분산 데이터에 대한 에이전트 분석 워크플로 구현

Last reviewed 2026-06-09 UTC

이 문서에서는 AI 에이전트를 사용하는 크로스 클라우드 분석 워크플로를 구현하기 위한 대략적인 아키텍처를 제공합니다. 이 문서는 멀티 클라우드 데이터 레이크, 구조화된 데이터 웨어하우스, 구조화되지 않은 데이터 스토어 전반에서 분석 워크플로에 에이전트 AI를 사용하려는 클라우드 설계자, 데이터 엔지니어, 데이터 과학자를 대상으로 합니다. 이 문서에서는 에이전트 AI 개념, 데이터 분석, 클라우드 아키텍처에 대한 기본적인 이해가 있다고 가정합니다.

이 문서의 배포 섹션에서는 에이전트 분석 솔루션을 빌드하는 방법을 알아볼 수 있는 Codelab을 제공합니다.

아키텍처

다음 다이어그램은 여러 데이터 스토어와 클라우드 서비스 제공업체에 분산된 구조화된 데이터와 구조화되지 않은 데이터에서 비즈니스 통계를 도출하는 에이전트 분석 솔루션의 아키텍처를 보여줍니다.

에이전트형 개발 환경과 AI 모델을 사용하여 Google Cloud 및 기타 클라우드 서비스 제공업체에 분산된 데이터를 분석하는 아키텍처

이 아키텍처의 구성요소는 다음 레이어로 구성됩니다.

  • 사용자 및 에이전트 작업

    • 에이전트 개발 환경: 데이터 엔지니어 및 데이터 과학자와 같은 데이터 실무자는 다음 방법 중 하나를 사용하여 자연어 요청을 제출합니다.
    • **Google Cloud Data Agent Kit 확장 프로그램**: 이 확장 프로그램을 사용하면 에이전트가 적절한 기술을 로드하고 Google Cloud 서비스를 위해 원격 MCP 서버에 연결하여 신뢰할 수 있는 데이터에 액세스할 수 있습니다. Google Cloud
    • 파운데이션 모델: 신뢰할 수 있는 컨텍스트 및 데이터에서 비즈니스 통계를 생성하기 위해 에이전트형 개발 환경은 Gemini 제품군의 모델과 같은 파운데이션 모델을 사용합니다. 이 모델은 Data Agent Kit 확장 프로그램의 적절한 기술을 사용하고 복잡한 분석 워크플로를 구현하는 데 필요한 MCP 서버 도구를 사용합니다.

  • 분석 워크플로

  • 신뢰할 수 있는 데이터 스토어

    • Google Cloud의 데이터: BigQuery는 Cloud Storage의 구조화되지 않은 데이터에서 구조화된 추출을 비롯한 구조화된 데이터의 중앙 웨어하우스 역할을 합니다.
    • 외부 소스의 데이터: 이 아키텍처는 Amazon S3 버킷의 데이터와 Databricks Unity Catalog의 메타데이터와 같은 외부 데이터 소스를 보여줍니다. Cross-Cloud Interconnect 는와 다른 클라우드 서비스 제공업체 간의 고대역폭 전용 연결을 제공합니다. Google Cloud

사용 제품

이 아키텍처는 다음과 같은 Google Cloud 제품 및 도구를 사용합니다.

  • Google Cloud Data Agent Kit: 데이터 과학자, 데이터 엔지니어, 데이터 앱 개발자가 선호하는 에이전트 개발 환경 내에서 전체 데이터 수명 주기를 관리할 수 있는 에이전트 확장 프로그램입니다.
  • BigQuery: 머신러닝, 지리정보 분석, 비즈니스 인텔리전스와 같은 기본 제공 기능으로 데이터를 관리하고 분석할 수 있게 해주는 엔터프라이즈 데이터 웨어하우스입니다.
  • Managed Service for Apache Spark: 관리형 컴퓨팅 인프라에서 Apache Spark 일괄 워크로드를 실행하는 관리형 서비스입니다.
  • Lakehouse for Apache Iceberg: 개방형 데이터 레이크하우스를 빌드하고 고급 분석 및 AI를 위한 통합 인터페이스를 제공하는 고성능 스토리지 엔진입니다.
  • Knowledge Catalog: 지능형 메타데이터 및 거버넌스 기능을 갖춘 데이터 애셋의 통합 카탈로그를 제공하는 AI 기반 서비스 입니다.
  • Gemini: Google에서 개발한 멀티모달 AI 모델 제품군입니다.
  • Cloud Storage: 다양한 데이터 유형에 적합한 저비용, 무제한 객체 스토어입니다. 내부 및 외부에서 데이터에 액세스할 수 있고 Google Cloud중복성을 위해 여러 위치에 복제됩니다.
  • Cross-Cloud Interconnect: 와 다른 클라우드 서비스 제공업체 간에 고대역폭, 짧은 지연 시간, 전용 연결을 제공하는 서비스입니다. Google Cloud
  • Google Cloud MCP 서버: Google 및 Google Cloud 제품과 서비스에 AI 애플리케이션 액세스를 제공하기 위해 모델 컨텍스트 프로토콜 (MCP)을 구현하는 Google 관리형 원격 서비스입니다.

사용 사례

이 문서에서 설명하는 아키텍처는 다음 사용 사례에 적합합니다.

  • 멀티 클라우드 데이터 분석: 파일을 이동하거나 복잡한 추출, 변환, 로드 (ETL) 파이프라인을 빌드하지 않고도 와 다른 클라우드 서비스 제공업체에 분산된 데이터를 효율적으로 쿼리하고 분석합니다. Google Cloud 예를 들어 글로벌 소매업체의 마케팅 관리자는 Amazon S3의 고객 충성도 데이터를 BigQuery의 마케팅 운영 데이터와 조인하여 마케팅 캠페인의 효과를 분석할 수 있습니다.
  • 지능형 데이터 검색: 자연어 프롬프트와 AI 에이전트를 사용하여 여러 환경에서 제휴 데이터 세트를 검색, 쿼리, 처리합니다. 예를 들어 조달 전문가는 공급망 관리 (SCM) 시스템의 구조화된 데이터와 구조화되지 않은 이메일 커뮤니케이션 및 손상 평가 보고서의 통계를 결합하여 공급망 중단의 일반적인 원인을 파악할 수 있습니다.
  • 구조화되지 않은 소스에서 구조화된 데이터 추출: 대량의 구조화되지 않은 데이터를 스캔하고, 시맨틱 메타데이터를 도출하고, 다운스트림 분석을 위해 BigQuery에 구조화된 데이터 추출을 저장합니다. 예를 들어 운영 관리자는 PDF 파일과 같은 구조화되지 않은 형식으로 저장된 수천 개의 송장에서 구조화된 데이터를 추출하여 비용을 효율적으로 분석할 수 있습니다.

배포

Data Agent Kit 확장 프로그램을 사용하여 에이전트 분석 솔루션을 빌드하는 방법을 알아보려면 AI 에이전트를 사용하여 원시 데이터를 몇 초 만에 예측하기 Codelab을 참고하세요. 이 Codelab에서는 Data Agent Kit 확장 프로그램을 사용하여 선호하는 에이전트 개발 환경 내에서 데이터를 효율적으로 분석하는 방법을 보여줍니다. Codelab에서 사용하는 모든 샘플 데이터는 Google Cloud에 저장됩니다.

다음 단계

참여자

저자: 쿠마르 다나고팔 | 크로스 프로덕트 솔루션 개발자

기타 참여자: