Gemini Managed Agents 업데이트: 백그라운드 작업과 원격 MCP가 프로덕션 AI 에이전트를 어떻게 바꾸는가

소개2026년 7월에 이루어진 Google의 Gemini Managed Agents 업데이트는 단순한 API 개선 그 이상이다. 이 업데이트는 Managed Agents를 실제 프로덕션급 에이전트 런타임에 한층 더 가깝게 이동시킨다.중요한 추가 사항은 백그라운드 실행, 원격 MCP 서버 통합, 사용자 지정 함수 호출, 자격 증명 갱신이다. 이것들은 모델이 더 유창하게 답하도록 만드는 기능이 아니다. 에이전트가 안전하게 계속 작동할 수 있는지, 장시간 실행되는 작업에서 복구할 수 있는지, 올바른 권한으로 도구를 호출할 수 있는지, 그리고 개발자가 무슨 일이 있었는지 검토할 수 있도록 충분한 증거를 남길 수 있는지와 관련된 문제들이다.## 핵심 판단2026년 7월의 Google 업데이트는 일상적인 API 패치로 읽어서는 안 된다. 이는 Gemini Managed Agents가 프로덕션 AI 에이전트를 위한 보다 완전한 런타임 계층으로 밀려가고 있다는 신호다.핵심 기능은 백그라운드 실행, 원격 MCP 서버 통합, 사용자 지정 함수 호출, 자격 증명 갱신이다. 이 네 가지는 모두 런타임 수준에 놓여 있다. 이들은 작업 지속 시간, 도구 접근, 인증, 복구, 감사 가능성과 관련된 실질적인 문제를 해결한다.이전까지 많은 AI 에이전트 제품은 단순한 프롬프트 루프를 중심으로 구축되어 왔다. 애플리케이션이 컨텍스트를 구성하고, 모델이 다음 행동을 결정하고, 프로그램이 도구를 호출한 뒤, 그 결과를 다시 컨텍스트 창에 넣는 방식이다. 이 패턴은 데모에는 잘 작동한다. 그러나 에이전트가 실제 비즈니스 워크플로에 들어가는 순간 더 어려운 문제들에 빠르게 부딪힌다. 상태 관리, 자격 증명, 도구 권한, 장기 작업 실행, 장애 복구, 신뢰할 수 있는 로그가 그것이다.이번 Gemini 업데이트는 바로 이러한 프로덕션 문제를 정면으로 겨냥하고 있다.## 왜 백그라운드 실행이 중요한가유용한 에이전트는 종종 몇 초 이상의 시간이 필요하다. 문서를 읽고, 웹을 탐색하고, 테스트를 실행하고, 코드를 생성하고, CI를 기다리고, 보고서를 준비하거나, 여러 시스템에 걸친 데이터를 비교할 수 있다.이 모든 것을 하나의 동기식 HTTP 요청에 넣는 것은 취약하다. 사용자 경험 측면에서도 바람직하지 않다. 프로덕션 에이전트는 타임아웃이 날 수도 있는 채팅 요청처럼 느껴져서는 안 된다. 시작하고, 모니터링하고, 일시 중지하고, 취소하고, 재시도하거나, 다시 이어서 실행할 수 있는 작업처럼 느껴져야 한다.백그라운드 실행은 제품 모델 자체를 바꾼다. 이제 에이전트 작업은 작업 ID, 상태, 진행 상황 업데이트, 취소 지원, 실패 사유, 최종 출력값을 가질 수 있다. 이는 특히 사용자가 나중에 다시 돌아와 무슨 일이 있었는지 확인해야 하는 환경에서 에이전트를 실제 애플리케이션에 통합하기 훨씬 쉽게 만든다.또한 인터페이스 설계도 바뀐다. 채팅 인터페이스는 한 차례의 대화에 초점을 맞춘다. 반면 에이전트 인터페이스는 작업 상태에 초점을 맞춘다. 사용자는 에이전트가 무엇을 읽고 있는지, 어떤 도구를 호출했는지, 어디에서 막혀 있는지, 다음 작업에 승인이 필요한지를 볼 수 있어야 한다.NxCode나 이와 유사한 AI 워크플로 제품을 구축하는 팀에게 이는 최종 답변만으로는 충분하지 않다는 뜻이다. 워크플로는 프롬프트, 도구 호출, 도구 출력, 오류, 파일 변경, 최종 산출물과 같은 감사 가능한 실행 증거도 함께 보존해야 한다.## 원격 MCP: 기회와 경계MCP가 중요한 이유는 도구 통합의 혼란을 줄여주기 때문이다. 과거에는 각 모델, IDE, 내부 시스템마다 저마다의 커넥터가 필요할 수 있었다. 그것은 만들어냈다반복적인 통합 작업을 초래했고 권한 관리도 더 어렵게 만들었습니다.Model Context Protocol은 에이전트가 외부 리소스와 도구에 접근할 수 있도록 보다 표준화된 방식을 제공합니다. Remote MCP는 이 개념을 클라우드 호스팅 에이전트 시나리오로 확장합니다. 관리형 에이전트는 로컬 도구 서버에 의존하지 않고도 원격 문서, 이슈 추적기, 옵저버빌리티 플랫폼, 데이터 서비스 또는 내부 도구에 연결할 수 있습니다.이것이 기회입니다. 경계는 보안입니다.각 MCP 서버는 곧 권한 경계이기도 합니다. 서버가 노출하는 도구는 모델의 동작에 영향을 미칩니다. 서버가 반환하는 콘텐츠에는 프롬프트 인젝션이 포함될 수 있습니다. 또한 그 권한 범위가 사용자가 원래 승인하려던 범위보다 더 넓을 수도 있습니다.따라서 프로덕션 환경에서는 Remote MCP를 플러그 앤 플레이 방식의 지름길로 취급해서는 안 됩니다. 읽기 전용 도구와 쓰기 가능한 도구는 분리해야 합니다. 파괴적인 작업은 제한해야 합니다. 모든 도구 호출은 로그로 남겨야 합니다. 고위험 작업은 에이전트가 진행하기 전에 사람의 승인을 요구해야 합니다.## 커스텀 함수 호출과 자격 증명 갱신MCP는 더 넓은 도구 생태계에 잘 맞지만, 내부 제품 작업에는 여전히 커스텀 함수 호출이 적합합니다.예를 들어 가격 계산, 요금제 권한 확인, 초안 생성, 풀 리퀘스트 생성, 내부 기록 조회, 또는 비즈니스별 검증 같은 작업이 이에 해당합니다. 이러한 함수는 명확한 타입, 제한된 권한, 예측 가능한 동작을 가져야 합니다. 최종 권한 부여는 여전히 모델에 맡기지 말고 애플리케이션 코드에서 수행되어야 합니다.자격 증명 갱신은 작은 인프라 기능처럼 보일 수 있지만, 실제로는 장시간 실행되는 에이전트에 대한 신뢰 경계의 일부입니다.수명이 짧은 토큰이 더 안전하지만, 백그라운드 작업에는 연속성이 필요합니다. 더 안전한 패턴은 현재 작업에 필요한 최소 범위만 부여하고, 갱신 중에 권한 범위를 확장하지 않으며, 민감한 작업은 추가 승인 뒤에 두는 것입니다. 모델은 원시 비밀값을 보아서는 안 되며, 로그에 토큰이 노출되어서도 안 됩니다.## NxCode 팀을 위한 실무 제안모든 AI 기능을 한 번에 Managed Agents로 옮기지 마십시오. 먼저 워크플로를 위험도와 되돌릴 수 있는지 여부에 따라 분류하는 것부터 시작하십시오.유용한 첫 번째 분류는 다음과 같습니다.1. 읽기 전용 리서치

1. 초안 생성
2. 코드 실행
3. 데이터 쓰기
4. 외부 커뮤니케이션
5. 프로덕션 운영

읽기 전용 작업은 더 많이 자동화할 수 있습니다. 쓰기 작업에는 더 엄격한 통제가 필요합니다. 모든 도구에 대해 권한 범위, 소유자, 데이터 민감도 수준, 승인 규칙, 로깅 요구사항을 정의하십시오.가장 적합한 파일럿 워크플로는 현재 여러 수작업 단계를 필요로 하지만, 여전히 스테이징 또는 샌드박스 환경에서 검증할 수 있는 작업입니다. 좋은 예로는 리서치 수집, 코드 수정 초안, 지원 티켓 조사, 문서 생성, 내부 데이터 정합성 점검 등이 있습니다.더 안전한 워크플로는 먼저 에이전트가 근거와 계획을 생성하도록 하는 것입니다. 사람이 이를 검토한 후에만 되돌릴 수 없는 작업을 수행하게 해야 합니다.## 출처 참고- 원문 기사: Gemini Managed Agents 更新：后台任务与 Remote MCP 如何改变生产级 AI Agent

• 원문 작성자: NxCode Team
• 원문 페이지에 표시된 최초 게시일:2026-07-08
• 원본 저작권 고지: © 2026 NxCode. 모든 권리 보유.
• 원본 페이지의 파싱된 콘텐츠에는 기사 이미지 1장이 노출되었지만, 사용 가능한 추출기를 통해 직접 호스팅된 원본 이미지 URL은 가져올 수 없었습니다. 이에 따라 관련 공식 Google 소스 이미지를 위에 삽입했습니다. CMS에서 원본 호스팅 미디어만 허용하는 경우 해당 이미지를 수동으로 다시 업로드하거나 교체하세요.
• NxCode 원본 기사에서는 원본 코드 블록, 표, 또는 단계별 명령 섹션이 감지되지 않았습니다.
• 홍보용 NxCode 블록, 내비게이션 링크, 푸터 링크 및 관련 없는 사이트 모듈은 재작성된 본문에서 제거되었습니다.## FAQ### Gemini Managed Agents란 무엇인가요?Gemini Managed Agents는 Gemini API에서 구성 가능한 에이전트 런타임입니다. 이들은 클라우드에 호스팅된 샌드박스 환경 안에서 추론하고, 코드를 실행하며, 파일을 관리하고, 도구를 사용할 수 있습니다.### AI 에이전트에서 백그라운드 실행이 중요한 이유는 무엇인가요?백그라운드 실행을 사용하면 하나의 HTTP 연결을 계속 열어 두지 않아도 장시간 실행되는 작업을 지속할 수 있습니다. 이는 리서치, 코드 생성, 테스트, 보고서 작성, 다중 시스템 데이터 점검과 같은 워크플로에 유용합니다.### 이 맥락에서 Remote MCP란 무엇인가요?이 맥락에서 Remote MCP는 관리형 에이전트가 로컬 도구 서버에만 의존하는 대신 원격 Model Context Protocol 서버에 연결할 수 있음을 의미합니다. 이를 통해 에이전트를 외부 시스템, 비공개 API, 문서, 이슈 추적기 또는 내부 데이터 서비스와 더 쉽게 연결할 수 있습니다.### Remote MCP는 프로덕션 환경에서 안전하게 사용할 수 있나요?Remote MCP는 권한 설계를 신중하게 할 경우에만 프로덕션에서 사용할 수 있습니다. 팀은 읽기 전용 도구와 쓰기 가능한 도구를 분리하고, 모든 도구 호출을 기록하며, 파괴적인 작업을 제한하고, 고위험 작업에는 사람의 승인을 추가해야 합니다.### 팀은 언제 MCP 대신 커스텀 함수 호출을 사용해야 하나요?커스텀 함수 호출은 권한 검증, 가격 계산, 초안 생성, 풀 리퀘스트 열기와 같은 제품별 비즈니스 작업에 더 적합합니다. MCP는 보다 폭넓은 도구 및 데이터 소스 통합 패턴에 더 적합합니다.### 장시간 실행되는 에이전트에서 자격 증명 갱신이 중요한 이유는 무엇인가요?장시간 실행되는 에이전트는 작업이 끝나기 전에 만료되는 액세스 토큰이 필요할 수 있습니다. 자격 증명 갱신은 연속성을 보장하지만, 최소 권한 원칙을 유지하고 모델이나 로그에 비밀 정보가 노출되지 않도록 해야 합니다.### 프로덕션 AI 에이전트를 실행할 때 팀은 무엇을 기록해야 하나요?최소한 팀은 프롬프트, 도구 호출, 도구 출력, 오류, 파일 변경 사항, 승인 결정 및 최종 결과물을 기록해야 합니다. 이러한 기록은 에이전트 동작을 감사하고, 디버깅하고, 개선하기 쉽게 만들어 줍니다.## 관련 도구- Gemini API: Gemini 모델과 에이전트 기능을 활용해 개발하는 방법에 대한 Google의 개발자 문서입니다.
• Gemini Managed Agents: Gemini 관리형 에이전트 환경, 도구, 보안 참고사항, 가격 및 제한에 대한 공식 개요입니다.
• Gemini Interactions API: 모델 및 에이전트 상호작용을 위한 기본 Gemini 인터페이스입니다.
• Google AI Studio: Gemini 모델과 에이전트 워크플로를 프로토타이핑하기 위한 Google의 웹 환경입니다.
• Model Context프로토콜: AI 애플리케이션을 외부 도구 및 데이터 소스에 연결하기 위한 공식 MCP 문서입니다.
• Gemini 함수 호출: Gemini 모델을 구조화된 함수 및 API에 연결하기 위한 공식 문서입니다.## 관련 링크- Google Managed Agents 업데이트: 백그라운드 작업, 원격 MCP, 커스텀 함수, 자격 증명 갱신을 다루는 Google의 발표입니다.
• Gemini Interactions API GA 발표: Interactions API를 Gemini 모델 및 에이전트의 주요 인터페이스로 설명하는 Google의 발표입니다.
• Gemini API Agents 개요: 관리형 에이전트, 샌드박스 동작, 보안 관행, 가격, 제한 사항에 대한 공식 문서입니다.
• Managed Agents 빠른 시작: 첫 번째 관리형 에이전트 호출을 수행하고 워크플로를 살펴보기 위한 빠른 시작 가이드입니다.
• 백그라운드 실행 가이드: Gemini 상호작용을 비동기적으로 실행하기 위한 공식 가이드입니다.
• Gemini API를 사용한 함수 호출: 구조화된 도구를 정의하고 모델을 외부 작업에 연결하기 위한 공식 가이드입니다.
• 모델 컨텍스트 프로토콜 소개: 프로토콜과 핵심 개념을 설명하는 공식 MCP 소개 문서입니다.## 요약이 글은 실제 AI 에이전트 제품을 구축하는 팀에게 Gemini Managed Agents 업데이트가 왜 중요한지를 설명합니다. 핵심적인 변화는 짧은 프롬프트 루프에서 벗어나, 장시간 실행 작업, 원격 도구, 맞춤형 비즈니스 함수, 자격 증명의 연속성을 지원하는 런타임 모델로 이동한 것입니다.가장 중요한 설계상의 교훈은 프로덕션 에이전트에 모델의 능력만으로는 충분하지 않다는 점입니다. 에이전트에는 상태, 권한, 승인 규칙, 감사 로그, 그리고 읽기 전용 작업과 되돌릴 수 없는 작업 사이의 명확한 경계가 필요합니다.프로덕션 AI 에이전트에서 진짜 질문은 모델이 무엇을 할 수 있는가만이 아니라, 시스템이 에이전트가 하는 일을 통제하고, 관찰하고, 복구할 수 있는가이다.