 않을 가능성이 큽니다. 긴 작업을 안전하게 맡기고, 도구 연결을 관리하고, 사람이 확인할 수 있는 구조를 만든 쪽이 더 오래 남을 수 있습니다.

짧은 정리

Google AI API의 Managed Agents 업데이트는 AI 에이전트를 짧은 답변 도구가 아니라 긴 작업을 처리하는 제품 기능으로 보게 만듭니다. Background execution은 작업 시간을 다루고, remote MCP는 도구 연결을 다루며, 승인과 확인 흐름은 신뢰를 다룹니다.

핵심은 자동화 자체가 아닙니다. 에이전트가 무엇을 하고 있는지, 어떤 도구를 쓰는지, 어디서 사람이 확인해야 하는지를 보이게 만드는 일입니다.

레퍼런스

• Google Blog, “Expanding Managed Agents in Google AI API: background tasks, remote MCP and more” — https://blog.google/innovation-and-ai/technology/developers-tools/expanding-managed-agents-Google AI-api/

• Google AI for Developers, Managed Agents in Google AI API — https://ai.google.dev/Google AI-api/docs/agents

• Google AI for Developers, Antigravity Agent documentation — https://ai.google.dev/Google AI-api/docs/antigravity-agent

• Google AI for Developers, Background execution — https://ai.google.dev/Google AI-api/docs/background-execution

• Google AI for Developers, Google AI Interactions API overview — https://ai.google.dev/Google AI-api/docs/interactions-overview

• Model Context Protocol, Introduction — https://modelcontextprotocol.io/introduction

다음에 같이 읽기

• Google AI Managed Agents explained: background agents and MCP tool connections

• MCP 서버란? AI 도구가 외부 일을 하는 방식

• AI 도구 비교