[해외 AI 뉴스] Google Gemini API 관리형 에이전트, 백그라운드 실행과 원격 MCP로 확장

Google이 2026년 7월 7일(현지 기준) Gemini API의 Managed Agents 기능을 확장한다고 발표했습니다. 이번 발표의 핵심은 에이전트를 단순한 질의응답 도구가 아니라, 오래 걸리는 작업을 맡아 처리하는 비동기 작업자에 더 가깝게 만들었다는 점입니다. 🤖

 

특히 개발자 입장에서는 백그라운드 실행, 원격 MCP 서버 연결, 커스텀 함수 호출, 네트워크 자격 증명 갱신이 한꺼번에 들어왔다는 점이 중요합니다. 각각은 작아 보이지만, 실제 서비스형 AI 에이전트를 운영할 때 자주 부딪히는 장애 지점을 겨냥하고 있습니다.

 

📌 이번 발표를 한 줄로 보면

Google은 Gemini API의 관리형 에이전트를 “클라우드 샌드박스 안에서 오래 실행되고, 외부 도구와 연결되며, 중간에 끊겨도 다시 이어갈 수 있는 에이전트 실행 환경”으로 확장했습니다.

 

공식 블로그에 따르면 Managed Agents는 Gemini Interactions API 안에서 작동하며, 개발자는 하나의 엔드포인트를 호출하면 Gemini가 추론, 코드 실행, 패키지 설치, 파일 관리, 웹 정보 활용을 격리된 클라우드 샌드박스 안에서 처리합니다.

 

이 구조는 기업용 AI 도입에서 중요한 의미를 가집니다. 에이전트가 실제 업무를 하려면 단순히 답변만 잘해서는 부족합니다. 파일을 만들고, 코드를 실행하고, 외부 시스템에 접근하고, 오래 걸리는 작업을 끝까지 처리해야 하기 때문입니다. 🧩

 

🚀 백그라운드 실행: 오래 걸리는 작업을 끊기지 않게

가장 눈에 띄는 변화는 background execution입니다. Google은 오래 실행되는 작업을 위해 HTTP 연결을 계속 열어두는 방식이 취약하다고 설명했습니다. 이제 개발자는 background: true 옵션을 넘겨 상호작용을 서버에서 비동기 실행할 수 있습니다.

 

이 경우 API는 즉시 ID를 반환하고, 클라이언트 애플리케이션은 그 ID로 상태를 폴링하거나 진행 상황을 스트리밍하거나 나중에 다시 연결할 수 있습니다. 사용자가 브라우저를 닫거나 앱의 네트워크가 잠시 불안정해져도, 에이전트 작업 자체는 원격에서 이어질 수 있다는 뜻입니다.

 

예를 들어 코드베이스 분석, 긴 리포트 생성, 데이터 파일 정리, 여러 단계의 웹 조사처럼 시간이 걸리는 작업에는 이 변화가 직접적으로 영향을 줍니다. 사용자는 즉시 응답을 받고, 시스템은 뒤에서 작업을 계속 진행할 수 있습니다.

 

🔗 원격 MCP 서버 연결: 외부 도구와의 접점 확대

두 번째 핵심은 remote MCP server integration입니다. MCP는 Model Context Protocol의 약자로, AI 모델과 외부 도구·데이터 소스를 연결하는 표준화된 방식으로 주목받고 있습니다.

 

Google 설명에 따르면 개발자는 사설 데이터베이스나 내부 API에 접근하기 위해 별도의 프록시 미들웨어를 직접 만들 필요 없이, 관리형 에이전트를 원격 MCP 서버에 직접 연결할 수 있습니다. 또한 Google Search나 코드 실행 같은 내장 샌드박스 도구와 원격 도구를 함께 섞어 쓸 수 있습니다.

 

이 부분은 기업 AI 에이전트 시장에서 꽤 중요합니다. 실제 업무 데이터는 대부분 사내 시스템, 데이터베이스, 문서 저장소, 업무 API 안에 있습니다. 에이전트가 그 안으로 안전하게 들어갈 통로를 갖추는 것이 생산성 향상의 전제이기 때문입니다. 🔐

 

🛠️ 커스텀 함수 호출과 샌드박스 도구의 공존

이번 업데이트에는 custom function calling alongside sandbox tools도 포함됐습니다. 내장 도구는 서버에서 자동 실행되고, 커스텀 함수는 requires_action 상태로 전환되어 클라이언트가 로컬 비즈니스 로직을 실행하는 방식입니다.

 

쉽게 말하면 Gemini가 모든 것을 클라우드 안에서 처리하는 것이 아니라, 꼭 로컬 시스템에서 실행되어야 하는 업무 로직은 개발자 애플리케이션 쪽으로 넘겨줄 수 있습니다. 결제 승인, 내부 권한 확인, 사내 규칙 검증처럼 통제가 필요한 작업에는 이런 분리 방식이 유용합니다.

 

이 구조는 에이전트 서비스의 안정성과 감사 가능성에도 도움이 됩니다. 어떤 단계는 Google의 관리형 샌드박스가 맡고, 어떤 단계는 기업 내부 시스템이 맡도록 나눌 수 있기 때문입니다.

 

🔄 자격 증명 갱신: 장시간 에이전트 운영의 현실 문제

네트워크 credential refresh도 실무적으로 중요한 변화입니다. 액세스 토큰이나 짧은 수명의 API 키는 만료될 수밖에 없습니다. Google은 기존 environment_id에 새로운 네트워크 구성을 넘기면 자격 증명을 갱신하거나 키를 교체할 수 있다고 설명했습니다.

 

흥미로운 점은 샌드박스의 파일 시스템 상태, 설치된 패키지, 클론된 저장소는 유지된다는 설명입니다. 즉, 에이전트가 긴 작업을 진행하다가 인증 정보만 새로 받아야 하는 상황에서도 작업 환경 전체를 다시 만들 필요가 줄어듭니다.

 

AI 에이전트가 실제 업무 시스템에 들어갈수록 인증 만료, 권한 갱신, 네트워크 정책 변경은 피할 수 없는 문제입니다. 이번 기능은 “데모용 에이전트”에서 “운영 가능한 에이전트”로 넘어가는 데 필요한 기반 기능에 가깝습니다.

 

🏢 왜 이 뉴스가 중요한가요?

최근 AI 업계의 경쟁 축은 모델 성능만이 아니라 에이전트 실행 환경으로 이동하고 있습니다. 좋은 모델이 있어도 업무를 끝까지 수행하지 못하면 생산성 효과는 제한됩니다. 반대로 실행 환경이 안정적이면 모델은 실제 앱, 업무 자동화, 개발 도구, 데이터 분석 워크플로우 안으로 더 깊게 들어갈 수 있습니다.

 

Google의 이번 발표는 Gemini API를 사용하는 개발자에게 “에이전트 운영 레이어”를 강화해 주는 방향으로 읽힙니다. 백그라운드 실행은 시간 문제를 풀고, 원격 MCP는 도구 연결 문제를 풀고, 커스텀 함수 호출은 내부 로직 통제 문제를 풀고, credential refresh는 장시간 운영 문제를 완화합니다.

 

물론 바로 모든 기업이 이 기능을 쓰게 된다고 단정할 수는 없습니다. 원격 MCP 서버 운영에는 보안 설계, 권한 관리, 로그 감사, 데이터 접근 정책이 함께 필요합니다. 하지만 공식 API에 이런 기능이 들어왔다는 것은 AI 에이전트 개발의 기본 기대치가 한 단계 올라가고 있다는 신호입니다. 📈

 

👀 앞으로 볼 포인트

첫째, 개발자들이 실제로 어떤 원격 MCP 서버를 연결하는지 봐야 합니다. 사내 문서 검색, 코드 저장소, 고객지원 시스템, 데이터베이스 분석처럼 업무 데이터와 직접 연결되는 사례가 늘어날 가능성이 있습니다.

 

둘째, 백그라운드 실행이 사용자 경험을 얼마나 바꾸는지도 중요합니다. 에이전트가 긴 작업을 맡아두고 진행 상황을 보여주는 형태가 자연스러워지면, AI 앱은 대화창을 넘어 작업 관리 도구처럼 변할 수 있습니다.

 

셋째, OpenAI, Anthropic, Microsoft, Google이 모두 에이전트 실행·도구 연결·샌드박스 환경을 강화하고 있다는 점입니다. 앞으로의 경쟁은 “누가 더 똑똑한 모델을 만들었는가”뿐 아니라 “누가 더 안전하고 오래 버티는 에이전트 작업 환경을 제공하는가”로 확장될 가능성이 큽니다.

 

🧭 정리

이번 Google Gemini API Managed Agents 업데이트는 화려한 소비자용 기능 발표라기보다, 개발자와 기업이 AI 에이전트를 실제 서비스에 붙일 때 필요한 기반을 넓힌 발표입니다.

 

백그라운드 실행, 원격 MCP, 커스텀 함수 호출, 자격 증명 갱신은 모두 “AI가 답변을 생성하는 단계” 다음에 필요한 기능입니다. 그래서 이번 뉴스는 에이전트가 실험실에서 업무 현장으로 이동하는 흐름을 보여주는 의미 있는 신호로 볼 수 있습니다. 🐛

 

🔎 참고한 해외 원문 출처

Google Blog - Expanding Managed Agents in Gemini API: background tasks, remote MCP and more

Google AI RSS - 최신 발표 목록

Google Gen AI JavaScript SDK release documentation