실제 세계 에이전트 예시 with Gemini 3
I’m happy to translate the text for you, but I’ll need the actual content you’d like translated. Could you please paste the portion of the article (or any other text) that you want me to translate into Korean? The source line you provided will remain unchanged at the top, as requested.
2025년 12월 19일
우리는 에이전트형 AI의 새로운 단계에 진입하고 있습니다. 개발자들은 단순 노트북을 넘어 실제 작업을 처리할 수 있는 복잡하고 프로덕션‑레디한 에이전트형 워크플로우를 구축하고 있습니다—브라우저 자동화부터 소셜 미디어 상호작용까지.
Gemini 3은 이러한 워크플로우의 핵심 오케스트레이터 역할을 하도록 설계되었습니다. 추론 깊이와 상태 관리에 대한 정밀한 제어는 과거에 AI 에이전트를 배포하기 어렵게 만든 신뢰성 문제를 해결하는 데 도움이 됩니다.
하지만 실제로는 어떻게 보일까요? 이론은 좋지만 코드를 보는 것이 더 좋습니다.
우리는 6개의 오픈‑소스 프레임워크와 도구와 협업하여 Gemini 3이 차세대 AI 에이전트를 어떻게 구동하는지 확인할 수 있는 복제, 실행, 검토 가능한 예제를 만들었습니다.
예시 프레임워크 및 도구
- 프레임워크 1
- 프레임워크 2
- 프레임워크 3
- 프레임워크 4
- 프레임워크 5
- 프레임워크 6
1. ADK (에이전트 개발 키트)
Agent Development Kit (ADK)는 model‑agnostic framework 로, AI 에이전트를 구축, 테스트 및 배포하는 작업을 일반 소프트웨어 개발처럼 느끼게 설계되었습니다. 확장 가능한 에이전시 워크플로우를 구성하는 데 필요한 아키텍처 원시 요소를 제공하며, 간단한 챗봇부터 복잡한 다중 에이전트 시스템까지 지원합니다.
Retail Location Strategy sample agent 은 Gemini 3를 오케스트레이션에 활용하여 데이터를 종합적인 전략 보고서로 합성하는 방법을 보여줍니다. 이 샘플은 Google Search, Maps, 그리고 코드 실행을 이용해 심층 분석을 수행하고 시각적 보고서를 생성합니다.
2. Agno
Agno (formerly Phidata) 은 메모리, 지식, 도구가 장착된 멀티‑에이전트 시스템을 구축하기 위한 인기 있는 오픈‑소스 프레임워크입니다. Agno는 개발자가 금융 분석가나 연구원과 같은 특화된 AI 에이전트를 만들어, API를 자율적으로 호출하고 데이터를 기반으로 추론할 수 있게 합니다.
이 데모에서는 Agno가 Gemini 3 Pro와 함께 작동하여, 완전히 네이티브 모델 기능에 의존하는 멀티‑에이전트 스위트를 구축합니다. 여기서는 이미지 생성을 위한 Nano Banana Pro 도구를 활용한 Creative Studio와, 다음과 같은 내장 기능을 활용하는 연구 에이전트를 보여줍니다:
Source:
3. 브라우저 사용
Browser Use은 AI 에이전트가 웹사이트와 상호 작용할 수 있게 해 주는 오픈‑소스 라이브러리입니다. LLM의 추론과 실제 브라우저 동작(클릭, 입력, 탐색) 사이의 복잡한 다리를 연결해 주어 강력한 웹 자동화를 가능하게 합니다.
동봉된 데모에서는 Gemini 3 Pro로 구동되는 양식 자동 입력 AI 에이전트를 보여줍니다. 부서지기 쉬운 CSS 선택자에 의존하는 대신, 에이전트는 Gemini 3의 멀티모달 기능을 활용하여:
- 시각적으로 필드를 식별하고
- 구조화된 JSON 데이터를 복잡한 입력에 매핑하며
- 파일 업로드를 자동으로 처리합니다
모델의 추론 속도 덕분에 자동화가 유동적이고 신뢰성을 유지합니다. 이는 다단계 양식이나 교차 출처 iframe을 탐색할 때도 마찬가지입니다.
4. Eigent
Eigent은 복잡한 업무를 자동화하도록 설계된 로컬‑퍼스트, 멀티‑에이전트 플랫폼입니다. 사용자는 자체 인프라에서 특화된 AI 에이전트 팀을 생성하고 실행할 수 있으며, 내부적으로 CAMEL 프레임워크를 활용합니다.
이 가이드에서는 Eigent가 CAMEL 워크포스 아키텍처를 기업 브라우저 자동화에 적용하여 Salesforce 딜 사이클을 관리합니다. AI 에이전트는 복잡한 대시보드를 자율적으로 탐색해 레코드를 업데이트하고 데이터를 추출합니다. Gemini 3의 사고 서명을 활용함으로써 시스템은 장기 작업 전반에 걸쳐 추론 상태를 유지하고, 컨텍스트 드리프트를 방지하며 신뢰성을 확보합니다.
5. Letta
Letta (MemGPT 제작자들이 만든) 는 고급 메모리 관리 기능을 갖춘 상태 저장 AI 에이전트를 구축하기 위한 플랫폼입니다. LLM에 메모리 계층 구조 개념을 도입하여 에이전트가 자체 컨텍스트 창을 효율적으로 관리하고 핵심 지시사항이나 히스토리를 “잊지” 않고 무한히 실행될 수 있게 합니다.
데모 는 Letta 로 구축되고 Gemini 3 로 구동되는 “소셜 에이전트”를 보여줍니다. 이 데모는 상태 저장 AI 에이전트를 소셜 네트워크에 배포하기 위한 프레임워크를 시연합니다. 에이전트는 상호작용을 통해 진화하는 지속적인 메모리를 유지하고 Letta 의 다계층 메모리 시스템을 활용해 안정적인 페르소나를 개발합니다. Gemini 3 은 추론 엔진으로 작동하며, 사용자별 동적 메모리 블록을 이용해 개인화된 상호작용을 제공하고 장기 운영에 걸쳐 에이전트의 상태를 관리합니다.
6. mem0
mem0는 AI 애플리케이션을 위한 메모리‑레이어 프레임워크입니다. 에이전시 AI에서 가장 큰 장애물 중 하나인 무상태성을 해결합니다. 스마트하고 스스로 개선되는 메모리 레이어를 제공함으로써, mem0는 AI 에이전트가 사용자 선호도, 과거 상호작용, 장기 컨텍스트를 기억하도록 하여 보다 개인화되고 효과적인 동작을 가능하게 합니다.
이 가이드에서는 mem0-mcp-server와 Gemini 3을 사용해 빠르고 스마트하며 메모리를 인식하는 에이전트를 만드는 방법을 배울 수 있습니다.
오늘 바로 시작하기
AI 에이전트의 미래는 단순히 모델에만 국한되지 않습니다—모델이 세상과 상호작용할 수 있게 하는 도구들의 생태계에 관한 것입니다.
우리는 여러분이 이 저장소들을 복제하고, 예제를 실행하며, Gemini 3가 할 수 있는 일을 직접 확인해 보시길 초대합니다. 보다 깊은 기술 구현 세부 사항은 **Gemini 3 개발자 가이드**를 확인하세요.
네비게이션