“특정 LLM에 종속되면 안 된다.”
“Gemini”라는 이름이 붙은 Google 제품이 여러 개 있어서 고객분들이 자주 혼동하십니다. 이름은 비슷하지만 대상, 요금 방식, 기능이 완전히 다릅니다. 이 글에서 한 번에 정리합니다.
2025년이 AI 에이전트의 해였다면, 2026년은 하네스(Harness)의 해입니다. 모델은 이미 충분히 강력해졌고, 이제 경쟁력은 모델 자체가 아니라 모델을 감싸는 시스템에서 갈립니다.
Vertex AI에서 Gemini API를 사용하다 보면 한 번쯤은 만나게 되는 에러가 있습니다.
Vertex AI Agent Builder의 Datastore에 문서를 인덱싱할 때, 어떤 Parser를 쓰고 어떤 옵션을 켤 것인가는 RAG 시스템의 답변 품질을 좌우하는 핵심 결정입니다.
AWS가 Strands Agents라는 오픈소스 AI Agent SDK를 공개했습니다. Amazon Q Developer, AWS Glue, VPC Reachability Analyzer 등 AWS 내부 프로덕션 환경에서 이미 사용 중인 프레임워크를 외부에 공개한...
GCP에서 Apache Iceberg를 BigLake/BigQuery와 연동하면, Spark로 적재하고 BigQuery로 분석하는 유연한 데이터 아키텍처를 구현할 수 있습니다. 하지만 실제 운영 과정에서 예상치 못한 스캔량 차이, 쓰기 성능 저하, 한글 컬럼 이슈...
Cloud Run, GCE, Vertex AI Agent Engine에서 BigQuery API를 호출할 때, 트래픽이 Google 내부망을 타는 건지 외부 인터넷을 경유하는 건지 궁금해지는 순간이 있습니다. 특히 금융권이나 공공기관 프로젝트에서는 “정말 내부망으...
AI Agent 기반 시스템을 운영하다 보면, “이 에이전트에게 어떤 지시(Instruction)를 줄 것인가”와 “어떤 데이터를 어떤 관점(Semantic View)으로 볼 것인가”를 체계적으로 관리해야 하는 시점이 옵니다.
AI Agent를 프로덕션에 배포하려면 두 가지 축을 결정해야 합니다. 에이전트 프레임워크(개발)와 매니지드 런타임(배포·운영)입니다. 3대 CSP(AWS, Azure, GCP)는 각각 이 두 축에 대해 자체 솔루션을 제공하면서 동시에 오픈소스 프레임워크도 지원하...
BigQuery에서 데이터를 다루는 방법은 크게 Native Table(BigQuery 내부 저장)과 External Table(GCS 등 외부 저장)로 나뉩니다. 특히 External Table은 메타스토어를 누가, 어떻게 관리하느냐에 따라 6가지 이상의 방식이...
Google의 Agent Development Kit(ADK)으로 멀티에이전트 시스템을 구축할 때, 가장 핵심적인 질문 중 하나는 “에이전트들이 어떻게 정보를 공유하고, 처리할 수 없는 작업을 다른 에이전트에게 넘기는가?”입니다.
AI 에이전트가 단독으로 작동하는 시대는 지나가고 있습니다. 이제 여러 에이전트가 협력하여 복잡한 업무를 처리하는 멀티 에이전트 시스템이 현실이 되고 있는데, 여기서 핵심적인 질문이 하나 있습니다.
Google의 AI 브랜드 Gemini는 이제 단일 제품이 아니라 하나의 거대한 제품 패밀리입니다. 소비자용 챗봇부터 엔터프라이즈 에이전트 플랫폼, 개발자용 API까지 — 이름은 비슷하지만 대상, 기능, 과금 체계가 모두 다릅니다.
안녕하세요, seonghak 입니다.