이 문서에서는 복잡한 데이터 분석 및 머신러닝 작업을 자동화하는 데이터 과학 워크플로를 실행하는 애플리케이션의 대략적인 아키텍처를 설명합니다.
이 아키텍처는 BigQuery 또는 PostgreSQL용 AlloyDB에서 호스팅되는 데이터 세트를 사용합니다. 이 아키텍처는 사용자가 자연어 명령어로 작업을 실행할 수 있는 멀티 에이전트 시스템이며 복잡한 SQL 또는 Python 코드를 작성할 필요가 없습니다.
이 문서의 주요 대상에는 에이전트 AI 애플리케이션을 빌드하고 관리하는 설계자, 개발자, 관리자가 포함됩니다. 이 아키텍처를 사용하면 비즈니스 및 데이터팀이 소매, 금융, 제조와 같은 광범위한 업종에서 측정항목을 분석할 수 있습니다. 이 문서에서는 에이전트 AI 시스템에 대한 기본적인 이해가 있다고 가정합니다. 에이전트가 아닌 시스템과 에이전트의 차이점에 대한 자세한 내용은 AI 에이전트, AI 어시스턴트, 봇의 차이점은 무엇인가요?를 참고하세요.
이 문서의 배포 섹션에서는 데이터 과학 워크플로를 실행하는 에이전트 AI 애플리케이션 배포를 실험하는 데 도움이 되는 코드 샘플 링크를 제공합니다.
아키텍처
다음 다이어그램은 데이터 과학 워크플로 에이전트의 아키텍처를 보여줍니다.
이 아키텍처에는 다음 구성요소가 포함됩니다.
- 프런트엔드
- 사용자는 서버리스 Cloud Run 서비스로 실행되는 채팅 인터페이스와 같은 프런트엔드를 통해 멀티 에이전트 시스템과 상호작용합니다.
- 에이전트
-
이 아키텍처는 다음 에이전트를 사용합니다.
- 루트 에이전트: 프런트엔드 서비스에서 요청을 수신하는 코디네이터 에이전트입니다. 루트 에이전트는 사용자 요청을 해석하고 요청 자체를 해결하려고 시도합니다. 작업에 전문 도구가 필요한 경우 루트 에이전트는 요청을 적절한 전문 에이전트에 위임합니다.
- 전문 에이전트: 루트 에이전트는 에이전트를 도구로 사용 기능을 사용하여 다음
전문 에이전트를 호출합니다.
에이전트
도구 기능:
- 분석 에이전트: 데이터 분석 및 시각화를 위한 전문 에이전트입니다. 분석 에이전트는 AI 모델을 사용하여 데이터 세트를 처리하고 차트를 만들고 통계 분석을 실행하는 Python 코드를 생성하고 실행합니다.
- PostgreSQL용 AlloyDB 에이전트: PostgreSQL용 AlloyDB의 데이터와 상호작용하기 위한 전문 에이전트입니다. 에이전트는 AI 모델을 사용하여 사용자 요청을 해석하고 PostgreSQL 언어로 SQL을 생성합니다. 에이전트는 데이터베이스용 MCP 도구 상자를 사용하여 데이터베이스에 안전하게 연결한 후 쿼리를 실행하여 요청된 데이터를 검색합니다.
- BigQuery 에이전트: BigQuery의 데이터와 상호작용하기 위한 전문 에이전트입니다. 에이전트는 AI 모델을 사용하여 사용자 요청을 해석하고 GoogleSQL 쿼리를 생성합니다. 에이전트는 에이전트 개발 키트 (ADK)의 기본 제공 BigQuery 도구 를 사용하여 데이터베이스에 연결한 후 쿼리를 실행하여 요청된 데이터를 검색합니다.
- BigQuery ML 에이전트: 머신러닝 워크플로 전용인 루트 에이전트의 하위 에이전트입니다. 에이전트는 BigQuery ML 과 상호작용하여 엔드 투 엔드 ML 수명 주기를 관리합니다. 에이전트는 사용자 요청에 따라 모델을 만들고 학습시키고 평가를 실행하고 예측을 생성할 수 있습니다.
- 에이전트 런타임
- 이 아키텍처의 AI 에이전트는 서버리스 Cloud Run 서비스 로 배포됩니다.
- ADK
- ADK 는 에이전트를 개발, 테스트, 배포하는 데 사용할 수 있는 도구와 프레임워크를 제공합니다. ADK는 에이전트 생성의 복잡성을 추상화하여 AI 개발자가 에이전트의 로직과 기능에 집중할 수 있도록 합니다.
- AI 모델 및 모델 런타임
- 추론 서빙을 위해 이 예시 아키텍처의 에이전트는 최신 Gemini 모델을 Gemini Enterprise Agent Platform에서 사용합니다.
사용 제품
이 예시 아키텍처는 다음과 같은 Google Cloud 및 오픈소스 제품과 도구를 사용합니다.
- Cloud Run: Google의 확장 가능한 인프라에서 직접 컨테이너를 실행할 수 있게 해주는 서버리스 컴퓨팅 플랫폼입니다.
- 에이전트 개발 키트 (ADK): AI 에이전트를 개발, 테스트, 배포하는 데 사용할 수 있는 도구 및 라이브러리 집합입니다.
- Gemini Enterprise Agent Platform: 엔터프라이즈급 AI 에이전트를 빌드, 확장, 제어, 최적화할 수 있는 포괄적인 플랫폼입니다.
- Gemini: Google에서 개발한 멀티모달 AI 모델 제품군입니다.
- BigQuery: 머신러닝, 지리정보 분석, 비즈니스 인텔리전스와 같은 기본 제공 기능으로 데이터를 관리하고 분석할 수 있게 해주는 엔터프라이즈 데이터 웨어하우스입니다.
- PostgreSQL용 AlloyDB: 하이브리드 트랜잭션 및 분석 처리를 비롯한 가장 까다로운 워크로드를 위해 설계된 완전 관리형 PostgreSQL 호환 데이터베이스 서비스 입니다.
- 데이터베이스용 MCP 도구 상자: 연결 풀링, 인증, 관측 가능성과 같은 데이터베이스 복잡성을 관리하여 AI 에이전트가 데이터베이스에 안전하게 연결할 수 있도록 하는 오픈소스 모델 컨텍스트 프로토콜 (MCP) 서버입니다.
배포
이 아키텍처의 샘플 구현을 배포하려면 여러 에이전트가 있는 데이터 과학을 사용하세요. 이 저장소는 운영 분석을 위한 항공편 데이터 세트와 비즈니스 분석을 위한 이커머스 판매 데이터 세트를 비롯하여 시스템의 유연성을 보여주는 두 가지 샘플 데이터 세트를 제공합니다.
다음 단계
- (동영상) 데이터 엔지니어링 및 데이터 과학을 위한 AI 에이전트에 관한 Agent Factory 팟캐스트를 시청하세요.
- (노트북) Colab Enterprise에서 데이터 과학 에이전트를 사용하세요.
- Cloud Run에서 AI 에이전트를 호스팅하는 방법을 알아보세요.
- 에서 AI 및 ML 워크로드와 관련된 아키텍처 원칙 및 권장사항에 대한 개요는 Google Cloud Well-Architected Framework의 AI 및 ML 관점 을 참조하세요.
- 그 밖의 참조 아키텍처, 다이어그램, 튜토리얼, 권장사항을 알아보려면 Cloud 아키텍처 센터를 확인하세요.
참여자
저자: 사만다 헤 | 테크니컬 라이터
기타 참여자:
- 아미나 만수르 | Cloud Platform 평가팀 책임자
- 쿠마르 다나고팔 | 크로스 프로덕트 솔루션 개발자
- 메건 오키프 | 개발자 애드보킷
- 레이첼 디컨스미스 | 개발자 애드보킷
- 시르 메이르 라도르 | 개발자 관계 엔지니어링 관리자