본문으로 건너뛰기
피드

Google ADK for Java 1.0.0 출시 — 플러그인, 컨텍스트 엔지니어링, A2A까지 갖춘 에이전트 프레임워크

ai-ml 약 6분
vote
0
댓글
북마크

Google의 오픈소스 Agent Development Kit(ADK)가 Java 1.0.0을 정식 출시함. 플러그인 아키텍처, 이벤트 컴팩션, Human-in-the-Loop, A2A 프로토콜 등 프로덕션급 에이전트 운영에 필요한 핵심 기능을 체계적으로 갖추고 있음.

  • 1

    Python에서 시작한 ADK가 Java, Go, TypeScript로 확장되며 멀티랭귀지 생태계 형성

  • 2

    App/Plugin 중앙 아키텍처로 에이전트 전역 제어 가능 (LoggingPlugin, ContextFilterPlugin, GlobalInstructionPlugin)

  • 3

    이벤트 컴팩션으로 슬라이딩 윈도우+요약 기반 토큰 한도 관리

  • 4

    ToolConfirmation 기반 Human-in-the-Loop으로 에이전트 실행 중 인간 승인 워크플로우 지원

  • 5

    공식 A2A Java SDK Client로 원격 에이전트와 프레임워크/언어 무관 통신 가능

Google ADK for Java 1.0.0 출시 — AI 에이전트 프레임워크의 멀티랭귀지 시대

  • Google의 오픈소스 Agent Development Kit(ADK)가 Java 1.0.0 정식 버전을 출시함
    • Python으로 시작한 ADK가 이제 Java, Go, TypeScript까지 지원하는 멀티랭귀지 생태계로 확장됨
    • Java 진영 개발자들이 에이전트 개발에 본격적으로 참여할 수 있는 기반이 마련된 셈

새로운 도구와 그라운딩 기능

  • GoogleMapsToolUrlContextTool 등 새로운 그라운딩 도구가 추가됨
    • GoogleMapsTool은 Gemini 2.5 기반으로 위치 데이터를 활용한 에이전트 응답이 가능함
    • UrlContextTool은 프롬프트에 포함된 URL의 콘텐츠를 Gemini가 직접 가져와서 처리함 — 별도 웹 크롤링 파이프라인 불필요
  • 코드 실행용으로 ContainerCodeExecutor(Docker 기반 로컬 실행)와 VertexAiCodeExecutor(클라우드 실행)를 제공함
  • ComputerUseTool 추상화로 실제 브라우저/컴퓨터 조작도 가능하지만, BaseComputer 구현은 직접 해야 함

App/Plugin 중앙 플러그인 아키텍처

  • 기존에는 각 에이전트마다 콜백을 개별 설정해야 했는데, 이제 App 컨테이너와 Plugin 시스템으로 전역 제어가 가능함
    • App이 루트 에이전트, 글로벌 설정, 플러그인을 통합 관리하는 최상위 컨테이너 역할
    • Plugin은 에이전트/도구/LLM 동작을 전역적으로 가로채고 수정하는 AOP 스타일 확장 포인트
  • 내장 플러그인 3종이 제공됨
    • LoggingPlugin: 에이전트 실행, LLM 요청/응답, 도구 호출 등의 구조화된 로깅
    • ContextFilterPlugin: 오래된 대화 턴을 필터링하되 함수 호출/응답 쌍은 안전하게 보존
    • GlobalInstructionPlugin: 모든 에이전트에 일관된 지시사항(정체성, 안전 규칙 등)을 동적 적용

이벤트 컴팩션 — 컨텍스트 엔지니어링

  • 장시간 세션에서 토큰 한도 초과를 방지하기 위한 이벤트 컴팩션 전략이 도입됨
    • 슬라이딩 윈도우로 최근 이벤트만 유지하고, 오래된 이벤트는 LLM으로 요약 처리
    • compactionInterval, overlapSize, tokenThreshold, eventRetentionSize 등 세밀한 파라미터 제어 가능
    • BaseEventSummarizer, EventCompactor 인터페이스를 직접 구현해서 커스터마이징도 가능함

Human-in-the-Loop(HITL)

  • ToolConfirmation 기반의 인간 개입 워크플로우가 추가됨
    • 도구가 ToolContext.requestConfirmation()을 호출하면 LLM 플로우가 일시 중지됨
    • 사용자가 승인(+ 선택적 페이로드)을 제공하면 실행이 재개됨
    • ADK가 중간 이벤트를 자동 정리하고, 승인된 함수 호출을 후속 LLM 요청 컨텍스트에 주입함
  • 위험한 작업 실행 전 승인, 법규/사내 프로세스에 따른 검증 등 다양한 시나리오에 활용 가능

세션/메모리/아티팩트 서비스

  • 세션 관리: InMemory(로컬 개발), VertexAI(클라우드 관리형), Firestore(커뮤니티 기여) 3종 제공
  • 장기 메모리: InMemoryMemoryService(키워드 매칭), FirestoreMemoryService(영구 저장)
    • LoadMemoryTool을 에이전트에 연결하면 과거 세션의 히스토리를 자동 조회함
  • 아티팩트 관리: InMemory(로컬)와 GCS(Google Cloud Storage, 버전 관리 포함) 지원

Agent2Agent(A2A) 프로토콜 지원

  • 공식 A2A Java SDK Client를 사용해 원격 에이전트와 통신이 가능함
    • AgentCard(에이전트의 ID/능력/통신 설정)를 원격 엔드포인트에서 조회하고, RemoteA2AAgent로 래핑
    • 로컬 에이전트처럼 ADK 에이전트 계층에 배치 가능하며, Runner로 이벤트가 네이티브 스트리밍됨
  • 반대로 자신의 ADK 에이전트를 A2A AgentExecutor로 감싸면 JSON-RPC REST 엔드포인트로 외부에 노출 가능
    • 다른 프레임워크/언어로 만든 에이전트와의 상호 운용성이 확보됨

핵심 포인트: ADK for Java 1.0.0은 단순한 언어 포팅이 아니라, 플러그인 아키텍처/컨텍스트 엔지니어링/HITL/A2A 등 프로덕션급 에이전트 운영에 필요한 기능을 체계적으로 갖춘 릴리스임

단순한 언어 포팅이 아니라 프로덕션급 에이전트 운영에 필요한 기능을 체계적으로 갖춘 릴리스. Java 생태계의 에이전트 프레임워크 선택지가 크게 넓어짐.

댓글

댓글

댓글을 불러오는 중...

ai-ml

유튜브, AI 생성 영상에 자동 라벨 붙인다

유튜브가 사실적으로 보이거나 의미 있게 AI로 변경·생성된 콘텐츠에 더 눈에 띄는 라벨을 적용하고, 제작자가 AI 사용 여부를 밝히지 않아도 내부 신호로 감지되면 자동 라벨을 붙이겠다고 밝혔다. 다만 라벨만으로 추천 노출이나 수익화 자격이 바뀌지는 않으며, 제작자는 YouTube Studio에서 잘못된 판정을 수정할 수 있다.

ai-ml

테크 CEO들의 'AI 만능론', 숫자는 아직 그렇게 말하지 않는다

테크 업계에서 AI를 이유로 한 대규모 감원과 조직 재편이 이어지는 가운데, Box 창업자 애런 레비는 CEO들이 실제 업무의 마지막 1마일을 모른 채 AI 에이전트의 능력을 과대평가하고 있다고 지적했다. 2026년 첫 5개월 동안 이미 11만5430명이 해고됐고, 여러 연구는 AI 도입이 체감 생산성만큼 실제 생산성을 끌어올렸다는 근거가 아직 약하다고 말한다.

ai-ml

오픈AI와 앤트로픽, 코딩 에이전트로 드디어 돈 되는 시장을 찾은 듯

사이먼 윌리슨은 오픈AI와 앤트로픽이 코딩 에이전트와 기업용 과금으로 진짜 제품-시장 적합성을 찾았다고 봐. 개인 구독자에게는 월 100달러 플랜이 싸게 느껴지지만, 기업 고객은 이제 사용량 기준 토큰 가격을 그대로 내기 시작했고 이게 대형 고객 예산을 빠르게 흔들고 있다는 얘기야.

ai-ml

컴팔과 GMI 클라우드, 대규모 추론용 AI 인프라 구축 협력

컴팔이 실리콘밸리 기반 AI 인프라 기업 GMI 클라우드와 협력해 대규모 추론과 에이전틱 AI 워크로드에 맞춘 GPU 서버 인프라를 구축한다고 발표했어. COMPUTEX 2026에서는 NVIDIA HGX B300을 지원하는 Compal SGX30-2 같은 고성능 AI 서버 플랫폼도 선보일 예정이야.

ai-ml

AI 쓰면 편해진다더니, 직장인들은 ‘AI 과부하’에 지쳐가는 중

국내 직장인들이 AI 전환 압박, AI 답변 검증 부담, 대체 불안 때문에 피로감을 호소하고 있어. 중앙일보 설문에서는 5284명 중 31.6%가 ‘AI 답변 검증에 시간이 더 걸릴 때’를 가장 지치는 순간으로 꼽았고, 기업들은 무작정 AI 사용량을 밀어붙이는 방식에서 업무 방식 재설계로 넘어가야 한다는 지적이 나와.