구글 클라우드가 8월 선보인 AI 에이전트 인프라의 핵심

구글 클라우드가 8월 AI 에이전트 인프라의 양쪽 축을 동시에 확장했다. 데이터 계층에서는 데이터베이스 구축과 운영을 자동화하는 Database Operations Agents를, 실행 환경에서는 장시간 유지되는 Cloud Run 인스턴스를 선보였다. 두 기능은 Google Cloud의 ‘Agentic Data Cloud’ 전략을 데이터 관리에서 에이전트 운영 인프라로 넓히는 움직임으로 볼 수 있다. 78

데이터베이스 운영을 맡는 두 에이전트

Gemini Cloud Assist에 통합된 Database Operations Agents는 데이터베이스 생애주기를 ‘Day 0’과 ‘Day 1·2’로 나눠 지원한다. 8

• Database Onboarding Agent: 데이터베이스 선택, 프로비저닝, 구성, 초기 배포 등 Day 0 작업을 돕는다.
• Database Observability Agent: 모니터링, 문제 해결, 지속적인 유지보수 등 Day 1·2 작업을 담당한다.

온보딩 에이전트는 사용자가 자연어로 요구사항을 입력하면 데이터베이스 구축과 초기 설정 과정을 안내한다. 지원 대상은 Google Cloud의 관리형 데이터베이스인 AlloyDB, Bigtable, Cloud SQL, Spanner다. 8

이 방식의 목표는 아키텍처 설계, 스크립트 작성, 리소스 프로비저닝, 스키마와 인덱스 설정, 쿼리 튜닝, 장애 진단처럼 반복적인 작업을 단계별 자연어 워크플로로 바꾸는 것이다. 이를 통해 데이터베이스 관리자(DBA), 개발자, 사이트 신뢰성 엔지니어(SRE), DevOps 팀의 운영 부담을 줄이려 한다. 8

텔레메트리를 모아 원인을 찾는 관측성 에이전트

Observability Agent는 Database Insights, Cloud Monitoring, Cloud Logging, Cloud Trace 등에서 수집한 텔레메트리를 서로 연관 분석한다. 이를 통해 단순히 ‘느려졌다’는 현상을 보여주는 데 그치지 않고, 다음과 같은 원인을 찾도록 설계됐다. 8

• 지연 시간 급증
• 특정 쿼리의 과도한 부하와 병목
• 트랜잭션 간 잠금 경합
• CPU·메모리 등 리소스 부족

사용자는 Gemini Cloud Assist 채팅, 관련 Google Cloud 콘솔의 데이터베이스 화면, Database Center의 데이터베이스 플릿 뷰, CLI, IDE, 타사 도구 등 여러 접점에서 에이전트를 이용할 수 있다. 8

Database Insights와 Database Center 기능은 Google Remote MCP 서버를 통한 MCP 도구로도 제공된다. 따라서 외부 개발 도구나 MCP를 지원하는 다른 에이전트가 시스템·쿼리 지표, 데이터베이스 플릿 목록, 감지된 문제를 직접 조회할 수 있다. 8

에이전트의 역할은 진단에만 머물지 않는다. 분석 결과를 바탕으로 변경안을 제시하고, 그 이유와 예상 효과도 설명한다. 사용자가 승인하면 Cloud SQL 연결 풀링을 활성화하거나 인덱스를 추가하는 등 지원되는 조치를 실행할 수 있다. 다만 일부 조사·복구 기능은 특정 고객을 대상으로 한 프리뷰 단계였다. 8

Cloud Run 인스턴스: 스케일 투 제로를 벗어난 단일 에이전트 런타임

구글 클라우드는 8월 27일 프리뷰로 Cloud Run 인스턴스를 공개했다. 이는 개인용 AI 에이전트처럼 장시간 실행되고 상태 유지가 필요하며, 일반적으로 한 명의 사용자를 위한 워크로드를 겨냥한 전용 단일 런타임이다. 9

일반적인 Cloud Run 서비스와 달리 Cloud Run 인스턴스는 다음과 같은 특성을 갖는다. 9

• 정확히 하나의 복사본만 실행하며 자동 확장하지 않는다.
• 스케일 투 제로로 내려가지 않는다.
• 기본 자동 재시작 정책과 함께 최대 7일 동안 연속 실행할 수 있다.
• 사용하지 않을 때 중지했다가 필요할 때 다시 시작할 수 있다.
• 업데이트와 재시작 이후에도 바뀌지 않는 고정 HTTPS URL을 제공한다.

구글은 이를 계속 운영해야 하는 가상 머신(VM)의 대안으로 제시한다. 운영체제 패치, 방화벽 구성, HTTPS 엔드포인트 설정 같은 VM 관리 부담은 줄이면서도, 기존의 스케일 투 제로 방식 서버리스 서비스에서는 얻기 어려운 지속적인 프로세스 실행 모델을 제공한다는 설명이다. 9

가격도 단일 에이전트 사용 사례를 염두에 뒀다. 공유 vCPU 1개와 메모리 1GiB를 30일 내내 실행하는 비용으로 제시된 금액은 5.70달러다. 간헐적으로 계산량이 늘어날 때는 버스트 예산을 활용할 수 있어, 항상 최대 부하를 가정해 대형 VM을 선택할 필요가 없다는 것이 구글의 설명이다. 9

프로세스가 계속 살아 있으므로 콜드 스타트에 노출되는 상황도 줄어든다. 한 초기 사용자는 장시간 실행 에이전트의 콜드 스타트가 88% 감소했다고 밝혔다. 다만 이는 특정 고객의 사례이며, 모든 애플리케이션에 적용되는 성능 보장은 아니다. 9

AI 에이전트 인프라에서의 의미와 한계

두 발표는 서로 다른 문제를 겨냥하지만 함께 사용할 때 의미가 커진다. 에이전트 자체에는 경제적이고 지속적인 실행 환경, 장시간 작업 처리, 다중 턴 상호작용이 필요하다. 동시에 에이전트가 의존하는 데이터베이스에는 자동화된 프로비저닝, 관측성, 안전한 복구 절차가 필요하다. Cloud Run은 비동기 작업을 조율하고 여러 차례의 요청·응답을 처리하는 에이전트의 실행 기반을 제공하며, Database Operations Agents는 데이터 계층을 자연어와 MCP 호환 도구로 운영할 수 있게 한다. 18

다만 ‘상태 유지형’ 런타임이 모든 상태 문제를 해결하는 것은 아니다. 인스턴스가 재시작되거나 런타임 수명을 넘어 작업을 보존해야 한다면 세션 정보와 워크플로 상태를 외부의 영구 저장소에 기록해야 한다. Google Cloud의 안내도 프로덕션 에이전트에는 Cloud SQL 같은 영구 세션 저장소를 사용할 것을 제시한다. 5

결국 이번 발표의 핵심은 에이전트를 단순한 요청·응답형 애플리케이션이 아니라, 계속 실행되며 데이터베이스를 직접 관찰하고 필요한 조치까지 제안하는 운영 주체로 다루기 시작했다는 데 있다.