애플리케이션 개발

CVE-2025-55182 보안 취약점, 당신의 React와 Next.js 프로젝트를 직접 겨냥합니다.

Wed, 03 Dec 2025 23:00:00 +0000

해당 블로그의 원문은 2025년 12월 4일 Google Cloud 블로그(영문)에 게재되었습니다.

편집자 주

2025년 12월 7일 오후 9시 10분 (PDT) 업데이트: CVE-2025-55182 악용 시도를 완화하는 데 도움이 되도록 추가 ruleID를 포함하여 권장되는 Cloud Armor WAF 구문을 업데이트했습니다.
2025년 12월 5일 오후 12시 40분 (PDT) 업데이트: CVE-2025-55182의 악용 시도를 탐지하고 완화하는 데 도움이 되도록 Cloud Armor WAF 규칙의 권장 구문을 업데이트했습니다.
2025년 12월 4일 오후 9시 20분 (PDT) 업데이트: React Server Components 및 Next.js의 취약한 버전 목록을 수정하고 Cloud Armor에 대한 구성 가이드를 업데이트했습니다.

오늘 Meta와 Vercel은 널리 사용되는 오픈소스 프레임워크인 React Server Components(CVE-2025-55182) 및 Next.js를 사용하여 구축된 서비스가 일부 서버 측 사용 사례에서 원격 코드 실행 위험에 노출되는 두 가지 취약점을 공개했습니다. Google Cloud는 이러한 취약점의 심각성을 인지하고 있으며, Google의 보안팀은 고객이 애플리케이션 보안을 위해 즉각적이고 결정적인 조치를 취하는 데 도움이 될 권장 사항을 공유했습니다.

취약점 배경

React Server Components 프레임워크는 일반적으로 사용자 인터페이스를 구축하는 데 사용됩니다. 2025년 12월 3일, CVE.org는 이 취약점에 CVE-2025-55182를 할당했습니다. 공식 공통 취약점 등급 시스템(CVSS) 기본 심각도 점수는 10.0점 만점인 '심각(Critical)'으로 결정되었습니다.

취약한 버전: React 19.0, 19.1.0, 19.1.1, 19.2.0
패치된 버전: React 19.2.1
수정 사항(Fix): https://github.com/facebook/react/commit/7dc903cd29dac55efb4424853fd0442fef3a8700
공지: https://react.dev/blog/2025/12/03/critical-security-vulnerability-in-react-server-components

Next.js는 React에 의존하는 웹 개발 프레임워크이며, 역시 사용자 인터페이스 구축에 널리 사용됩니다. (Next.js 취약점은 중복으로 표시되기 전 CVE-2025-66478로 참조되었습니다.)

취약한 버전: Next.js 15.x, Next.js 16.x, Next.js 14.3.0-canary.77 및 이후 canary 릴리스
패치된 버전은 여기에 나열되어 있습니다.
수정 사항(Fix): https://github.com/vercel/next.js/commit/6ef90ef49fd32171150b6f81d14708aa54cd07b2
공지: https://nextjs.org/blog/CVE-2025-66478

React 및 Next.js 프레임워크를 사용하는 환경을 관리하는 조직은 최신 버전으로 업데이트하고 아래에 설명된 완화 조치를 취할 것을 강력히 권장합니다.

CVE-2025-55182 완화 조치

Google은 CVE-2025-55182와 관련된 악용 시도를 탐지하고 차단하도록 설계된 새로운 Cloud Armor 웹 애플리케이션 방화벽(WAF) 규칙을 만들어 배포했습니다. 이 새로운 규칙은 지금 바로 사용 가능하며, 전역 또는 리전별 애플리케이션 부하 분산기를 사용하는 인터넷 연결 애플리케이션 및 서비스를 보호하기 위한 것입니다. 조직의 취약점 관리 프로그램이 환경 내의 모든 취약한 인스턴스를 패치하고 검증하는 동안, 이 규칙을 임시 완화 조치로 배포하는 것을 권장합니다.

Firebase Hosting 또는 Firebase App Hosting을 사용하는 고객의 경우, 커스텀 및 기본 도메인으로의 요청을 통한 CVE-2025-55182 악용을 제한하는 규칙이 이미 적용되어 있습니다. 그 외 모든 워크로드는 영향을 받는 패키지에 대해 고객의 조치와 패치가 필요합니다.

Project Shield 사용자의 경우, 모든 사이트에 WAF 보호 기능을 배포하기 위해 노력하고 있으며 이러한 WAF 규칙을 활성화하기 위한 별도의 조치는 필요하지 않습니다. 장기적인 완화를 위해서는 취약점을 근본적으로 제거하기 위한 필수 단계로 오리진 서버를 패치해야 합니다(아래 추가 지침 참조).

Cloud Armor와 애플리케이션 부하 분산기는 애플리케이션과 서비스가 Google Cloud, 온프레미스 또는 다른 인프라 제공업체 중 어디에 배포되었는지에 관계없이 이를 제공하고 보호하는 데 사용될 수 있습니다. 아직 Cloud Armor와 애플리케이션 부하 분산기를 사용하고 있지 않다면, 아래의 시작하기 가이드를 참조하세요.

Cloud Armor용 cve-canary WAF 규칙 배포하기

CVE-2025-55182로부터 탐지하고 보호하도록 Cloud Armor를 구성하려면, 이 취약점을 위해 추가된 새로운 ruleID를 활용하는 cve-canary 사전 구성된 WAF 규칙을 사용할 수 있습니다.

Cloud Armor 백엔드 보안 정책에서 새 규칙을 만들고 다음 일치 조건을 구성합니다.

code_block: <ListValue: [StructValue([('code', "(has(request.headers['next-action']) || has(request.headers['rsc-action-id']) || request.headers['content-type'].contains('multipart/form-data') || request.headers['content-type'].contains('application/x-www-form-urlencoded')) && evaluatePreconfiguredWaf('cve-canary',{'sensitivity': 0, 'opt_in_rule_ids': ['google-mrs-v202512-id000001-rce','google-mrs-v202512-id000002-rce']})"), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f2af6af4400>)])]>

이 작업은 Google Cloud 콘솔에서 Cloud Armor로 이동한 후, 기존 정책을 수정하거나 새 정책을 생성하여 수행할 수 있습니다.

Google Cloud 콘솔에서 Cloud Armor 규칙 생성

또는, gcloud CLI를 사용하여 필요한 규칙이 포함된 정책을 생성하거나 수정할 수도 있습니다.

code_block: <ListValue: [StructValue([('code', 'gcloud compute security-policies rules create PRIORITY_NUMBER \\\r\n --security-policy SECURITY_POLICY_NAME \\\r\n --expression "(has(request.headers[\'next-action\']) || has(request.headers[\'rsc-action-id\']) || request.headers[\'content-type\'].contains(\'multipart/form-data\') || request.headers[\'content-type\'].contains(\'application/x-www-form-urlencoded\')) && evaluatePreconfiguredWaf(\'cve-canary\',{\'sensitivity\': 0, \'opt_in_rule_ids\': [\'google-mrs-v202512-id000001-rce\',\'google-mrs-v202512-id000002-rce\']})" \\\r\n --action=deny-403'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f2af6af4ca0>)])]>

Terraform으로 규칙을 관리하고 있다면, 아래 구문을 사용하여 규칙을 적용할 수 있습니다.

code_block: <ListValue: [StructValue([('code', 'rule {\r\n action = "deny(403)"\r\n priority = "PRIORITY_NUMBER"\r\n match {\r\n expr {\r\n expression = "(has(request.headers[\'next-action\']) || has(request.headers[\'rsc-action-id\']) || request.headers[\'content-type\'].contains(\'multipart/form-data\') || request.headers[\'content-type\'].contains(\'application/x-www-form-urlencoded\')) && evaluatePreconfiguredWaf(\'cve-canary\',{\'sensitivity\': 0, \'opt_in_rule_ids\': [\'google-mrs-v202512-id000001-rce\',\'google-mrs-v202512-id000002-rce\']})"\r\n }\r\n }\r\n description = "Applies protection for CVE-2025-55182 (React/Next.JS)"\r\n }'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f2af6af4370>)])]>

애플리케이션을 위한 WAF 규칙 안전성 검증 및 원격 분석 활용

Cloud Armor 규칙은 Cloud Armor가 구성된 작업을 강제로 실행하지 않고, 규칙의 예상 영향을 테스트하거나 모니터링할 수 있는 로깅 전용 모드인 미리보기 모드(preview mode)로 구성할 수 있습니다. 위에서 설명한 새 규칙을 프로덕션 환경에 먼저 미리보기 모드로 배포하여 어떤 트래픽이 차단될지 확인하는 것을 권장합니다.

환경에서 새 규칙이 예상대로 작동하는지 확인한 후에는 미리보기 모드를 비활성화하여 Cloud Armor가 규칙을 능동적으로 적용하도록 할 수 있습니다.

Cloud Armor의 요청별 WAF 로그는 애플리케이션 부하 분산기 로그의 일부로 Cloud Logging에 기록됩니다. 모든 요청에 대한 Cloud Armor의 결정을 확인하려면, 먼저 백엔드 서비스별로 부하 분산기 로깅을 활성화해야 합니다. 활성화되면 이후의 모든 Cloud Armor 결정이 기록되며, 다음 안내에 따라 Cloud Logging에서 해당 내용을 찾을 수 있습니다.

Cloud Armor 규칙과 취약점 스캐닝 도구의 상호 작용

사용자 환경에서 React 및 Next.js의 취약한 인스턴스를 식별하는 데 도움이 되도록 설계된 스캐닝 도구가 급증했습니다. 이러한 스캐너 중 다수는 서버에서 실행 중인 React 및 Next.js의 버전을 탐지하기 위해 합법적인 쿼리를 작성하고 서버의 응답을 검사하여 관련 프레임워크의 버전 번호를 식별하도록 설계되었습니다.

Google의 WAF 규칙은 CVE-2025-55182의 악용 시도를 탐지하고 방지하도록 설계되었습니다. 위에서 설명한 스캐너는 악용을 시도하는 것이 아니라, 소프트웨어 버전 정보를 나타내는 응답을 유도하기 위해 안전한 쿼리를 보내므로, 위의 Cloud Armor 규칙은 이러한 스캐너를 탐지하거나 차단하지 않습니다.

만약 이러한 스캐너의 결과가 Cloud Armor로 보호되는 소프트웨어의 취약한 인스턴스를 나타낸다고 해서, 해당 취약점에 대한 실제 악용 시도가 Cloud Armor 보안 정책을 성공적으로 통과한다는 의미는 아닙니다. 대신, 이러한 결과는 탐지된 React 또는 Next.js 버전이 취약한 것으로 알려져 있으므로 패치해야 함을 의미합니다.

신규 사용자를 위한 Cloud Armor 시작 가이드

워크로드가 이미 애플리케이션 부하 분산기를 사용하여 인터넷에서 트래픽을 받고 있다면, 다음 안내에 따라 Cloud Armor를 구성하여 이 취약점 및 기타 애플리케이션 수준의 취약점(DDoS 공격 포함)으로부터 워크로드를 보호할 수 있습니다.

아직 애플리케이션 부하 분산기와 Cloud Armor를 사용하고 있지 않다면, 외부 애플리케이션 부하 분산기 개요, Cloud Armor 개요, Cloud Armor 권장사항을 참조하여 시작할 수 있습니다.

워크로드가 Cloud Run, Cloud Run functions 또는 App Engine을 사용하고 인터넷에서 트래픽을 받는 경우, 먼저 엔드포인트 앞에 애플리케이션 부하 분산기를 설정해야 Cloud Armor 보안 정책을 활용하여 워크로드를 보호할 수 있습니다. 그런 다음 Cloud Armor와 애플리케이션 부하 분산기가 우회되지 않도록 적절한 제어를 구성해야 합니다.

권장사항 및 추가 위험 완화 조치

Cloud Armor를 구성한 후에는 Google의 권장사항 가이드를 참조하는 것이 좋습니다. 문서에 설명된 제한사항을 반드시 고려하여 워크로드의 안전과 가용성을 보장하면서 위험을 최소화하고 성능을 최적화하세요.

장기적 완화 조치: 필수 프레임워크 업데이트 및 재배포

WAF 규칙이 중요한 최전선 방어를 제공하지만, 가장 포괄적인 장기 해결책은 기본 프레임워크를 패치하는 것입니다.

Google Cloud에서 React 및 Next.js 애플리케이션을 실행하는 모든 고객은 즉시 종속성을 최신 안정 버전(React 19.2.1 또는 여기에 나열된 관련 Next.js 버전)으로 업데이트하고 서비스를 재배포할 것을 강력히 촉구합니다.

이는 특히 다음에 배포된 애플리케이션에 적용됩니다.

Cloud Run, Cloud Run functions 또는 App Engine: 애플리케이션 종속성을 업데이트된 프레임워크 버전으로 업데이트하고 재배포하세요.
Google Kubernetes Engine (GKE): 컨테이너 이미지를 최신 프레임워크 버전으로 업데이트하고 파드를 재배포하세요.
Compute Engine: Google Cloud에서 제공하는 공개 OS 이미지에는 기본적으로 React 또는 Next.js 패키지가 설치되어 있지 않습니다. 영향을 받는 패키지가 포함된 커스텀 OS를 설치한 경우, 최신 프레임워크 버전을 포함하도록 워크로드를 업데이트하고 모든 워크로드 앞에 WAF 규칙을 활성화하세요.
Firebase: Cloud Functions for Firebase, Firebase Hosting 또는 Firebase App Hosting을 사용하는 경우, 애플리케이션 종속성을 업데이트된 프레임워크 버전으로 업데이트하고 재배포하세요. Firebase Hosting 및 App Hosting은 또한 커스텀 및 기본 도메인으로의 요청을 통한 CVE-2025-55182 악용을 제한하는 규칙을 자동으로 적용하고 있습니다.

애플리케이션을 패치하는 것은 근본 원인에서 취약점을 제거하고 서비스의 지속적인 무결성과 보안을 보장하기 위한 필수적인 단계입니다.

Google은 상황을 계속 면밀히 모니터링하고 필요에 따라 추가 업데이트와 지침을 제공할 것입니다. 가장 최신 정보와 자세한 단계는 공식 Google Cloud 보안 권고 사항을를 참조해 주십시오.

Agent Sandbox 소개: Kubernetes 및 GKE 기반 에이전트 AI를 위한 강력한 보호장치

Tue, 11 Nov 2025 12:00:00 +0000

* 본 아티클의 원문은 2025년 11월 12일 Google Cloud 블로그(영문)에 게재되었습니다.

Google과 클라우드 네이티브 커뮤니티는 최신 애플리케이션을 지원하기 위해 지속적으로 Kubernetes를 강화해 왔습니다. 올해 초 KubeCon EU 2025에서 Google Cloud는 AI 추론을 더 잘 지원하기 위한 일련의 Kubernetes 개선 사항을 발표한 바 있습니다. 그리고 오늘 KubeCon NA 2025에서는 Agent Sandbox를 새롭게 선보이며 Kubernetes를 AI 에이전트를 위한 가장 개방적이고 확장 가능한 플랫폼으로 만드는 데 집중하고자 합니다.

AI 에이전트가 제시하는 과제를 생각해 보세요. AI 에이전트는 애플리케이션이 단순한 쿼리에 답하는 것을 수준을 넘어 사용자의 목표를 달성하기 위해 복잡한 다단계 작업을 수행하도록 돕습니다. 예를 들어 '지난 분기 매출 데이터를 시각화해 줘'와 같은 요청을 받으면 에이전트는 데이터를 쿼리하고 해당 데이터를 그래프로 처리한 다음 사용자에게 반환해야 합니다. 기존 소프트웨어는 예측 가능한 반면, AI 에이전트는 코드 생성, 컴퓨터 터미널 사용, 심지어 브라우저 활용까지 포함하여 사용자의 목표를 달성하기 위해 언제 어떻게 도구를 사용할지 자체적으로 결정을 내릴 수 있습니다.

강력한 보안 및 운영 가드레일 없이는 이처럼 강력하고 예측 불가능한(Non-deterministic) 강력한 에이전트를 조정하는 데 심각한 리스크를 초래할 수 있습니다. 코드와 명령어를 실행하는 에이전트에 커널 수준 격리(Kernel-level isolation)를 제공하는 것은 필수입니다. AI 및 에이전트 기반 워크로드는 기존 애플리케이션과 다른 추가적인 인프라 요구사항을 가집니다. 가장 눈에 띄는 점은 수천 개의 샌드박스를 임시 환경으로 조정해야 한다는 것입니다. 필요에 따라 빠르게 생성하고 삭제해야 하며 동시에 네트워크 액세스를 제한되어야 한다는 것입니다.

성숙도, 보안성, 확장성을 고려할 때 Kubernetes는 AI 에이전트를 실행하기에 가장 적합한 기반입니다. 하지만 에이전트 코드 실행 및 컴퓨터 사용 시나리오를 완벽히 충족하기 위해서는 진화가 필요합니다. Agent Sandbox는 이 방향으로 나아가는 강력한 첫걸음입니다.

대규모 환경에서의 강력한 격리

에이전트 기반 코드 실행 및 컴퓨터 사용을 위해서는 각 작업마다 격리된 샌드박스를 프로비저닝해야 합니다. 또한 사용자는 수천 개의 샌드박스가 병렬로 스케줄링되더라도 인프라가 그 속도를 따라잡기를 기대합니다.

Agent Sandbox는 Kubernetes 커뮤니티와 함께 빌드한 새로운 Kubernetes 기본 요소(primitive)로, 에이전트 코드 실행 및 컴퓨터 사용을 위해 특별히 설계되어 차세대 에이전트 AI 워크로드에 필요한 성능과 규모를 제공합니다. Agent Sandbox는 런타임 격리를 위해 Kata 컨테이너를 추가로 지원하는 gVisor를 기반으로 빌드되었으며, 데이터 손실, 유출 또는 프로덕션 시스템 손상으로 이어질 수 있는 취약점의 위험을 줄이는 안전한 경계를 제공합니다. Google Cloud는 Agent Sandbox를 Kubernetes 커뮤니티 내의 CNCF(Cloud Native Computing Foundation) 프로젝트로 빌드하며 오픈소스에 대한 약속을 이어가고 있습니다.

GKE를 통한 성능 향상

에이전트를 확장할 때 최저 비용으로 최고의 사용자 경험을 제공하려면 성능을 최적화해야 합니다. GKE(Google Kubernetes Engine)에서 Agent Sandbox를 사용하면 GKE Sandbox의 관리형 gVisor와 컨테이너 최적화 컴퓨팅 플랫폼을 활용하여 샌드박스를 더 빠르게 수평 확장할 수 있습니다. 또한 관리자가 미리 준비된 샌드박스 풀(Pre-warmed pools)을 구성할 수 있게 하여 지연 시간이 짧은(Low-latency) 샌드박스 실행을 지원합니다. 이 기능을 통해 Agent Sandbox는 완전히 격리된 에이전트 워크로드에 대해 서브 세컨드 수준의 지연 시간을 제공하며 콜드 스타트 대비 최대 90%의 성능 향상을 이끌어냅니다.

샌드박스를 안전하게 만드는 격리 속성은 역설적으로 컴퓨팅 리소스의 활용도 저하를 야기하기 쉽습니다. 각 샌드박스 환경을 스크립트로 매번 초기화하는 것은 불안정하고 느릴 수 있으며, 유휴 상태의 샌드박스는 종종 귀중한 컴퓨팅 사이클을 낭비하곤 합니다. 이상적인 환경이라면 실행 중인 샌드박스 환경의 스냅샷을 찍어 특정 상태에서 바로 시작할 수 있어야 합니다.

Pod Snapshots은 실행 중인 포드(Pod)의 전체 체크포인트 및 복원을 지원하는 새로운 GKE 전용 기능입니다. Pod snapshots은 에이전트 및 AI 워크로드의 시작 지연 시간을 획기적으로 줄여줍니다. Pod snapshots을 Agent Sandbox와 결합하면 팀은 스냅샷에서 샌드박스 환경을 프로비저닝하여 몇 초 만에 시작할 수 있습니다. GKE Pod Snapshots은 CPU 기반 워크로드와 GPU 기반 워크로드의 스냅샷과 복원을 모두 지원하여 포드 시작 시간을 몇 분에서 몇 초로 단축합니다. 이를 통해 유휴 샌드박스를 스냅샷으로 저장하고 일시 중단할 수 있어 최종 사용자에게 중단 없이 컴퓨팅 사이크를 크게 절약할 수 있습니다.

AI 엔지니어를 위한 빌드

오늘날의 에이전트 AI나 강화 학습(RL) 시스템을 빌드하는 팀이 인프라 전문가일 필요는 없습니다. Google Cloud는 AI 엔지니어를 염두에 두고 Agent Sandbox를 빌드했으며 이들이 기본 인프라에 대한 걱정 없이 샌드박스의 수명 주기를 관리할 수 있도록 API와 Python SDK를 설계했습니다.

code_block: <ListValue: [StructValue([('code', 'from agentic_sandbox import Sandbox\r\n\r\n# The SDK abstracts all YAML into a simple context manager \r\nwith Sandbox(template_name="python3-template",namespace="ai-agents") as sandbox:\r\n\r\n # Execute a command inside the sandbox\r\n result = sandbox.run("print(\'Hello from inside the sandbox!\')")'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f2af4041be0>)])]>

이러한 관심사의 분리(Separation of concern)는 AI 개발자에게 친화적인 경험을 제공하는 동시에 Kubernetes 관리자와 운영자가 기대하는 운영 제어 및 확장성을 보장합니다.

지금 시작하기

에이전트 AI는 소프트웨어 개발팀과 인프라팀에 중대한 변화를 가져다줍니다. Agent Sandbox와 GKE는 에이전트가 필요로 하는 격리와 성능을 제공할 수 있습니다. Agent Sandbox는 오픈소스로 제공되며 지금 바로 GKE에 배포할 수 있습니다. GKE Pod Snapshots은 제한된 프리뷰로 제공되며 올해 말 모든 GKE 고객에게 제공될 예정입니다. 시작하려면 Agent Sandbox 문서와 빠른 시작 가이드를 확인하세요. 여러분이 빌드할 멋진 결과물을 기대하겠습니다.

Next 25 개발자 키노트: 프롬프트부터 에이전트, 업무, 즐거움까지

Thu, 01 May 2025 18:36:00 +0000

* 본 아티클의 원문은 2025년 4월 12일 Google Cloud 블로그(영문)에 게재되었습니다.

Google Cloud Next와 같은 기술 컨퍼런스에 참석하면 수많은 뉴스, 세션, 소그룹 세션에 모든 학습과 교류 활동까지 마치 소방호스로 물을 마시는 듯 버겁고 혼란스러울 수 있습니다. 하지만 며칠간의 바쁜 일정을 소화한 후 개발자 키노트를 시청하면 이 혼란 속에 명확한 방향이 있다는 걸 알게 됩니다. 그동안 얻은 모든 정보의 퍼즐이 하나의 그림으로 맞춰지기 시작하면서 사무실로 돌아가 바로 시도해 볼 수 있는 온갖 멋진 아이디어가 떠오르게 됩니다.

올해 개발자 키노트는 Google Cloud의 수석 에반젤리스트인 Richard Seroter와 개발자 기술 및 커뮤니티 책임자인 Stephanie Wong이 공동 진행하며 환상적인 호흡을 보여줬고, Google Cloud 제품팀, 엔지니어링팀, 개발자 지원팀의 전문가도 함께 참여했습니다. 키노트는 AI 개발자 경험 엔지니어인 Paige Bailey의 1970년대 주방을 리모델링하는 데 AI를 활용해 본다는 흥미롭고 공감할 수 있는 목표를 중심으로 구성되었습니다. 하지만 어떻게 할 수 있을까요?

모든 것의 시작은 프롬프트

생성형 AI 경험은 데이터와 사용자 의도를 담은 프롬프트를 모델에 작성하는 데에서 시작됩니다. Paige는 Google DeepMind의 선임 제품 관리자인 Logan Kilpatrick과 함께 무대에 올랐습니다. Logan과 Paige는 AI Studio에 Paige의 주방을 분석하라는 프롬프트를 입력하면서 텍스트 설명, 평면도, 이미지를 제공했습니다. 그 결과 AI는 Gemini의 기본 이미지 생성 기능을 활용하여 수납장, 통일성 있는 디자인, 색상 팔레트, 자재를 제안하며 아이디어를 실현했습니다. 중요한 비용 질문에 대한 답을 얻기 위해 특히 Paige가 거주하는 지역을 기준으로 Google 검색으로 그라운딩을 사용하여 실제 자재 비용, 지역 건축법 및 규정, 기타 관련 정보를 가져왔습니다.

Logan이 말했듯 "동영상 이해부터 네이티브 이미지 생성, Google 검색으로 실제 정보에 그라운딩하는 작업까지 이 모든 건 Gemini로만 가능합니다."

이를 가능하게 한 새로운 기술

Gemini 2.5 Pro: Gemini 앱과 Vertex AI에서 프리뷰 버전으로 사용할 수 있습니다.
Gemini 2.5 Flash: 지연 시간 단축과 비용 효율성을 위해 특별히 최적화된 주력 모델로서, 조만간 Vertex AI, AI Studio, Gemini 앱에서 제공될 예정입니다.

프롬프트부터 에이전트로

프롬프트가 생성형 AI 쿼리의 핵심이라는 점은 모두 알고 있는 사실입니다. Richard는 "그렇다면 에이전트는 도대체 뭘까요?"라고 질문하면서 "바로 그게 핵심"이라고 덧붙였습니다.

Stephanie의 설명에 따르면 "에이전트는 AI 모델과 소통하면서 보유한 도구와 컨텍스트를 사용해 목표 기반 작업을 수행하는 서비스"입니다. 그렇다면 어떻게 해야 프롬프트를 에이전트로 전환할 수 있을까요? 한 가지 방법은 Vertex AI와 에이전트 개발 키트(ADK)를 사용하는 것입니다. Vertex AI는 AI 애플리케이션과 에이전트를 빌드하고 관리하기 위한 종합 플랫폼이고, ADK는 에이전트를 설계하기 위한 오픈소스 프레임워크입니다. ADK를 사용하면 Gemini 모델과 Google AI 도구를 기반으로 하는 에이전트를 그 어느 때보다 쉽게 시작할 수 있습니다.

Google Cloud의 개발자 관계 엔지니어링 관리자인 Fran Hinkelman 박사가 무대에 올라 ADK를 소개했습니다. Fran의 설명에 따르면 에이전트에 필요한 세 가지는 1) 에이전트의 목표를 정의하는 요청 사항, 2) 작업 수행에 필요한 도구, 3) LLM의 작업을 처리하는 모델로 정리할 수 있습니다.

Fran은 Python을 사용해 에이전트 코드를 작성하고 몇 분 만에 배포하여 건축가가 주방 리모델링을 시작하는 데 필요한 모든 사항이 요약된 전문적인 레이아웃 PDF를 얻었습니다. "정말 시간을 엄청나게 절약해 주는 도구"라고 Fran은 이야기합니다.

이를 가능하게 한 새로운 기술

에이전트 개발 키트(ADK): 에이전트 동작을 정밀하게 제어하는 동시에 에이전트 및 정교한 멀티 에이전트 시스템을 빌드하는 프로세스를 간소화하는 새로운 오픈소스 프레임워크입니다. ADK를 사용하면 100줄 미만의 직관적인 코드로 AI 에이전트를 빌드할 수 있습니다.
Model Context Protocol(MCP)을 위한 ADK 지원: 이를 통해 LLM이 데이터 요청을 처리하는 데 필요한 모든 정보에 대해 표준화된 구조와 형식을 생성할 수 있습니다.

하나의 에이전트에서 다수의 에이전트로

에이전트 빌드 외에 에이전트 모음 조정도 중요합니다. 주방 리모델링 같은 복잡한 프로세스에 필요한 일이죠. Google Cloud의 직원 Developer Advocate인 Abirami Sukumaran 박사는 ADK를 사용하여 1) 건설 제안 에이전트, 2) 인허가 및 규정 준수 에이전트, 3) 자재 주문 및 배송용 에이전트 등 세 가지 유형의 에이전트로 구성된 멀티 에이전트 생태계를 만들었습니다.

멀티 에이전트 시스템이 준비되었을 때 Abirami는 ADK에서 이 시스템을 ADK 등 여러 에이전트 프레임워크를 지원하는 완전 관리형 에이전트 런타임인 Vertex AI Agent Engine으로 직접 배포했습니다.

이뿐만이 아닙니다. Abirami는 에이전트를 배포한 후 자체 에이전트와 서드 파티 에이전트를 공유하는 허브인 Google Agentspace에서 테스트까지 했습니다.

그러나 문제가 있었습니다. 작업 도중 에이전트 시스템이 실패한 듯했습니다. Abirami는 즉시 Gemini Cloud Assist 조사를 실행하여 로그 탐색기를 통해 문제의 원인에 관한 모니터링 항목과 가설을 얻었습니다. 에이전트에 권장되는 코드 수정사항도 얻었습니다. Abirami는 코드를 검토하고 수락한 후 에이전트를 재배포하여 상황을 해결했습니다.

이것이 핵심입니다. Abirami는 "복잡한 에이전트와 서비스를 조정하는 시스템을 빌드하는 것만으로도 충분히 힘듭니다. 개발자는 로그를 살펴보고 코드를 분석하며 여러 종속 항목을 일일이 디버깅하는 데 시간을 허비해서는 안 됩니다. 이러한 작업은 모두 많은 시간과 리소스를 소모하는데 개발자들에게는 보통 이런 여유가 없죠."라고 이야기합니다.

이를 가능하게 한 새로운 기술

Vertex AI Agent Engine: Vertex AI의 완전 관리형 런타임으로, 기본 제공되는 테스트, 출시, 안정성 기능을 통해 전 세계를 대상으로 안전한 규모로 커스텀 에이전트를 프로덕션에 배포하도록 지원합니다.
Cloud Assist 조사: 인프라 문제는 물론 코드의 문제까지 진단하는 데 도움이 됩니다.
Agent2Agent(A2A) 프로토콜: Google Cloud는 기업이 멀티 에이전트 생태계를 지원하도록 하여 에이전트가 기반 기술과 관계없이 서로 통신할 수 있는 개방형 프로토콜을 만든 최초의 하이퍼스케일러라는 사실에 자부심을 느끼고 있습니다.

IDE 및 모델 선택

Google Cloud의 선임 Developer Advocate인 Debi Cabrera는 다음 발표자로 나서 청중에게 '바이브 코딩', 즉 에이전트형 코딩을 아는지 물었습니다. 기본적으로 사용자는 아이디어와 코드를 포함한 프롬프트를 에이전트에 입력해 효과적인 프로그래밍 출력을 얻을 수 있습니다. 이 과정에 새로운 인기 통합형 개발 환경(IDE)인 Windsurf를 활용하는 사용자가 늘어나고 있으며 Debi도 그중 하나입니다.

Debi는 Cursor와 IntelliJ에서 Copilot과 함께 Gemini를 사용하는 사례를 보여줬지만 Visual Studio Code, Tabnine, Cognition, Aider 같은 다른 도구에서도 Gemini를 활용할 수 있습니다. 심지어 프롬프트를 스페인어로 작성했는데 Gemini가 sin problema(문제없이) 처리했습니다. Debi는 일정을 마무리하며 "Google Cloud는 개발자가 어디에서든 Gemini를 사용할 수 있도록 지원하고 있다"고 이야기했습니다.

Gemini를 모델로 사용하고 싶지 않다면 Vertex AI Model Garden에서 제공되는 200가지 이상의 모델 중에서 선택할 수도 있습니다. Llama, Gemma 3, Anthropic, Mistral, Hugging Face의 오픈소스 모델 등이 있습니다.

"어떤 도구를 사용하든 멋진 결과물을 얻을 수 있을 겁니다."

이를 가능하게 한 새로운 기술

Gemini 2.5 Pro: 현재 개인용 Gemini Code Assist에서 사용할 수 있습니다.
Android 스튜디오: Android 스튜디오에서 Gemini Code Assist 지원이 이제 프리뷰 버전으로 제공됩니다.
Firebase의 Gemini: 새로운 Firebase Studio에서 완전한 AI 지원을 제공합니다.

꿈의 구장에서

다음 발표자는 Paige의 주방 리모델링 시연을 잠시 멈추고 살펴볼 가치가 있는 또 다른 문제인 투구 방법을 다루었습니다.

MLB(Major League Baseball)에서 Google Cloud로 경기당 2,500만 개의 데이터 포인트를 처리하는 것을 고려할 때 투구 기법은 AI로 처리하기에 적합한 문제입니다.

시연은 Google Cloud x MLB 해커톤의 최근 우승자인 Jake DiBattista가 훌륭한 좌완 투수인 Clayton Kershaw의 동영상을 분석하는 것으로 시작되었습니다. Jake는 컴퓨터 비전 라이브러리를 사용하여 동영상을 사전 처리했고, Google Cloud에 저장하면서 투구 유형과 경기 상황 같은 선택 항목을 사용해 MLB 데이터를 가져왔습니다. 최종적으로 모든 정보를 Gemini API로 전송한 후 Kershaw가 자신의 이상적인 경로에서 거의 벗어나지 않는 주특기 커브볼을 던졌다는 결과를 얻었습니다.

훌륭한 기능이지만 프로 선수가 아닌 경우에도 활용할 수 있을까요? Jake는 숙련도가 낮은 선수를 위한 '아마추어 모드'를 만들고 진행자인 Richard가 공을 던지는 동영상을 사용했습니다. 프롬프트 엔지니어링을 통해 Kershaw를 위한 프로 모델을 조정하여 Richard를 위한 아마추어 모델로 바꾼 결과, Richard는 잠재력이 있으나 힘을 극대화하려면 팔을 조금 더 조이고 다리의 힘을 더 활용해야 한다는 안내가 제공되었습니다.

Jake는 대학교에서 투포환 선수로 활약하면서 자신의 투구법이 정확한지 측정하고 싶었던 경험이 이 프로젝트에 영감이 되었다고 이야기했습니다. 무엇을 잘하고 있는지 혹은 잘못하고 있는지 모르면 어떻게 발전할 수 있을까요? 당시 이러한 데이터가 있었다면 Jake의 발전에 큰 도움이 되었을 겁니다.

하지만 정말 놀라운 점은 Jake가 투구 분석을 위한 완전 맞춤형 프롬프트 생성기를 빌드하는 데 일주일밖에 걸리지 않았다는 사실입니다. Jake는 "큰 문제 없이 바로 작동했어요."라면서 "커스텀 모델을 구현하거나 지나치게 복잡한 데이터 세트를 빌드할 필요가 없었습니다."라고 이야기했습니다.

다시 업무 환경으로

다음으로는 Google Cloud의 Developer Advocate인 Jeff Nelson이 발표자로 나왔습니다. Jeff는 다시 업무로 주제를 바꿔 영업 관리자가 사용할 수 있도록 원시 데이터를 데이터 애플리케이션으로 전환한다는 명확한 목표를 토대로 발표를 진행했습니다. Jeff는 먼저 BigQuery 노트북을 열어 예측을 빌드하고 몇 가지 SQL 코드를 작성했습니다. BigQuery는 Python DataFrame에 결과를 로드했습니다. Python에서는 라이브러리를 사용하여 모든 크기의 테이블에서 코드를 실행하기가 쉽기 때문입니다.

그렇다면 이 에이전트를 실제로 어떻게 사용하면 판매를 예측할 수 있을까요? Jeff는 노트북에 기본 제공되는 Gemini 데이터 과학 에이전트를 선택하고 '에이전트에게 물어보기'를 누른 다음 테이블을 토대로 판매 예측을 요청하는 프롬프트를 입력했습니다. 그러자 놀랍게도 그 시점부터는 모든 코드가 Gemini 데이터 과학 에이전트에 의해 생성되고 실행되었습니다.

아울러 Jeff는 에이전트가 특성 추출에 Spark를 사용할 수 있었던 건 BigQuery의 새로운 서버리스 Spark 엔진 덕분임을 설명했습니다. SQL, Spark, Python 간 전환이 쉬워 사용자는 작업에 적합한 도구를 사용할 수 있습니다.

Jeff는 예측 자체를 빌드하기 위해 BigQuery에서 바로 액세스할 수 있는 새로운 Google 파운데이션 모델인 TimesFM을 사용했습니다. 기존 모델과 달리 이 모델은 방대한 시계열 데이터 세트로 선행 학습되었으므로 데이터를 입력하기만 하면 예측을 얻을 수 있습니다. Jeff는 "예측은 누구나 액세스할 수 있는 데이터 앱이 됩니다."라고 말했습니다.

이를 가능하게 한 새로운 기술 :

BigQuery의 서버리스 Spark 엔진
전문 에이전트: 데이터 엔지니어, 데이터 분석가, 비즈니스 사용자를 지원하며, 현재 프리뷰 버전으로 이용할 수 있습니다.
BigQuery 노트북에 통합된 데이터 과학 에이전트: 곧 출시될 예정이며, 지금 Colab에서 바로 시작할 수 있습니다.

재미있는 일에 집중하기

개발자 입장에서 기술 설계 문서 작성이나 제품 요구사항 문서 작성처럼 지루한 작업을 다른 사람에게 맡길 수 있다면 얼마나 좋을까요? 엔지니어링 부문 전무 이사인 Scott Densmore는 데모를 마무리하면서 지루한 업무를 단번에 해결하는 놀라운 방법인 Gemini Code Assist와 새로운 칸반 보드를 소개했습니다.

Code Assist는 소프트웨어 개발 수명 주기 전반의 에이전트를 조율하는 데 도움이 됩니다. Scott은 이를 모든 엔지니어링 컨텍스트가 담긴 '가방'에 비유했습니다. Scott이 Java 마이그레이션을 위한 기술 설계 문서를 예로 들어 설명하면서 Google 문서에서 직접 댓글을 작성해 Code Assist에 할당하자 새로운 작업이 즉시 칸반 보드에 표시되어 추적할 수 있게 되었습니다. Google Docs뿐만 아닙니다. 채팅방과 버그 추적기에서 바로 작업을 할당하거나 Code Assist를 통해 작업을 찾을 수도 있습니다.

Scott은 더 어려운 사례를 보여주기 위해 Code Assist에 제품 요구사항 문서의 프로토타입을 만들도록 요청했습니다. Code Assist에 변경사항을 알려주고, 원하는 결과가 나올 때까지 반복했습니다. 간단합니다.

"Gemini Code Assist는 코딩을 도와주는 추가적인 도구로, 애플리케이션을 만들고 반복적이고 지루한 작업을 없애주므로 개발자는 재미있는 작업에 집중할 수 있습니다."

이를 가능하게 한 새로운 기술 :

Gemini Code Assist 칸반 보드: Google 에이전트와 상호작용하고, Gemini가 작업 완료를 위해 생성한 업무 계획을 검토하고, 다양한 작업/요청의 진행 상황을 추적할 수 있습니다.

정말 놀랍지 않나요? 하지만 이 글만으로 판단하지 마세요. 오늘 소개한 모든 마법 같은 순간을 생생하게 느끼고 싶다면 개발자 키노트 전체 동영상을 다시 시청해 보세요. 분명히 유익한 한 시간이 될 것입니다.

aside_block: <ListValue: [StructValue([('title', 'Google Cloud Next에서 얻은 새로운 인사이트를 현장에 적용하세요'), ('body', <wagtail.rich_text.RichText object at 0x7f2af54bfd30>), ('btn_text', '시작하기'), ('href', 'https://cloud.google.com/events/next25-offer-11'), ('image', <GAEImage: next 25>)])]>

개발자와 운영자를 위한 애플리케이션 중심 AI 기반 클라우드 제공

Thu, 01 May 2025 17:53:00 +0000

* 본 아티클의 원문은 2025년 4월 10일 Google Cloud 블로그(영문)에 게재되었습니다.

오늘 Google은 애플리케이션 수명 주기의 모든 단계에서 클라우드 개발자와 운영자에게 도움이 되는 새로운 AI 기능을 공개합니다. 핵심 내용을 정리하면 다음과 같습니다.

애플리케이션을 클라우드 환경의 중심으로 삼고 기존 클라우드 모델의 인프라 복잡성을 제거합니다. 이제 설계, 관찰, 보호, 최적화가 인프라 수준이 아닌 애플리케이션 수준에서 가능해집니다.
Gemini Code Assist와 Gemini Cloud Assist에 새로운 기능을 도입해 애플리케이션 개발 수명 주기의 모든 단계에 AI 지원을 추가합니다. IDE(통합 개발 환경) 내 개발 부담을 덜 수 있도록 복잡한 워크플로용으로 설계된 에이전트를 비롯해 새로운 에이전트를 도입합니다. 또한 전체 애플리케이션 여정을 더 스마트하고 생산적으로 만들기 위해 관리 및 운영 작업에 AI를 적용합니다.

새로운 애플리케이션 중심 클라우드 환경

애플리케이션은 오늘날플리케이션은 오늘날 비즈니스에서 엔진 역할을 합니다. 하지만 전통적인 리소스 중심 클라우드 모델은 애플리케이션 설계, 배포, 관리에 막대한 복잡성을 초래하므로 개발자가 비즈니스 요구사항을 하위 수준의 인프라 세부정보로 해석할 수밖에 없고 이에 따라 애플리케이션의 전반적인 목적과 성능 목표가 모호해집니다. 또한 애플리케이션 구성요소가 여러 시스템과 대시보드에 분산되면 성능을 추적하거나 비용을 파악하거나 문제를 해결하기가 어려워집니다. Google의 애플리케이션 중심 접근 방식은 여러 가지 새로운 서비스와 확장된 기능을 통해 이러한 문제 해결에 도움이 됩니다.

App Design Center 소개

현재 공개 프리뷰 버전으로 제공되고 있는 신규 서비스인 App Design Center는 플랫폼 관리자와 개발자가 클라우드 애플리케이션의 설계, 배포, 발전을 간소화하는 동시에 애플리케이션의 보안, 안정성, 권장사항 준수를 보장하는 데 도움이 됩니다. App Design Center는 API와 gcloud 명령줄 인터페이스 외에도 애플리케이션 템플릿 설계 및 수정을 위한 캔버스 스타일의 시각적 접근 방식을 제공합니다. 또한 배포를 위한 애플리케이션 템플릿을 구성하고, 인프라를 인라인 코드로 보고, 설계를 위해 팀원과 협업할 수 있습니다. 애플리케이션 배포는 App Hub에 자동으로 등록되어 간편한 운영과 문제 해결을 지원합니다.

애플리케이션의 가시성과 제어 도구를 통합하는 Cloud 허브

새로운 Cloud 허브 서비스는 전체 애플리케이션 환경의 중앙 지휘소로, 개발자가 애플리케이션과 워크로드에서 중요한 요소에 집중할 수 있게 합니다. 이 서비스는 배포, 상태, 문제 해결, 리소스 최적화, 유지보수, 할당량, 예약에 대한 인사이트와 지원 케이스를 제공하여 애플리케이션의 주요 측면을 관리하는 데 도움이 됩니다. 이렇게 정보를 통합하여 볼 수 있으므로 관리가 간소화되고 문제 해결이 빨라집니다. Cloud 허브는 현재 공개 프리뷰 버전으로 제공되며 Google Cloud 콘솔 사용자라면 누구나 이용할 수 있습니다. 여기에서 Cloud 허브를 체험해 보세요.

Google Cloud 기반 애플리케이션 환경을 통합하여 볼 수 있는 Cloud 허브

App Hub 및 앱 중심 모니터링 가능성 확장

App Hub는 상호 연결된 서비스 및 워크로드로서 애플리케이션을 모델링하여 애플리케이션 중심의 관점을 제공합니다. 현재 Google Kubernetes Engine(GKE), Cloud Run, Cloud SQL, AlloyDB를 비롯한 20개 이상의 Google Cloud 제품과 통합되어 애플리케이션 중심 환경의 기반을 다지고 있으며 앞으로도 더욱 확대될 예정입니다.

또한 애플리케이션 중심 모니터링 가능성 역량을 강화하기 위한 두 가지 기능이 새로 출시되었습니다. 첫 번째로, 공개 프리뷰 버전의 애플리케이션 모니터링은 원격 분석(로그, 측정항목, trace)에 자동 태그 지정을 지원하며 애플리케이션 컨텍스트, Application Awareness 알림, 즉시 사용 가능한 애플리케이션 대시보드를 제공합니다. 두 번째로, 비용 탐색기를 도입하여 세분화된 애플리케이션 비용과 사용률 측정항목을 파악해 효율성 개선 기회를 식별할 수 있게 합니다. 비용 탐색기는 현재 비공개 프리뷰 버전으로 제공됩니다. 사용해 보려면 여기에서 신청하세요.

AI 지원 애플리케이션 개발 및 관리

Google은 Gemini Code Assist와 Cloud Assist를 통해 소프트웨어 개발 수명 주기 전반에 걸쳐 개발자의 애플리케이션 개발을 가속화하고 클라우드 운영을 간소화하기 위해 힘쓰고 있습니다.

aside_block: <ListValue: [StructValue([('title', 'Google Cloud 무료로 사용해 보기'), ('body', <wagtail.rich_text.RichText object at 0x7f2aca79a910>), ('btn_text', '무료로 시작하기'), ('href', 'https://console.cloud.google.com/freetrial?redirectPath=/welcome'), ('image', None)])]>

Gemini Code Assist: 개발자 생산성 향상

Gemini Code Assist는 Android 스튜디오, Firebase Studio, JetBrains, VS Code 등 자주 사용되는 코드 편집기에서 이미 AI 지원을 제공하고 있습니다. 오늘은 소프트웨어 엔지니어를 지원하는 Code Assist의 세 가지 새로운 방법을 발표합니다.

자연어 요청을 여러 단계와 파일로 구성된 솔루션으로 변환할 수 있는 에이전트
Code Assist를 외부 서비스, 서드 파티 파트너, 심지어 다른 에이전트에 쉽게 연결할 수 있는 새로운 도구
향상된 코딩 기능을 갖춘 Gemini 2.5를 이제 개인용 Gemini Code Assist에서 이용할 수 있음

Gemini Code Assist 에이전트

불과 얼마 전에 Sundar Pichai는 Google 코드의 25%가 AI로 작성된다고 밝혔으며 Google 고객사의 방향도 다르지 않습니다. 르노 그룹의 Ampere, Broadcom, CGI, CME Group, PayPal, Wipro는 현재 코드를 작성하고 애플리케이션을 개발하는 데 Code Assist를 사용하고 있습니다. 실제로 Chicago Mercantile Exchange를 운영하는 CME Group은 대부분의 개발자가 Code Assist를 통해 월 10.5시간이 넘는 생산성 향상 효과를 얻고 있다고 밝혔습니다.

애플리케이션을 프로덕션에 배포하려면 코딩 외에도 다양한 작업이 필요합니다. 따라서 Google은 소프트웨어 개발 수명 주기 전반의 작업에 도움이 되도록 설계된 Gemini Code Assist 에이전트를 통해 강력한 새 기능을 선보이고 있습니다.

이제 Gemini Code Assist의 에이전트는 다음과 같이 모든 종류의 일반적인 개발자 작업을 지원할 수 있습니다.

신규 소프트웨어 개발: Google Docs에 있는 제품 사양을 바탕으로 애플리케이션을 개발합니다.
코드 마이그레이션: 한 언어에서 다른 언어로 코드 변환을 수행하고 언어/프레임워크 버전 간에 코드를 변환합니다.
새 기능 구현: GitHub에서 사용자에게 할당된 문제를 읽고 문제를 해결하는 코드를 만듭니다.
코드 검토 실행: 품질, 권장사항, 조직 스타일에 따른 코드 분석 및 의견을 제공합니다.
테스트 생성: 테스트 사례를 만들고 테스트를 실행하고 결과를 보고합니다.
AI 테스트 수행: 모델 입력/출력을 평가하여 잠재적인 콘텐츠 안전 문제점을 파악하고 해결합니다.
문서 생성: 전체 저장소에 대한 위키 스타일 문서를 작성 및 업데이트하고 전체 코드베이스 Q&A를 제공합니다.

에이전트가 백그라운드에서 작업을 수행할 때 개발자는 진행 중인 작업과 완료된 작업을 파악할 수 있어야 합니다. Google에서 Gemini Code Assist 칸반 보드를 개발한 이유도 여기에 있습니다. 이 보드를 사용하면 Google 에이전트와 소통하고 Gemini가 작업 완료를 위해 생성한 작업 계획을 검토하고 다양한 작업/요청의 진행 상황을 추적할 수 있습니다.

Gemini Code Assist 도구

IDE에서 Gemini Code Assist를 통해 효과적으로 작업하려면 외부 소스의 컨텍스트에 쉽게 액세스할 수 있어야 합니다. 이를 위해 현재 프리뷰 버전으로 제공되고 있는 Gemini Code Assist 도구가 빌드되었습니다. 이 도구는 Gemini Code Assist의 채팅에서 액세스 가능한 사전 빌드된 연결 기능으로, 이를 통해 개발자는 Atlassian, Sentry, Snyk 등의 파트너가 제공하는 업계 최고의 도구와 Google 앱의 정보를 손쉽게 이용할 수 있습니다.

지원 대상 IDE 확대: Android 및 Firebase Studio

개발자가 원하는 IDE에서 직접 코드를 작성, 변환, 이해할 수 있도록 지원하는 Gemini Code Assist가 더욱 확대 지원된다는 소식을 전해드립니다. Gemini Code Assist는 이제 Android 스튜디오에서 제공되며, 엔터프라이즈 보안 및 개인 정보 보호 기능을 통한 AI 코딩 지원을 원하는 전문 개발자에게 유용한 기능입니다.

또한 Google은 Gemini Code Assist로 구동되며 Firebase 플랫폼용으로 목적에 맞게 빌드된 두 가지 새로운 에이전트를 출시했습니다. 하나는 새로운 Firebase Studio 개발 환경 내에서 앱 아이디어를 UI, 백엔드 코드, AI 처리 흐름을 포함해 완벽하게 구동되는 프로토타입으로 전환하는 앱 프로토타입 제작 에이전트이고, 다른 하나는 Firebase 앱 배포 환경 내에서 엔드 투 엔드 테스트를 생성, 관리, 실행하여 모바일 앱의 프로덕션을 준비하는 앱 테스트 에이전트입니다. 두 에이전트는 현재 프리뷰 버전으로 제공됩니다.

Gemini Cloud Assist: 애플리케이션 운영 및 관리 간소화

Gemini Cloud Assist는 Google Cloud 환경의 애플리케이션 수명 주기 전반에 AI 기반 지원을 제공합니다. 덕분에 개발자, DevOps팀, 클라우드 관리자, SRE는 초기 인프라 설계부터 배포, 모니터링, 문제 해결, 지속적인 최적화에 이르기까지 애플리케이션을 보다 효과적이고 효율적으로 관리할 수 있습니다. Gemini Cloud Assist는 채팅 인터페이스를 통해 목적에 맞게 빌드된 AI 기반 워크플로와 Google Cloud 제품 내에서 바로 AI 지원을 제공합니다. 콘솔과 모바일에서 모두 지원되며, 현재 공개 프리뷰 버전으로 Google Cloud 사용자 누구나 이용할 수 있습니다.

애플리케이션 설계

Gemini Cloud Assist는 App Design Center와 통합되어 애플리케이션 인프라 설계 및 배포를 앞당깁니다. Gemini Cloud Assist를 사용하면 원하는 결과를 자연어로 설명하여 애플리케이션 인프라를 설계할 수 있습니다. 예를 들어 Gemini Cloud Assist에 '3계층 전자상거래 웹사이트를 설계해 줘' 또는 '사진을 동영상으로 변환하는 모바일 앱을 설계해 줘'라고 요청하면 아키텍처 다이어그램과 애플리케이션 템플릿이 자동으로 생성되어 Gemini를 사용해 반복적으로 미세 조정할 수 있습니다. App Design Center에 배포 워크플로가 직접 내장되어 있으므로 이러한 애플리케이션 템플릿을 Google Cloud에 즉시 배포할 수도 있습니다. 또한 비공개로 공유된 카탈로그를 사용하여 이 템플릿을 팀에 배포하거나 Terraform으로 내보내 다른 워크플로와의 상호 운용성을 높일 수 있습니다.

Gemini Cloud Assist를 사용하여 자연어로 빠르게 애플리케이션 인프라 설계 생성 및 미세 조정

조사를 통한 문제 해결

Gemini Cloud Assist 조사는 문제 해결 과정을 크게 단축하는 AI 기반의 새로운 워크플로입니다. 이 도구는 로그 및 오류 패턴, 구성 변경, 문제 해결 런북과 같은 포괄적인 데이터 세트와 클라우드 환경을 활용하여 근본 원인을 신속하게 파악하고 완화 옵션을 제공합니다.

조사 흐름에는 오류 감지, 영향을 받은 리소스, 사용자 보고 증상이 포함되며 이를 바탕으로 Gemini Cloud Assist가 관찰 및 요약된 결과를 도출합니다. 오류나 로그 항목에서 직접 조사를 시작하거나 모든 콘솔 페이지 오른쪽 상단의 조사 아이콘을 통해 실행할 수 있습니다. 그런 다음 채팅에서 특정 조사와 관련된 질문을 입력하고 수정하면서 반복할 수 있습니다. 또한 Gemini Cloud Assist를 사용하면 Google 지원팀에 조사 케이스를 쉽게 이관할 수 있습니다. Google 지원팀은 사용자 동의하에 조사 결과를 활용하여 지속적인 인적 지원을 제공합니다. Gemini Cloud Assist 조사는 현재 비공개 프리뷰로 제공됩니다. 사용해 보고 싶다면 여기에서 신청하세요.

비용 및 사용률 최적화

또한 Gemini Cloud Assist는 개발자와 DevOps팀뿐만 아니라 FinOps 실무자와 재무팀을 위한 AI 기반 비용 관리 및 최적화 기능을 제공합니다. 개발자와 DevOps팀은 Cloud 허브 비용 최적화 대시보드를 통해 애플리케이션 비용과 사용률에 대한 인사이트를 확인할 수 있습니다. Gemini는 비용을 vCPU 또는 메모리와 같은 사용률 데이터와 연결하여 비효율성을 파악하고 맞춤형 추천을 제공합니다. 비용 탐색기는 비용과 사용률을 더욱 세밀하게 분석할 수 있도록 유연한 히트맵 시각화를 제공하고 단일 또는 복수 리소스의 컴퓨팅 및 메모리 사용률을 집계합니다. 30일 치의 이전 데이터를 확인하고 프로젝트, 애플리케이션, Google Cloud 제품, 리소스 유형을 기준으로 완벽하게 필터링할 수 있습니다.

Cloud Billing 내에서 지난 1년간(2024년 1월~2025년 1월) Gemini Cloud Assist 비용 보고서를 사용한 고객이 FinOps에서 10만 시간 이상을 절약한 것으로 확인되었습니다. 이제 Gemini Cloud Assist의 기능이 확대되면서 FinOps 허브 2.0를 사용한 낭비 관련 인사이트와 비용 최적화 기회가 포함됩니다.

Google Cloud 전반의 Gemini Cloud Assist 통합

Google은 기존 워크플로 내에서 AI 기반 지원을 직접 제공하기 위해 Storage Insights, Cloud Observability, Firebase, 데이터베이스 센터, Flow Analyzer, FinOps 허브는 물론 Google Cloud의 보안 및 규정 준수 관련 서비스 등 자주 사용하는 Google Cloud 서비스 전반에 Gemini Cloud Assist를 통합하고 있습니다.

여기에 채팅 경험도 향상되었습니다. 이제 Gemini Cloud Assist는 애셋 및 구성, 시스템 상태, 측정항목 및 로그, 비용 보고를 비롯해 배포 환경에 대한 풍부한 컨텍스트를 갖추고 더욱 우수한 품질의 지원을 제공할 수 있습니다. 또한 BigQuery 코드 생성, 데이터베이스 및 스토리지 설명과 같은 특정 전문 영역 관련 작업도 처리합니다.

지금 바로 Google Cloud를 통해 애플리케이션을 빌드하고 관리해 보기

AI 기반의 새로운 애플리케이션 중심 클라우드를 통해 조직의 미래 원동력이 될 애플리케이션을 더 쉽게 빌드하고 관리할 수 있습니다.

시작하는 데 도움이 되도록 새로운 엔터프라이즈급 Google 개발자 프로그램을 일부 프리뷰 버전으로 제공하고 있습니다. 이 새로운 혜택은 개발자와 플랫폼팀이 Google Cloud와 Google Cloud의 AI 제품을 안전하고 저렴한 비용으로 살펴볼 기회를 선사합니다. 개발자는 사용 가능 라이선스 수를 기준으로 월 $75의 고정 요금으로 새로운 기술을 실험하고 개념 증명을 구축하고 기술을 향상하는 데 도움이 되는 샌드박스 환경을 이용할 수 있습니다. 여기에는 Gemini Code Assist Enterprise, 클라우드 리소스 할인 및 Gitlab, Harness, Jetbrains, Snyk와의 통합이 포함되어 있어 개발자는 참조 아키텍처를 활용하여 일반적인 생성형 AI 애플리케이션 패턴을 빌드할 수 있습니다. 이 혜택에 관한 자세한 내용은 여기를 참고하세요.

이 블로그에서 발표된 새로운 제품과 기능을 사용해 보려면 다음을 참고하세요.

지금 바로 Google Cloud 콘솔에 로그인하여 Gemini Cloud Assist의 강력한 기능을 경험해 보세요. 'Opt(Alt) + G'를 누르거나 Gemini 버튼을 클릭하여 콘솔에서 Gemini Cloud Assist를 실행하면 됩니다. 기능에 관한 자세한 내용은 이 웹사이트에서 확인하세요.
지금 바로 Google Cloud 콘솔에서 Cloud 허브에 로그인하여 애플리케이션 환경을 전반적으로 파악하세요. 여기에서 신청하면 Cloud 허브의 비용 최적화 대시보드를 사용해 볼 수 있습니다.
Gemini Code Assist 에이전트 프리뷰 대기자 명단에 등록하세요.
Gemini Cloud Assist 조사를 사용해 보려면 신청하세요.
개인 프로젝트에 Gemini 2.5를 사용해 보려면 원하는 IDE의 개인용 Gemini Code Assist 확장 프로그램을 설치하세요.
Firebase Studio를 사용해 보세요.

Gemini로 빌드하는 데 필요한 Firebase Studio 및 에이전트형 개발자 도구 소개

Thu, 01 May 2025 17:46:00 +0000

* 본 아티클의 원문은 2025년 4월 10일 Google Cloud 블로그(영문)에 게재되었습니다.

수백만 명의 개발자가 Firebase를 통해 사용자의 참여를 유도하면서 모바일 기기와 웹브라우저부터 임베디드 플랫폼과 에이전트형 경험에 이르기까지 어디서나 매일 700억 개 이상의 앱 인스턴스를 구동하고 있습니다. 하지만 풀 스택 개발은 빠르게 진화하고 있으며, 생성형 AI의 등장으로 앱 빌드 방법뿐만 아니라 앱의 유형도 변화하고 있습니다. 이로 인해 복잡성이 증가하고 개발자는 수동 병합이 필요한 많은 신기술을 따라잡아야 한다는 엄청난 압박을 받게 됩니다. 한편, 규모와 상관없이 모든 기업은 AI 앱 개발 주기를 더욱 효율화하고, 고품질 소프트웨어를 제공하고, 시장 진출에 소요되는 시간을 단축할 방법을 모색하고 있습니다.

오늘 Google Cloud Next에서는 Firebase 를 엔드 투 엔드 플랫폼으로 탈바꿈하여 전체 애플리케이션 수명 주기를 앞당기는 새로운 기능 모음을 소개합니다. 모든 사용자에게 프리뷰 버전으로 제공되는 새로운 Firebase Studio는 Gemini를 기반으로 한 클라우드 기반의 에이전트형 개발 환경으로, 개발자가 프로덕션 품질의 AI 앱을 빠르게 만들고 게시하는 데 필요한 모든 기능을 한곳에서 제공합니다. Firebase 플랫폼 전반에 여러 업데이트가 이루어지면서 개발자가 Google Cloud에서 최신 데이터 기반 앱을 마음껏 활용할 수 있게 되었습니다. 이번 발표를 통해 개발자는 여러 플랫폼에서 AI 애플리케이션을 빌드하는 새로운 길을 개척할 수 있게 될 것입니다.

Firebase Studio 소개

지난 1년간 Google은 AI 앱을 더 빠르고 쉽게 빌드할 수 있도록 Firebase의 Gemini, Genkit, Project IDX(Code OSS의 포크) 등 여러 새로운 서비스를 출시했습니다. Google은 Firebase Studio의 출시를 통해 이러한 모든 기능을 Firebase 서비스 및 Gemini의 창의적인 기능과 결합하여 새로운 네이티브 에이전트형 경험을 제공함으로써 큰 진전을 이루고자 합니다.

Firebase Studio를 사용해 풀 스택 AI 앱 빌드

60개 이상의 사전 빌드된 템플릿 중에서 선택하거나 앱 프로토타입 제작 에이전트를 사용해 새로운 앱을 만들 수 있습니다. 이 도구는 자연어, 이미지, 그리기 도구, 스크린샷을 사용하여 UI, API 스키마, AI 흐름과 같은 앱 설계를 지원합니다. 계속 프롬프트를 입력하여 프로토타입을 반복하고 준비가 되면 Firebase App Hosting에 직접 배포하세요. 완전히 작동하는 프로토타입 버전의 URL을 공유하여 의견을 얻거나 실험을 진행하세요. 사용량과 동작을 한눈에 모니터링하거나 Firebase Console로 이동하여 더 자세히 모니터링하세요. 언제든지 추가 설정 없이 클릭 한 번으로 Firebase Studio 코딩 작업공간에서 앱을 열 수 있습니다. 작업공간에서 아키텍처를 미세 조정하고 기능을 확장하여 프로덕션 배포를 준비할 수 있습니다.

코딩 작업공간에서는 다음 작업도 가능합니다.

코딩 워크플로 간소화: 코드를 작성하고 기능을 테스트할 때 모든 단계에서 Firebase의 Gemini의 지원을 받습니다. 코드 디버깅, 테스트, 리팩터링, 설명, 문서화와 같은 다양한 작업을 손쉽게 완료할 수 있습니다.
기존 앱 개선: 로컬 머신 또는 GitHub, GitLab, Bitbucket과 같은 Git 기반 저장소에서 기존 코드베이스를 가져옵니다. 선호하는 기술 스택의 맞춤 템플릿을 만들어 팀 전체와 공유하세요.
풀 스택 경험 생성: AI 모델 추론, 에이전트, 검색 증강 생성(RAG)부터 사용자 경험, 비즈니스 로직, 데이터베이스까지 앱의 모든 측면을 맞춤설정하고 발전시킵니다. API 및 마이크로서비스와 같은 도구를 AI 앱에 쉽게 노출하고 통합할 수 있습니다.
익숙한 도구로 작업: 시스템 도구, 확장 프로그램, 환경 변수와 같은 특정 구성을 가져와 작업공간을 맞춤설정합니다. Open VSX Registry에서 수천 개의 확장 프로그램에 액세스하세요.
유연한 배포 옵션: Firebase 백엔드 서비스 및 Google Cloud Run과 기본적으로 통합된 클라우드에서 실행되도록 앱을 설정합니다. 자체 커스텀 인프라에 배포할 수도 있습니다.

현재 Firebase Studio는 프리뷰 기간 동안 3개의 작업공간을 무료로 제공합니다. Google 개발자 프로그램 회원은 최대 30개의 작업공간을 이용할 수 있습니다. 지금 바로 Firebase Studio를 확인해 보세요.

aside_block: <ListValue: [StructValue([('title', 'Google Cloud 무료로 사용해 보기'), ('body', <wagtail.rich_text.RichText object at 0x7f2af8e607c0>), ('btn_text', '무료로 시작하기'), ('href', 'https://console.cloud.google.com/freetrial?redirectPath=/welcome'), ('image', None)])]>

전체 워크플로에 걸쳐 AI 에이전트 작동

또한 Firebase Studio 내에서 Gemini Code Assist 에이전트 사전 체험판을 이용해 볼 수 있습니다. 예를 들어 Firebase Studio에서 마이그레이션 에이전트 를 호출하여 Java 버전 간에 코드를 마이그레이션하고, AI 테스트 에이전트를 호출하여 AI 모델에 대한 적대적 테스트를 실행해 잠재적으로 유해한 출력을 찾아 수정하고, 코드 문서화 에이전트를 호출하여 위키 스타일의 기술 자료에서 코드에 대해 채팅해 쉽게 새로운 팀원을 온보딩할 수 있습니다.

지금 Google 개발자 프로그램을 통해 Gemini Code Assist 에이전트 대기자 명단에 등록하세요.

Firebase Studio를 통해 액세스할 수 있는 AI 테스트 에이전트

Firebase 앱 배포는 수동 및 자동 테스트를 실행하기 위한 통합 모바일 앱 테스트 서비스입니다. Firebase 앱 배포의 새로운 앱 테스트 에이전트는 앱과 관련된 실제 사용자 상호작용을 시뮬레이션할 수 있습니다. '그리스 여행 찾기'를 목표로 설정하여 테스트를 작성하는 예를 들어보겠습니다. 앱 테스트 에이전트는 Gemini를 사용하여 해당 목표를 달성하기 위한 계획을 수립하고 가상 또는 실제 기기에서 실행하여 UI를 탐색하고 에이전트가 선택한 경로의 직관적인 근거와 시각적 요소를 포함한 자세한 성공/실패 결과를 생성합니다. 앱 테스트 에이전트는 현재 프리뷰 버전으로 제공되며, Android 앱에서 지금 바로 사용해 보실 수 있습니다. 올해 더 많은 플랫폼에서 지원될 예정입니다.

Firebase 앱 배포의 새로운 앱 테스트 에이전트

새로운 AI 앱 환경 만들기

권장사항과 표준이 부족하면 최첨단 AI 기능을 애플리케이션에 통합할 때 어려움이 발생합니다. 이러한 이유로 개발자가 진정으로 매력적이고 혁신적인 사용자 상호작용을 만드는 데 집중할 수 있도록 Google에서는 강력한 프레임워크, SDK, 도구에 지속적으로 투자하여 개발 프로세스를 간소화하고 있습니다.

Genkit의 언어 지원 확대Genkit를 사용하면 앱의 AI 기능을 빌드, 테스트, 모니터링하는 데 드는 복잡성을 줄일 수 있습니다. 정형 출력, 도구 호출, 인간 참여형(Human-In-The-Loop) 상호작용, 검색 증강 생성(RAG), Model Context Protocol(MCP), 다중 모델 조정을 지원하는 강력한 에이전트형 경험을 개발하세요. 오늘날 Google은 Python에 대한 조기 지원과 Go에 대한 확장된 지원을 도입하여 선호하는 언어로 더 쉽게 개발할 수 있도록 지원하고 있습니다. Vertex Model Garden을 통해 Gemini 모델, Imagen 3, Llama와 Mistral 등의 추가 모델, Ollama를 통해 자체 호스팅된 모델, 커뮤니티 플러그인을 사용하는 서드 파티 모델에 액세스할 수 있으며, 특히 서드 파티 모델 생태계가 점점 더 확장되고 있습니다.

Firebase Studio에서 이 템플릿을 사용해 Genkit로 빌드해 보세요.

AI 기반 기능을 빌드하는 데 도움이 되는 Genkit

Vertex AI in Firebase를 통한 새로운 모델Vertex AI in Firebase를 사용하면 간소화되고 안전한 SDK가 제공되므로 개발자가 생성형 AI를 애플리케이션에 통합할 수 있습니다. 식단 계획 및 쇼핑 목록 관리 앱인 Meal Planner, AI 기반 일기 어시스턴트인 Life, 오프라인 하이킹 지도 제공업체인 HiiKER, 크리에이터를 위한 소셜 미디어 앱인 Waveful 등 현재 수천 개의 앱에서 사용되고 있습니다. 3월에는 Android, iOS, Flutter, 웹 애플리케이션에 이미지 생성 프로세스를 직접 추가할 수 있는 Gemini 모델 제품군을 비롯해 Imagen 3 모델(Imagen 3, Imagen 3 Fast)에 대한 지원을 추가했습니다. 오늘 Google은 Gemini 모델에 대한 Live API 지원을 추가하여 앱에서 더 많은 대화형 상호작용을 지원합니다. 이를 통해 고객은 오디오로 질문하고 대답을 얻는 등의 작업을 할 수 있습니다.

Vertex AI in Firebase를 통해 사용되는 Gemini 모델용 Live API

최신 데이터 기반 앱 가속화

또한 현재 정식 버전으로 출시된 Firebase Data Connect와 Firebase App Hosting을 통해 앱 아키텍처와 배포 프로세스를 더욱 세밀하게 제어할 수 있습니다.

Firebase Data Connect로 정교한 앱 빌드Firebase Data Connect는 즉각적인 GraphQL API와 유형에 구애받지 않는 SDK를 통해 PostgreSQL용 Google Cloud SQL의 강력한 안정성을 제공합니다. 사용자 관계가 복잡한 소셜 미디어 앱, 대규모 제품 카탈로그가 있는 전자상거래 플랫폼, 기본 제공되는 벡터 검색을 통한 맞춤형 추천 등 다양한 경험을 빌드하세요.

이제 Data Connect를 통해 다음 작업을 수행할 수 있습니다.

스키마 및 쿼리의 손쉬운 생성: Firebase의 Gemini를 사용하면 Data Connect 스키마, 쿼리, 변형, 클라이언트 SDK를 자동으로 생성하여 백엔드 개발 속도를 크게 높일 수 있습니다.
확장된 쿼리 기능 활용: 이제 Data Connect는 더 심층적인 데이터 인사이트, 원자적 데이터 수정, 서버값 표현식을 사용한 트랜잭션을 위한 네이티브 집계 지원으로 쿼리 기능을 확장하여 복잡한 작업 전반에서 데이터 무결성을 보장합니다.
웹 프레임워크로 빌드: 웹 프레임워크용으로 생성된 유형에 구애받지 않는 후크와 구성요소를 사용해 긴밀한 통합과 간소화된 데이터 처리의 이점을 누리면서 동적 데이터 기반 애플리케이션을 빠르게 개발할 수 있습니다.

Firebase Studio의 Firebase Data Connect

Firebase App Hosting으로 배포Firebase App Hosting은 최신 풀 스택 웹 앱을 위한 Git 중심의 독자적인 호스팅 솔루션입니다. App Hosting은 빌드부터 CDN, 서버 측 렌더링에 이르기까지 앱의 전체 스택을 관리하여 TTM(time to market)을 단축합니다. GitHub에 푸시하면 App Hosting이 나머지를 알아서 처리합니다. App Hosting은 Cloud Build, Cloud Run, Cloud CDN 등의 엔터프라이즈급 Google Cloud 서비스를 기반으로 빌드됩니다.

이 출시 버전의 App Hosting을 사용하면 다음과 같은 작업을 수행할 수 있습니다.

간편한 빌드 테스트 및 문제 해결: 이제 App Hosting에 로컬 에뮬레이터가 제공되고 오류 메시지가 개선되어 빌드 실패를 미리 방지하고 문제를 해결할 수 있습니다.
몇 초 만에 프로덕션 사고에서 복구: App Hosting의 새로운 모니터링 대시보드를 사용하여 앱의 성능과 상태를 파악하고, 회귀 발견 시 이전 버전으로 즉시 롤백할 수 있습니다.
가상 프라이빗 클라우드(VPC)에 연결: 공개 IP 주소로는 액세스할 수 없는 Google Cloud 프로젝트의 백엔드 서비스에 앱이 액세스할 수 있도록 허용합니다. 즉, Cloud Memorystore로 콘텐츠를 캐싱하거나 Firebase 외 데이터베이스에서 데이터에 액세스할 수 있습니다.

Firebase App Hosting의 새로운 모니터링 대시보드

앱을 빌드하는 방법뿐만 아니라 빌드할 앱의 종류까지 새롭게 상상해 볼 수 있습니다. Firebase 블로그에서 이러한 제품에 대해 자세히 알아보세요. Firebase 플랫폼으로 여러분이 만들 멋진 결과물을 기대하겠습니다.

NVIDIA GPU가 지원되는 Cloud Run에서 AI 추론 애플리케이션 실행

Mon, 17 Mar 2025 08:01:00 +0000

* 본 아티클의 원문은 2024년 8월 22일 Google Cloud 블로그(영문)에 게재되었습니다.

Cloud Run이 개발자 사이에서 주목받는 이유는 단순성, 빠른 자동 확장, Scale-to-zero 기능, 종량제 가격 책정 때문입니다. 이와 똑같은 이점이 개방형 생성형 AI 모델을 서빙하는 실시간 추론 앱에 적용됩니다. 오늘 NVIDIA L4 GPU에 대한 지원을 프리뷰로 Cloud Run에 추가한 이유가 바로 여기에 있습니다.

덕분에 Cloud Run 개발자는 다음과 같은 여러 새로운 사용 사례를 실현할 수 있습니다.

Google의 개방형 Gemma(2B/7B) 모델이나 Meta의 Llama 3(8B) 등의 경량 개방형 모델로 실시간 추론을 수행하여 커스텀 채팅 봇이나 즉석 문서 요약을 빌드하고 급증하는 사용자 트래픽을 처리하도록 확장합니다.
회사 브랜드에 맞는 이미지 생성과 같이 파인 튜닝된 커스텀 생성형 AI 모델을 서빙하고 사용하지 않을 때는 축소하여 비용을 최적화합니다.
주문형 이미지 인식, 동영상 트랜스코딩 및 스트리밍, 3D 렌더링 등 컴퓨팅 집약적인 Cloud Run 서비스의 속도를 높입니다.

완전 관리형 플랫폼인 Cloud Run을 사용하면 Google의 확장 가능한 인프라에서 직접 코드를 실행하여 컨테이너의 유연성과 서버리스의 단순성을 결합해 생산성을 높일 수 있습니다. Cloud Run을 사용하면 기본 인프라를 관리할 필요 없이 프런트엔드 및 백엔드 서비스를 실행하고, 작업을 일괄 처리하고, 웹사이트 및 애플리케이션을 배포하고, 큐 처리 워크로드를 처리할 수 있습니다.

한편 AI 추론을 수행하는 많은 워크로드, 특히 실시간 처리가 필요한 애플리케이션에서 반응형 사용자 경험을 제공하기 위해서는 GPU 가속이 필요합니다. NVIDIA GPU가 지원되면서 이제 원하는 LLM을 사용하여 몇 초 만에 주문형 온라인 AI 추론을 수행할 수 있습니다. 24GB의 vRAM을 사용하면 Llama 3.1(80억 개), Mistral(70억 개), Gemma 2(90억 개) 등 최대 90억 개의 파라미터가 포함된 모델에서 빠른 토큰 속도를 기대할 수 있습니다. 앱을 사용하지 않을 때는 서비스가 0으로 자동 축소되어 요금이 청구되지 않습니다.

“NVIDIA L4 Tensor GPU와 NVIDIA NIM 지원이 추가된 Cloud Run은 사용자에게 빠르게 확장되는 실시간 AI 추론 플랫폼을 제공하여 고객이 인프라 관리 오버헤드를 최소화하면서 AI 프로젝트를 앞당기고 솔루션을 더 빨리 출시할 수 있도록 지원합니다.” - Anne Hecht, NVIDIA 제품 마케팅 부문 선임 이사

Cloud Run 및 NVIDIA GPU 조합에 대한 발 빠른 고객들의 기대

“Cloud Run의 GPU 지원은 실시간 추론 애플리케이션에 획기적인 변화를 일으켰습니다. 특히 짧은 콜드 스타트 지연 시간이 인상적입니다. 덕분에 모델에서 거의 즉시 예측을 제공할 수 있는데 이는 시간에 민감한 고객 경험에 매우 중요합니다. 또한 Cloud Run GPU는 다양한 부하에서도 일관되게 서빙 지연 시간을 최소한으로 유지하여 생성형 AI 애플리케이션이 항상 반응성과 신뢰성을 유지하고 비활성화 기간 동안에는 쉽게 0으로 축소할 수 있습니다. 전반적으로 Cloud Run GPU 덕분에 빠르고 정확하고 효율적인 결과를 최종 사용자에게 제공하는 능력이 크게 향상되었습니다.” - Thomas MENARD, L’Oreal 글로벌 뷰티 기술 부문 AI 책임자

“Cloud Run GPU는 Google Cloud에서 GPU 컴퓨팅을 사용하는 데 가장 좋은 확실한 방법입니다. 오픈소스 표준(Knative)을 사용하여 높은 수준의 제어 및 맞춤 설정을 제공할 뿐만 아니라 바로 사용할 수 있는 뛰어난 모니터링 가능성 도구와 Scale-to-zero 기능이 있는 완전 관리형 인프라를 지원한다는 점이 마음에 듭니다. Knative 기본 요소를 사용해 GKE로 쉽게 마이그레이션할 수 있기 때문에 높은 복잡성과 유지보수를 감내하는 대신 더 많은 제어를 누릴 수 있는 옵션이 항상 존재합니다. 자사 사용 사례의 GPU 할당과 시작 시간도 경쟁업체 서비스에 비해 더 빨랐습니다.” - Alex Bielski, Chaptr 혁신 부문 이사

Cloud Run에서 사용하는 NVIDIA GPU

오늘부터 Cloud Run 인스턴스당 1개의 NVIDIA L4 GPU 연결이 지원됩니다. GPU를 사전에 예약할 필요는 없습니다. 이제 us-central1(아이오와)에서 Cloud Run GPU를 사용할 수 있으며 연말 전에 europe-west4(네덜란드) 및 asia-southeast1(싱가포르)에도 지원할 예정입니다.

NVIDIA GPU가 지원되는 Cloud Run 서비스를 배포하려면 명령줄에 --gpu=1 플래그를 추가하여 GPU 수를 지정하고 --gpu-type=nvidia-l4 플래그를 추가하여 GPU 유형을 지정하세요. Google Cloud 콘솔에서 배포할 수도 있습니다.

최근에 발표한 Cloud Run Functions를 사용하면 GPU를 함수에 연결하여 이벤트 기반 AI 추론을 간단하게 수행할 수 있습니다.

"GPU 지원을 추가해 새롭게 출시된 Cloud Run Functions에서는 Python 개발자가 인프라, GPU 드라이버, 컨테이너에 대한 걱정 없이 Hugging Face 모델을 사용할 수 있습니다. Cloud Run의 Scale-to-zero 및 빠른 시작 기능은 특히 단 몇 줄의 서버리스 코드만으로 HuggingFace 모델을 사용해 AI를 시작하기를 원하는 개발자에게 적합합니다.” - Julien Chaumond, Hugging Face CTO

성능

NVIDIA GPU가 지원하는 Cloud Run에서는 간단한 조작으로 강력한 성능을 누릴 수 있습니다. 인프라 지연 시간을 최소한으로 유지하여 모델 서빙 시 최고의 성능을 보장합니다.

드라이버가 사전 설치된 L4 GPU가 연결된 Cloud Run 인스턴스는 약 5초 만에 시작되며 이때 컨테이너에서 실행되는 프로세스가 GPU를 사용하기 시작합니다. 이후 프레임워크와 모델이 로드되고 초기화되는 데 몇 초가 더 소요됩니다. 아래 표에는 Ollama 프레임워크를 사용하는 Gemma 2b, Gemma2 9b, Llama2 7b/13b, Llama3.1 8b 모델의 콜드 스타트 시간(11초~35초)이 나와 있습니다. 이는 인스턴스를 0에서 시작하여 GPU에 모델을 로드하고 LLM이 첫 단어를 반환하는 데 걸리는 시간을 측정한 값입니다.

모델	모델 크기	콜드 스타트 시간
gemma:2b	1.7GB	11~17초
gemma2:9b	5.1GB	25~30초
llama2:7b	3.8GB	14~21초
llama2:13b	7.4GB	23~35초
llama3.1:8b	4.7GB	15~21초

_{콜드 스타트 시간: Cloud Run 인스턴스의 서비스 URL을 처음 호출하여 0에서 1이 되고 응답의 첫 단어를 제공하는 데 걸리는 시간입니다.}

_{모델: 위에 나온 각 모델의 4비트 양자화된 버전을 사용했습니다. 이러한 모델은 Ollama 프레임워크를 사용해 배포했습니다.}

_{참고로 통제된 실험 환경에서 관찰한 수치이며 실제 성능 수치는 다양한 요인에 따라 달라질 수 있습니다.}

Ollama를 사용한 샘플 앱 배포

아래에서 NVIDIA GPU가 지원되는 Cloud Run을 통해 Ollama 기반의 Google Gemma2 9b 모델을 배포하는 방법을 확인할 수 있습니다. Gemma는 Gemini 모델을 만드는 데 사용되는 것과 동일한 연구와 기술로 빌드된 최첨단 경량 개방형 모델군입니다. Ollama는 대규모 언어 모델을 관리할 수 있는 간단한 API를 제공하는 프레임워크입니다.

먼저 Ollama를 사용하는 컨테이너 이미지와 이 Dockerfile을 사용하는 모델을 만듭니다.

code_block: <ListValue: [StructValue([('code', 'FROM ollama/ollama\r\nENV HOME /root\r\nWORKDIR /\r\nRUN ollama serve & sleep 10 && ollama pull gemma2\r\nENTRYPOINT ["ollama","serve"]'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f2af76f6220>)])]>

이제 모든 작업이 완료되었습니다.

code_block: <ListValue: [StructValue([('code', 'gcloud beta run deploy --source . --port 11434 --region us-central1 --no-cpu-throttling --cpu 8 --memory 32Gi --gpu 1 --gpu-type=nvidia-l4'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f2af76f64c0>)])]>

배포 후 Ollama API를 사용해 Gemma 2와의 채팅을 시작하면 됩니다!

“최신 GPU 지원 덕분에 Cloud Run에서 Ollama를 사용해 대규모 언어 모델을 간단하게 배포할 수 있게 되었습니다. 명령어 몇 개만으로 Ollama와 앱의 원활한 통합 및 Cloud Run의 서버리스 인프라를 활용하여 손쉽게 LLM을 배포하고 관리할 수 있습니다. Cloud Run의 빠른 콜드 스타트와 신속한 확장으로 애플리케이션의 안정적인 확장이 가능합니다. 인프라나 머신러닝에 관해 전문 지식이 없어도 됩니다. 편하게 애플리케이션에 집중하세요. 나머지는 이 도구에 맡기면 됩니다.” - Jeffrey Morgan, Ollama 설립자

또한 Google Cloud Marketplace에서 제공되는 NVIDIA AI Enterprise 소프트웨어 제품군의 일부인 NVIDIA NIM 추론 마이크로서비스를 활용할 수 있습니다. 이에 따라 가속화된 고성능 AI 모델 추론이 안전하고 안정적으로 배포되므로 AI 추론 배포가 간소화되고 Cloud Run에서 NVIDIA L4 GPU의 성능이 극대화됩니다. 이 NVIDIA 블로그에서 시작하는 방법을 확인하세요.

지금 시작하기

Cloud Run을 사용하면 웹 애플리케이션을 매우 쉽게 호스팅할 수 있습니다. 이제 GPU 지원이 추가되어 AI 추론 애플리케이션에서도 최고의 서버리스, 단순성, 확장성을 누릴 수 있습니다. NVIDIA GPU가 지원되는 Cloud Run을 사용하려면 g.co/cloudrun/gpu에서 프리뷰 프로그램을 신청하고 환영 이메일을 기다리세요.

GPU가 지원되는 Cloud Run에 대해 자세히 알아보려면 NVIDIA 및 Ollama와 함께한 2024년 8월 21일 자 라이브 스트림을 확인하세요. Cloud Run의 새로운 기능을 다루고 다양한 시나리오에서 Cloud Run을 사용하는 방법을 시연합니다.

Vertex AI Agent Builder로 생성형 AI 환경 빌드하기

Wed, 24 Apr 2024 01:00:00 +0000

*본 아티클의 원문은 2024년 4월 10일 Google Cloud 블로그(영문)에 게재되었습니다.

생성형 AI는 개발자와 조직이 활용할 수 있는 엄청난 기회입니다. 비즈니스 프로세스를 최적화하고, 고객과의 상호작용 방식을 개선하고, 새로운 수익원을 발견할 수 있게 합니다. 생성형 AI가 지닌 이 막대한 잠재력을 제대로 활용하려면 개발자와 IT 리더는 AI 모델, 앱, 에이전트의 빠른 실험 및 반복과 비용, 거버넌스, 성능 사이에서 규모에 따라 균형을 맞추는 등 다양한 문제를 해결해야 합니다.

Google Cloud는 고객이 이러한 문제를 잘 관리하고 생성형 AI 에이전트 개발에 박차를 가할 수 있도록 Vertex AI Agent Builder를 출시했습니다. Vertex AI Agent Builder에는 Vertex AI Search and Conversation 제품과 함께 향상된 개발자 도구 다수가 통합되어 있습니다.

이미 이러한 제품을 사용 중인 Google Cloud 고객들로부터 흥미로운 사용 사례가 확인되고 있습니다.

고객 경험 측면에서는 ADT가 6백만 명이 넘는 고객을 위해 주택 보안 시스템을 선택하고 설정하는 데 도움이 되는 에이전트를 빌드하고 있으며, Intercontinental Hotels Group은 고객이 휴가를 간편하게 계획할 수 있도록 지원하는 생성형 AI 기반 여행 계획 기능을 출시할 예정입니다. 그리고 NewsCorp는 30,000곳의 글로벌 뉴스 소스와 매일 업데이트되는 25억 건의 뉴스 기사에서 데이터를 검색할 수 있는 환경을 만들기 위해 Vertex AI를 활용하고 있습니다.

한편 조직 내부의 효율성을 높이기 위해 에이전트를 빌드하고 있는 Google Cloud 고객도 있습니다. 예를 들어, Mayo Clinic의 연구원들은 50페타바이트가 넘는 규모의 임상 데이터를 검색하는 데 Vertex AI Agent Builder를 활용하고 있습니다. 또한 Vodafone은 Vertex AI를 사용하여 빠르고 안전하게 문서를 쿼리하고 10,000건이 넘는 계약 문건에서 특정 상업적 이용약관을 파악할 수 있는 도구를 개발했습니다. Google Cloud팀은 이러한 모멘텀이 형성된 것을 기쁘게 생각하며 앞으로 몇 달간 고객들이 계속해서 성취할 혁신을 기대하고 있습니다.

그럼 Vertex AI Agent Builder의 기능을 자세히 살펴보겠습니다.

전문가에게는 빠르고 강력한 도구, 초보자에게는 간단하고 쉬운 도구

Vertex AI Agent Builder는 자연어를 사용하여 AI 에이전트를 빌드할 수 있는 노 코드(no-code) 콘솔부터 Vertex AI 기반 LangChain 같은 오픈소스 프레임워크에 이르기까지, 개발자의 니즈와 전문성 수준에 맞는 다양한 도구를 제공하여 엔터프라이즈 지원 생성형 AI 환경을 쉽게 빌드하고 배포할 수 있게 해 줍니다.

또한 Vertex AI Agent Builder는 엔터프라이즈 데이터를 바탕으로 생성형 AI 출력을 그라운딩하는 프로세스를 간소화해 줍니다. Vertex AI Search를 즉시 사용 가능한 그라운딩 시스템으로 사용할 수 있을 뿐 아니라 문서 레이아웃 처리, 순위 지정, 검색, 그라운딩 출력에 대한 검사 수행을 위한 RAG(검색 증강 생성) API도 활용할 수 있습니다. 뿐만 아니라 개발자가 벡터 검색을 사용하여 임베딩 기반 에이전트와 애플리케이션을 빌드할 수 있어 정확도와 모델 응답의 활용성(사용 가능성)이 높아집니다. 보안 및 엔터프라이즈 관리 기능이 기본 제공되는 Vertex AI Agent Builder는 프로덕션에 바로 사용할 수 있는 생성형 AI 기반 환경을 빠르게 만들고 배포할 수 있는 원스톱 솔루션입니다.

사실에 기반하여 그라운딩된 엔터프라이즈급 AI 에이전트를 빠르게 빌드

생성형 AI 모델이 놀라운 수준의 콘텐츠 제작 및 분석 기능을 제공하는 것은 사실이지만, AI 앱 역시 이러한 기능을 안전하고 효율적인 인터페이스로 구현할 수 있어야 합니다. 더 나아가서, AI 에이전트가 고도의 맞춤형 응답을 제공하고 사용자 대신 작업을 실행할 수 있으려면 모델의 역량과 외부 시스템이 잘 결합되어야 합니다. Vertex AI Agent Builder는 이와 같은 프로세스를 간소화하는 데 도움이 됩니다.

자연어를 사용하여 프로덕션 등급의 AI 에이전트를 손쉽게 빌드
Vertex AI Agent Builder는 에이전트를 빌드할 수 있는 노 코드(no-code) 콘솔을 제공하므로 개발자가 Google의 최신 Gemini 모델을 사용해 생성형 AI 에이전트를 빌드하고 배포할 수 있습니다. Vertex AI의 '에이전트' 섹션으로 이동하여 에이전트 빌드를 시작하면 됩니다. 여기에서 단 몇 분 만에 새로운 에이전트를 만들 수 있습니다. 개발자는 에이전트로 달성하고자 하는 업무를 정의하고, 에이전트가 해당 업무를 달성하기 위해 따라야 하는 단계별 안내를 제공하고, 에이전트가 따를 몇 가지 예시를 대화식으로 공유하기만 하면 됩니다.

복잡한 업무인 경우 개발자는 하나의 에이전트를 기본 에이전트로 설정하고 여러 개의 하위 에이전트를 두는 식으로 다수의 에이전트를 손쉽게 묶을 수 있습니다. 특정 하위 에이전트가 다른 하위 에이전트나 기본 에이전트로 정보를 전달하게 하여 원활하고 정교한 워크플로를 만들 수 있습니다. 이러한 에이전트는 함수를 호출하거나, 응답의 정확성을 개선하기 위해 엔터프라이즈 데이터에 연결하거나, 사용자의 작업을 수행하도록 애플리케이션에 연결하는 작업을 손쉽게 수행할 수 있습니다.

Vertex AI 에이전트 콘솔은 에이전트 빌드, 조정, 유지보수 작업을 더욱 수월하게 만들어 주는 고급 도구도 함께 제공합니다. 여기에는 프로토타입에서 프로덕션 등급의 고품질 에이전트를 만들고, 에이전트의 성능을 실시간으로 모니터링하고, 자연어로 에이전트를 학습시켜 특정 쿼리에 대한 응답을 개선하는 등의 기능이 포함됩니다.

Vertex AI의 노 코드(no-code) 에이전트 콘솔에서 자연어를 사용해 프로덕션 등급의 AI 에이전트를 손쉽게 빌드

그라운딩된 출력과 뛰어난 에이전트
생성형 AI 모델은 이전에 학습했던 정보에 대해서만 응답을 해줍니다. 대부분의 엔터프라이즈 사용 사례에서 관련 있고 사실에 기반한 정보로 출력을 그라운딩하려면 모델이 학습한 지식을 다른 데이터 소스로 보완해야 합니다. 검색 증강 생성(RAG)이라고 잘 알려진 이 기법은 구현하기 까다로울 수 있으며, 시간 경과에 따라 그라운딩 메커니즘의 품질을 평가하고 유지하는 데 사용할 수 있는 전문 도구도 많지 않습니다.

Vertex AI Agent Builder는 엔터프라이즈 데이터를 바탕으로 모델 출력을 그라운딩할 수 있는 포괄적인 기능을 제공합니다. 이러한 기능에는 Vertex AI Search의 즉시 사용 가능한 RAG 시스템 등이 포함되어 있습니다. 클릭 몇 번으로 설정 및 실행이 가능할 뿐 아니라, 플랫폼의 사전 빌드된 구성 요소를 활용하면 복잡한 구현 작업을 간단하게 생성, 유지, 관리할 수 있습니다. 문서 레이아웃, 순위 지정, 검색 등의 작업을 위한 다양한 RAG API가 마련되어 있어 개발자가 그라운딩 출력을 빠르고 쉽게 검사할 수 있습니다. 더 복잡한 구현의 경우에도 Vertex AI Agent Builder가 제공하는 강력한 벡터 검색을 활용하여 맞춤형 임베딩 기반 RAG 시스템을 빌드할 수 있습니다. 벡터 검색은 수십억 개의 벡터로 확장되며 수 밀리초 내에 최근접 이웃 정보를 찾을 수 있습니다. 또한 벡터 검색에 키워드 기반 검색 기법을 결합하면 사용자에게 가장 관련성 있고 정확한 응답을 제공할 수 있습니다.

고객은 Google 검색을 바탕으로 모델 출력을 그라운딩할 수도 있습니다. 이렇게 하면 Google의 최신 기반 모델을 활용하는 동시에 응답의 완전성과 정확성을 대폭 개선할 수 있는 고품질의 최신 정보에 액세스할 수 있게 됩니다. Google은 고객의 자체 데이터와 Google 검색 결과 모두를 바탕으로 즉시 그라운딩할 수 있는 기능을 제공하는 유일한 클라우드 제공업체입니다.

또한 Vertex AI Agent Builder를 사용하면 그라운딩 출력을 손쉽게 보강할 수 있으며 확장 프로그램과 함수 호출, 데이터 커넥터를 통해 사용자를 대신하여 조치를 취할 수도 있습니다.

Vertex AI 확장 프로그램은 재사용이 가능한 사전 빌드 모듈로 기반 모델을 특정 API 또는 도구에 연결해 줍니다. 예를 들어, Google Cloud의 새로운 코드 인터프리터 확장 프로그램은 모델이 데이터 분석, 데이터 시각화, 수학적 연산 등 Python 코드 실행이 수반되는 작업을 실행할 수 있도록 해 줍니다.
Vertex AI 함수 호출은 사용자가 일련의 함수 또는 API를 설명할 수 있게 해 주며, Gemini 모델이 특정 쿼리에 대해 적절한 API 매개변수와 함께 호출할 알맞은 API 또는 함수를 지능적으로 선택하도록 해 줍니다.
Vertex AI 데이터 커넥터는 생성형 애플리케이션을 널리 사용되는 엔터프라이즈 시스템에 연결하여 ServiceNow, Hadoop, Salesforce 같은 대기업 및 서드 파티 애플리케이션에서 데이터를 수집할 수 있게 해 줍니다.

엔터프라이즈급 보안과 안정성
작동하는 프로토타입에서 프로덕션에 바로 사용할 수 있는 앱 또는 에이전트로 나아가는 과정에서는 여러 기술적 문제가 생길 수 있습니다. Vertex AI Agent Builder는 HIPAA, ISO 27000 시리즈, SOC-1/2/3, VPC-SC, CMEK와 같은 다양한 규정 준수 및 보안 표준을 지원하여 이러한 우려를 덜어줍니다. 또한 Vertex AI Studio가 통합되어 있어 개발자가 모델 조정 기능을 활용하고 즉시 사용 가능한 Vertex AI의 다른 제품을 연결해 워크플로를 하나로 통일할 수도 있습니다. 모든 기능에는 Google Cloud 고객이 기대하는 표준 액세스 제어, 데이터 거버넌스 도구, 데이터 사용 및 관리 결정권 옵션이 함께 제공되므로 빌더는 혁신에 집중하면서도 데이터를 안전하게 유지하고 서비스를 안정적으로 운영할 수 있습니다.

지금 바로 AI 에이전트의 시대에 합류하세요

Vertex AI Agent Builder의 노 코드(no-code) 에이전트 빌드 콘솔을 사용해 자연어 프롬프트로 AI 에이전트를 빌드하거나 Vertex AI 기반 LangChain 같은 오픈소스 솔루션을 활용해 보세요.

Vertex AI Agent Builder에 대해 자세히 알아보려면 Google Cloud 웹페이지를 참고하세요.

Google Cloud를 위한 Gemini를 만나보세요

Tue, 23 Apr 2024 01:00:00 +0000

*본 아티클의 원문은 2024년 4월 10일 Google Cloud 블로그(영문)에 게재되었습니다.

기쁜 마음으로 Google Cloud를 위한 Gemini 출시 소식을 전합니다. 지난 한 해 동안 생성형 AI의 능력은 엄청나게 성장했으며, Google Cloud는 이러한 기능을 제품 포트폴리오 전반에 적용해 왔습니다.

Google Cloud를 위한 Gemini는 개발자, 서비스, 애플리케이션을 위한 차세대 AI 어시스턴트입니다. 이 어시스턴트는 사용자가 보다 효과적으로 작업 및 코딩하고, 더 심층적인 데이터 인사이트를 확보하고, 보안 문제를 해결하도록 지원하며, 그 외에도 다양한 기능을 제공합니다. Google의 Gemini 모델 제품군을 사용하는 Google Cloud를 위한 Gemini를 통해 팀은 클라우드에서 더 많은 성과를 낼 수 있습니다.

업계 최고의 가용성을 자랑하는 Google Cloud를 위한 Gemini는 강력한 보안, 규정 준수, 개인 정보 보호 설정 등을 갖춘 엔터프라이즈 지원 AI 기능을 제공합니다.

이제 Google Cloud가 Gemini를 어떻게 제품 및 서비스에 통합하고 있는지 자세히 살펴보도록 하겠습니다.

Gemini Code Assist로 소프트웨어 배포 가속화

개발자용 Duet AI의 진화된 형태로서 이제 최신 Gemini 모델을 사용하는 Gemini Code Assist를 소개합니다. Gemini Code Assist는 개발자가 VS Code, JetBrains와 같은 인기 있는 코드 편집기에서 더 빠른 속도로 보다 고품질의 애플리케이션을 빌드할 수 있도록 AI 기반 지원을 제공합니다. 엔터프라이즈급 코딩 지원 솔루션인 Gemini Code Assist는 비공개 코드베이스가 온프레미스, Gitlab, GitHub, Bitbucket 등 어디에 있든, 심지어 여러 저장소에 걸쳐 저장된 경우에도 지원을 제공합니다. 강력한 엔터프라이즈 기능을 기반으로 빌드된 이 서비스를 사용하면 조직이 AI 지원을 대규모로 도입하는 동시에 보안, 개인 정보 보호, 규정 준수 요구사항을 충족할 수 있습니다.

"Google Cloud의 Gemini Code Assist 런칭 파트너로서 LLM 기반 코드 가속화 워크플로를 채택하여 효율성이 30% 넘게 향상되었음을 알려드릴 수 있어 기쁩니다. Gemini Code Assist의 시간을 아껴 주는 코드 완성 기능 및 버그 해결 기능을 통해 혁신과 생산성의 한계를 뛰어넘을 수 있었습니다." - Asif Hasan, Quantiphi Inc. 공동 설립자

Next에서는 Gemini Code Assist의 멋진 신기능 여러 가지가 소개됩니다.

전체 코드베이스 인식: 현재 비공개 프리뷰 버전으로 제공되는 이 기능을 활용하면 새 기능 추가, 파일 간 종속 항목 업데이트, 버전 업그레이드 지원, 포괄적인 코드 검토 등 전체 코드베이스에 대한 대규모 변경 작업을 수행할 수 있습니다. 이 기능은 업계 최대 규모인 100만 개의 토큰으로 구성된 컨텍스트 윈도우를 제공하는 Google의 Gemini 1.5 Pro 모델을 기반으로 합니다.
코드 맞춤설정: 현재 비공개 프리뷰가 진행 중인 이 기능을 기업에서 사용하면 Gemini Code Assist를 비공개 코드베이스에 연결해 맞춤설정하여 개발자에게 컨텍스트 인식 코드 생성 기능을 제공할 수 있습니다. 또한 Gemini Code Assist는 GitLab, GitHub, Bitbucket을 포함한 여러 소스 코드 저장소에 연결할 수 있습니다.
"Gemini Code Assist와 함께 RAG를 사용한 코드 맞춤설정은 Gemini가 개발자에게 제공하는 지원의 품질을 코드 완성 및 생성 측면에서 획기적으로 개선했습니다. 코드 맞춤설정 덕분에 전반적인 코드 인수율이 크게 높아질 것으로 예상됩니다. " Kai Du, Turing 엔지니어링 부문 이사 겸 생성형 AI 부문 책임자
통합 서비스: 고객의 애플리케이션에 원활하게 액세스하고 연결할 수 있도록 Apigee 및 Application Integration을 통해 Gemini Code Assist의 도달범위를 확장하고 있습니다.
생태계 개선: 지난 12월의 생태계 관련 발표 이후 Datadog, Datastax, Elastic, HashiCorp, Neo4j, Pinecone, Redis, Singlestore, Snyk, Stack Overflow 등 여러 파트너의 데이터 및 기술 자료를 사용하여 Gemini Code Assist를 개선하고 있습니다.

"이 기념비적이고 다차원적인 AI 중심 파트너십을 통해 Stack Overflow는 Google Cloud의 최신 AI 기술을 도입하고 있으며, Google Cloud는 Stack Overflow의 기술을 AI 도구에 통합하고 있습니다. 이러한 파트너십은 양사가 개발자의 창조력을 끌어올리고, 정확성 저하 없이 생산성을 향상하고, 사회적으로 책임감 있는 AI를 제공하는 데 얼마나 노력하고 있는지 잘 보여줍니다. 두 기업의 강점을 결합함으로써 다양한 업계에서 혁신을 가속화할 수 있습니다." - Prashanth Chandrasekar, Stack Overflow CEO

Gemini Cloud Assist를 사용하여 효율적으로 애플리케이션 수명 주기 관리

Gemini Cloud Assist는 클라우드팀이 애플리케이션 수명 주기를 설계, 운영, 최적화하는 데 도움이 됩니다. Gemini가 컨텍스트에 맞춰 제공하는 맞춤형 AI 가이드는 새로운 디자인을 만들고, 워크로드를 배포하며, 애플리케이션을 관리하고, 문제를 해결하며, 성능과 비용을 최적화하는 데 도움이 되도록 사용자의 Google Cloud 리소스를 이해합니다. 이 덕분에 복잡한 작업을 가속화하고 생산성을 높여 비즈니스에 계속 집중할 수 있습니다. Gemini Cloud Assist는 다음과 같은 기능을 제공합니다.

목표 중심 설계: 원하는 설계 결과를 설명하면 Gemini Cloud Assist가 니즈에 맞는 아키텍처 구성을 생성할 수 있으며, 심지어 해당 구성을 제안한 근거까지 설명합니다.
운영 및 문제 해결 안내: Gemini Cloud Assist는 문제를 진단하고 근본 원인을 찾아내며 해결책을 추천하여 이슈를 신속하게 해결할 수 있도록 도와줍니다.
맞춤형 최적화: 비용 절감, 성능 또는 고가용성 중 무엇을 우선시하든 Gemini Cloud Assist는 개선이 필요한 영역을 식별하고 목표 달성 방법을 제안합니다.

Cloud Assist는 알림 요약, 로그 설명, 문맥에 맞는 문제 해결을 통해 시간을 절약합니다.

Gemini Cloud Assist는 Google Cloud 콘솔의 채팅 인터페이스를 통해 직접 액세스할 수 있으며, 각 클라우드 제품 및 리소스를 관리하는 인터페이스에 바로 삽입되어 있습니다. Gemini Cloud Assist는 현재 비공개 프리뷰를 진행 중입니다.

"Gemini Cloud Assist는 Ford의 Google Cloud 환경을 최적화하는 데 유용하며 발생한 문제를 해결하는 데 도움이 됩니다." - Sai Dutta, Ford Motor Company 엔터프라이즈 설계자

보안의 Gemini로 보안 역량 강화

지난해 Google Cloud는 시장의 주요 클라우드 제공업체 중 최초로 보안기능 사용자에게 생성형 AI를 정식 버전으로 제공하였습니다. 이제 보안팀의 기술을 강화하고 생산성을 높여 더 쉽게 위협을 감지하고 조사하여 대응할 수 있도록 보안 운영의 Gemini 를 Chronicle에 추가하고 있습니다. 이번 달 말에 정식 버전으로 출시되는 새로운 지원 조사 기능을 활용하면 자연어를 새로운 감지 기능으로 전환하고, 이벤트 데이터를 요약하고, 취해야 할 조치를 제안하고, 대화형 채팅을 통해 플랫폼 내에서 사용자를 안내할 수 있습니다.

사용자는 보안 운영의 Gemini를 통해 Chronicle에서 대화형 채팅을 사용하여 인시던트와 알림을 신속하게 조사할 수 있습니다.

"보안 운영의 Gemini 덕분에 운영 우수성을 도모하면서 사이버 보안 운영 센터 프로그램의 효율성을 향상할 수 있었습니다." - Ronald Smalley, Fiserv 사이버 보안 운영 부문 수석 부사장

여기에 더해 Google Cloud는 보안 포트폴리오 전반에 새 AI 기능을 도입하고 있습니다.

Threat Intelligence의 Gemini: 공개 프리뷰가 진행 중인 기능으로, 대화형 검색을 통해 Mandiant의 일선 위협 인텔리전스를 활용하여 위협 행위자의 행동에 대한 유용한 정보를 몇 초 만에 얻을 수 있습니다. 또한 관련 오픈소스 인텔리전스(OSINT) 기사에 대한 웹 크롤링을 자동화하고, 정보를 수집하며, 애널리스트에게 도움이 되는 요약을 제공하여 사용자가 위협 연구의 효율성을 개선하는 데 도움이 됩니다.
Security Command Center의 Gemini: 공개 프리뷰 버전으로 제공되며, 잘못된 구성 및 취약점에 대한 중요하고 우선순위가 높은 알림을 요약하고, 시뮬레이션된 공격 경로에서 잠재적인 취약점 공격을 차단하는 방법에 대한 권장사항을 제공하여 조직이 위험을 선제적으로 완화할 수 있도록 지원합니다.

보안의 Gemini 기능은 SecLM API를 기반으로 구축되었습니다. 이 덕분에 Gemini는 더욱 보안에 특화되었으며 확장성까지 갖추게 되었습니다.

보안의 Gemini를 통해 Pfizer와 같은 고객은 복잡한 분석을 더 신속하게 수행하고, 새로운 애널리스트가 더 빠르게 온보딩할 수 있도록 지원하며, 숙련된 애널리스트가 진화된 위협 추적에 집중할 수 있도록 시간을 절약하고 있습니다. 여기에서 새로운 기능에 대해 자세히 알아보고 여기에서 보안의 Gemini에 대해 더 자세히 알아볼 수 있습니다.

BigQuery의 Gemini로 분석 및 워크플로 가속화

오늘 Google Cloud는 BigQuery의 Gemini도 프리뷰 버전으로 제공된다고 발표했습니다. BigQuery의 Gemini는 데이터 엔지니어와 데이터 애널리스트가 생산성을 높이고, 쿼리 성능을 개선하며, 수집 및 파이프라인 생성부터 AI 기반 기능으로 유용한 정보를 도출하기까지 분석 수명 주기 전반에 걸쳐 비용을 최적화할 수 있도록 함으로써 획기적인 변화를 가져왔습니다.

BigQuery의 Gemini에는 자연어 지원 및 시각화 삽입 기능으로 노트북과 같은 환경을 선사하는 새로운 데이터 캔버스가 함께 제공됩니다.

자신이 공유자전거 회사의 데이터 애널리스트라고 가정해 보세요. BigQuery의 Gemini의 새로운 데이터 캔버스를 사용하면 동일한 인터페이스 내에서 자연어 프롬프트를 사용해 데이터 세트를 탐색하고 주요 운행 기록을 식별하여 맞춤설정된 시각화를 생성할 수 있습니다.

BigQuery의 Gemini에는 시각적 데이터 파이프라인을 로우 코드로 빌드하는 기능과 함께 사용자의 데이터 정리 및 랭글링을 지원하는 AI 보강 데이터 준비 기능도 포함되어 있습니다. 또한 쿼리 추천, 시맨틱 검색, 로우 코드형 시각적 데이터 파이프라인 개발 도구와 함께 쿼리 성능 개선, 오류 최소화, 비용 최적화를 위한 지능형 추천을 제공합니다. 사용자는 자연어 프롬프트를 사용하여 SQL 또는 Python 코드를 만들고 쿼리를 작성하는 동안 실시간으로 추천을 받을 수도 있습니다.

"BigQuery의 새로운 AI 기반 보조 기능과 다른 Google Workspace 제품과의 간편한 통합을 통해 팀은 데이터에서 유용한 정보를 얻을 수 있습니다. 자연어 기반 환경, 로우 코드 데이터 준비 도구, 자동 코드 생성 기능을 통해 우선순위가 높은 분석 워크플로를 간소화하여 데이터 실무자의 생산성을 높이고 영향력 있는 이니셔티브에 집중할 수 있는 여지를 확보할 수 있습니다. 또한 비즈니스 사용자를 비롯해 다양한 기술을 보유한 사용자는 보다 쉽게 접근할 수 있는 데이터 인사이트를 활용하여 유익한 변화를 가져옴으로써 결과적으로 조직 내에서 포용적인 데이터 기반 문화를 조성할 수 있습니다." - Tim Velasquez, Veo 분석 책임자

또한 BigQuery에서 Vertex AI로 원활한 연결이 구축되어 BigQuery에서 Vertex의 AI 모델에 직접 액세스할 수 있습니다. 이를 통해 AI 모델, 기본 ML 연산자, 통계 함수를 데이터 파이프라인에서 원활하게 결합하여 멀티모달 분석을 수행할 수 있습니다. 이 새로운 기능을 사용하면 구조화된 데이터와 함께 문서, 동영상, 이미지, 오디오 녹음을 분석할 수 있습니다.

Looker의 Gemini를 사용한 통계 자동화

Looker의 Gemini는 사용자에게 비즈니스 데이터를 활용하고 심지어 데이터와 채팅을 나눌 수도 있는 새로운 방법을 제공합니다. 오늘 Google Cloud는 새로운 대화형 분석 제품을 비공개 프리뷰 버전으로 발표하였습니다. 이 제품은 채팅에서 비즈니스 전문가에게 질문하는 것처럼 간단하게 데이터에 관해 질문할 수 있는 멀티턴 기능을 제공합니다. 대화형 분석을 위해 마련된 Looker 내 전용 공간에서 데이터와 관련해 채팅을 시작하면 몇 초만에 유용한 정보를 도출하고 이어서 탐색 및 분석 단계를 시작할 수 있습니다.

전자상거래 제공업체라고 가정해 보세요. Looker의 Gemini에 쿼리하여 판매 트렌드를 알아보고 유용한 정보를 즉시 탐색할 수 있습니다. 또한 차트가 어떻게 작성되었는지에 대한 세부 정보도 함께 제공됩니다.

또한 대화형 분석 외에도 새로운 기능이 공개 프리뷰 버전으로 출시됩니다. 이 새로운 기능은 빠르게 명확한 시각화 및 보고서를 만들어 Workspace에 연결하고 팀과 공유할 수 있도록 설계되었으며, 기능 사용을 위해 코드를 작성할 필요가 전혀 없습니다.

Looker의 Gemini는 항상 이용 가능한 지능형 어시스턴트로, 쿼리부터 생성, 검색, 공유까지 속도를 높이고 조직 내 대부분의 사용자에게 BI의 이점을 제공하도록 만들어졌습니다.

데이터베이스의 Gemini를 사용하여 데이터베이스 개발 및 관리 강화

데이터베이스의 Gemini는 데이터베이스 여정의 모든 측면을 간소화하는 AI 기반 지원을 제공하여 팀이 가장 중요한 업무에 집중할 수 있도록 도와줍니다

개발자, 운영자, 데이터베이스 관리자는 자연어를 사용하여 애플리케이션을 더 빠르게 빌드하고, 단일 제어 창에서 전체 데이터베이스를 관리, 최적화, 제어하며, 데이터베이스 마이그레이션 속도를 높일 수 있습니다. 데이터베이스의 Gemini는 현재 프리뷰 버전으로 제공됩니다.

Gemini는 Google Cloud 콘솔의 강력한 SQL 편집기인 Database Studio에 SQL 생성 및 요약 기능을 제공합니다. 이제 개발자는 권장사항을 기반으로 코딩 프로세스를 가속화하기 위한 고품질 지원을 받을 수 있습니다. 또한 AI 기반 채팅 인터페이스를 통해 질문에 답을 얻고 필요할 때마다 도움을 받을 수 있습니다.

운영자는 이제 데이터베이스 센터를 사용하여 단일 제어 창에서 전체 데이터베이스를 관리할 수 있습니다. 데이터베이스 센터는 가용성, 데이터 보호, 보안, 규정 준수 문제를 사전에 파악하고 유용한 정보와 도움말을 제공하는 지능형 대시보드를 통해 여러 데이터베이스의 관리를 단순화합니다. 스마트 추천을 사용하면 어시스턴트의 분석을 통해 제공된 조언을 따라 성능을 최적화하고 문제를 해결할 수 있습니다.

데이터베이스의 Gemini를 사용한다면, Gemini에 "모든 프로덕션 데이터베이스의 가용성이 높은가?(Are all my production databases highly available?)"라고 질문하고 데이터베이스 센터 내에서 문제의 영향을 받는 데이터베이스를 확인해 보세요.

데이터베이스의 Gemini는 Database Migration Service 내 데이터베이스 마이그레이션의 마무리 단계 작업에도 코드 변환을 포함한 지원을 제공합니다. 또한 SQL 개발자의 역량 강화와 재학습을 돕기 위해, 생성된 코드 및 추천에 대한 자세한 설명과 함께 여러 언어를 나란히 비교할 수 있는 설명 기능을 포함했습니다.

"데이터베이스의 Gemini를 사용하면 여러 데이터베이스의 상태에 대한 답변을 몇 초 만에 얻고 그 어느 때보다 신속하게 애플리케이션에 대한 잠재적 위험을 선제적으로 완화할 수 있습니다." - Bogdan Capatina, Ford Motor Company 데이터베이스 기술 부문 기술 전문가

Google Cloud를 위한 Gemini는 도입 첫날부터 엔터프라이즈를 위한 기능을 바로 제공합니다

Google Cloud는 대규모 비즈니스의 까다로운 니즈에 특화하여 Google Cloud를 위한 Gemini를 설계했습니다. 이 솔루션은 비즈니스의 현재 시스템과 통합되어 즉각적인 효율성 향상을 제공합니다. Google Cloud는 데이터 보안과 개인 정보 보호가 기업에 매우 중요하다는 것을 잘 알고 있습니다. 때문에 Gemini는 강력한 보호를 핵심 기능으로 제공합니다. Gemini를 이용하는 비즈니스는 다음과 같은 이점을 누릴 수 있습니다.

공동 운명체: Google Cloud는 AI를 둘러싼 잠재적인 저작권 문제를 잘 인지하고 있습니다. 저작권을 이유로 법적 문제가 제기된 경우 생성형 AI 면책과 관련된 법적 위험에 대한 책임을 Google이 부담할 것입니다.
데이터 관리: Google Cloud의 방대하고 확장 가능한 네트워크에서 이점을 얻는 동시에 데이터가 상주하는 위치를 원하는 대로 결정하여 회사의 요구사항을 충족할 수 있습니다.
책임감 있게 배포: Gemini는 책임감 있는 AI를 염두에 두고 빌드되었으므로 고객은 소스를 추적하고 AI의 응답을 자체 데이터에 직접 연결하여 책임성을 높일 수 있습니다.

AI로 무엇을 할 수 있을지 상상해 보세요

Google Cloud를 위한 Gemini를 사용하면 개발자, 클라우드 운영자, 보안 운영자, 비즈니스 애널리스트 등 모든 사용자가 AI의 강력한 기능을 활용할 수 있습니다. 업계의 AI 혁신 속도는 계속해서 가속화될 것이며, Google Cloud는 고객이 지금 당장 가치를 창출할 수 있도록 생산적이고 책임감 있는 혁신을 제공합니다. 이미 Google Cloud 고객은 생산성 향상, TTM 단축, 운영 비용 절감, 보안 상황 강화를 경험하고 있습니다. Google Cloud는 AI를 통한 비즈니스 혁신에 도전하고 있습니다. 앞서 말씀드린 새로운 소식 역시 시작에 불과하며, 앞으로 더 많은 혁신을 제공할 것입니다.

새로운 기능으로 생성형 AI 앱을 지원할 준비가 된 Google Cloud 데이터베이스

Thu, 11 Apr 2024 01:00:00 +0000

Google Cloud는 고객이 데이터를 통합하고 획기적인 AI와 연결하여 혁신적인 환경을 구축하도록 지원합니다. 운영 데이터베이스의 정형 데이터이든, 데이터 레이크의 비정형 데이터이든 데이터는 AI가 더 효과적으로 작동하도록 해줍니다. 기업에서 생성형 AI를 제대로 활용하기 위해서는 운영 및 분석 시스템 전반의 정형 데이터와 비정형 데이터에 액세스하여 이를 관리하고 활성화해야 합니다.

작년 Next ‘23에서 Google Cloud는 세계 최고 수준의 벡터 기능 제공, 개발자 생태계와의 강력한 통합 구축, AI 추론 서비스에 대한 손쉬운 연결을 포함하여 개발자가 엔터프라이즈 생성형 AI 애플리케이션을 빌드하도록 돕기 위한 비전을 제시했습니다. Google Cloud는 이 약속을 지키기 위해 열심히 노력해 왔으며, 오늘 엔터프라이즈 생성형 AI 앱을 손쉽게 빌드할 수 있는 AlloyDB 통합 기능 모음인 AlloyDB AI의 정식 버전(GA)을 출시합니다.

또한 개발자가 선호하는 데이터베이스를 사용하여 생성형 AI 앱을 빌드하도록 돕기 위해 Spanner, MySQL, Redis를 포함한 더 많은 데이터베이스 전반에 벡터 검색 기능을 구현하고, 언어 모델 기반의 애플리케이션 개발용으로 인기 있는 프레임워크인 LangChain과의 통합도 추가하고 있습니다.

개발자에게 통합 플랫폼을 제공하기 위해 이러한 모든 기능이 Vertex AI와의 기존 통합에 추가되고 있습니다. Spanner와 AlloyDB는 익숙한 SQL로 모델 서빙 및 추론을 수행할 수 있도록 Vertex AI와 기본적으로 통합되며, Firestore와 Bigtable은 Vertex AI 벡터 검색과 통합되어 생성형 AI 앱을 위한 의미 검색 기능을 제공합니다.

생성형 AI의 진정한 가치는 운영 데이터가 생성형 AI와 통합되어 엔터프라이즈 애플리케이션 전반에서 정확하고 상황에 맞는 실시간 경험을 제공할 때 발휘됩니다. 벡터 지원이 포함된 운영 데이터베이스는 기반 모델과 엔터프라이즈 생성형 AI 앱 간의 격차를 해소하는 데 도움이 됩니다. 또한 운영 데이터베이스는 일반적으로 애플리케이션 데이터의 대부분을 저장하므로 개발자가 새로운 AI 지원 사용자 환경을 구축하는 방식에 있어 핵심적인 역할을 합니다. 조직의 71%가 생성형 AI 기능이 통합된 데이터베이스를 사용할 계획인 것으로 나타나는 데에는 바로 이러한 이유가 있습니다. 성공적인 데이터베이스는 AI 우선 데이터베이스로 발전하면서 벡터 검색과 같은 기술을 심층적으로 통합하고, AI 모델에 대한 원활한 연결과 AI 도구 및 프레임워크와의 긴밀한 통합을 갖추게 될 것입니다. 이러한 모든 기술은 운영 데이터베이스 내에 또는 그 주변에 네이티브 방식으로 내장되는 기본 사양이 될 것입니다.

AlloyDB: 생성형 AI 워크로드를 위한 최신 PostgreSQL 데이터베이스

AlloyDB는 Google Cloud의 완전 관리형 PostgreSQL 호환 데이터베이스로, 뛰어난 성능과 규모, 가용성을 중심으로 설계되었습니다. 오늘 Google Cloud는 AlloyDB AI를 AlloyDB와 AlloyDB Omni에서 모두 정식 버전으로 출시합니다. 미래를 위해 설계된 AlloyDB의 특징은 다음과 같습니다.

정확한 실시간 응답이 필요한 엔터프라이즈 생성형 AI 앱에 최적화
트랜잭션, 분석, 벡터 워크로드를 위한 탁월한 성능 제공
온프레미스, 다른 클라우드를 포함해 어디서나 실행되므로 고객의 장소와 상관없이 현대화 및 혁신 가능

Character AI, FLUIDEFI, B4A, Regnology와 같은 고객이 AlloyDB를 사용하여 애플리케이션을 가동하고 있습니다. 예를 들어 Regnology의 규제 보고 챗봇은 자연어 처리를 활용하여 복잡한 규제 용어와 쿼리를 파악합니다.

"AlloyDB는 규제 가이드라인, 규정 준수 문서, 과거 보고 데이터의 저장소를 색인화하여 챗봇의 기반이 되는 동적 벡터 저장소 역할을 합니다. 규정 준수 분석가와 보고 전문가들은 대화 형식으로 챗봇과 상호작용하여 시간을 절약하고 다양한 규제 보고 질문을 처리합니다." - 앙투안 모로, Regnology CIO

모든 Google Cloud 데이터베이스에 걸친 벡터 검색

벡터 검색은 유용하고 정확한 생성형 AI 기반 애플리케이션을 빌드하기 위한 핵심적인 기능으로 부상했으며, 최근접 이웃 알고리즘을 사용하여 제품 카탈로그에서 텍스트, 이미지와 같은 비정형 데이터의 비슷한 검색 결과를 더 쉽게 찾을 수 있게 해줍니다. 오늘 Google Cloud는 MySQL용 Cloud SQL, Memorystore for Redis, Spanner를 포함한 여러 Google Cloud 데이터베이스 전반에 걸쳐 벡터 검색을 모두 프리뷰 버전으로 공개합니다.

작년에 PostgreSQL용 Cloud SQL과 AlloyDB에 출시한 pgvector 기능에 더해 이제 MySQL용 Cloud SQL은 근사(ANN) 또는 정확한 최근접 이웃(KNN) 벡터 검색을 모두 지원합니다. 이제 개발자는 이미 사용 중인 동일한 MySQL 인스턴스에 수백만 개의 벡터를 저장할 수 있습니다. MySQL이든 PostgreSQL이든 벡터 검색에 Cloud SQL을 활용하면 새로운 시스템을 배우거나 설정할 필요 없이 이미 사용 중인 운영 데이터베이스에서 직접 벡터 검색을 저장하고 수행할 수 있습니다.

Google Cloud는 또한 생성형 AI 애플리케이션에 초고속 성능을 제공하기 위해 벡터 스토리지에 대한 기본 지원과 Memorystore for Redis 검색을 출시합니다. 각 Redis 인스턴스는 수천만 개의 벡터를 저장할 수 있으며, 몇 밀리초의 지연 시간으로 벡터 검색을 수행할 수 있습니다. 이는 LLM 시맨틱 캐싱 및 추천 시스템과 같은 다양한 사용 사례를 위한 초저지연 데이터 스토어를 제공합니다.

Spanner는 분할 가능성이 높은 워크로드에 대해 벡터 검색을 확장할 수 있습니다. 수십억 개의 벡터와 초당 수백만 개의 쿼리가 포함된 대규모 벡터 워크로드를 감당할 수 있는 시스템은 많지 않습니다. 이러한 워크로드는 Spanner의 정확한 최근접 이웃 검색(KNN)과 아주 잘 맞습니다. Spanner가 검색 공간을 효율적으로 줄여 주므로 정확한 실시간 결과를 낮은 지연 시간으로 제공할 수 있기 때문입니다.

LangChain을 위한 생태계 지원 가속화

LangChain은 가장 인기 있는 오픈소스 LLM 조정 프레임워크 중 하나입니다. Google Cloud는 애플리케이션 개발자에게 생성형 AI 앱을 신속하게 빌드하는 데 도움이 되는 도구를 제공하기 위한 노력의 일환으로 모든 Google Cloud 데이터베이스에 대한 LangChain 통합을 오픈소스로 제공하고 있습니다. Google Cloud는 벡터 저장소, 문서 로더, 채팅 메시지 메모리를 포함한 세 가지 LangChain 통합을 지원합니다.

개발자는 Google Cloud 데이터베이스에서 LangChain의 강력한 기능을 활용하여 이제 문맥을 인지하는 생성형 AI 애플리케이션을 쉽고 더 빠르게 만들 수 있습니다. LangChain 통합은 개발자가 선호하는 데이터 소스 전반에서, 개발자가 선택한 엔터프라이즈급 Google Cloud 데이터베이스를 사용하는 검색 증강 생성(RAG) 워크플로를 기본 제공합니다. 사용 사례 예시에는 맞춤형 제품 추천, 질의 응답, 문서 검색 및 취합, 고객 서비스 자동화 등이 있습니다.

특정 LangChain 구성요소와의 통합은 Google 데이터베이스를 애플리케이션에 통합하는 프로세스를 간소화해 줍니다. 지원되는 구성요소에는 다음이 포함됩니다.

벡터 저장소: 벡터 유사성 쿼리 지원. LangChain 벡터 저장소 통합은 AlloyDB, PostgreSQL용 Cloud SQL, MySQL용 Cloud SQL, Memorystore for Redis, Spanner에서 제공됩니다.
문서 로더: 웹페이지 콘텐츠, YouTube 동영상 스크립트와 같은 다양한 외부 소스에서 원활한 데이터 로드를 지원합니다.
채팅 메시지 메모리: 과거 대화를 바탕으로 더욱 심층적인 문맥을 제공하여 나중에 참조할 수 있도록 채팅 기록을 저장할 수 있습니다.

문서 로더와 메모리 통합은 AlloyDB, Firestore, Bigtable, Memorystore for Redis, Spanner와 MySQL용, PostgreSQL용, SQL Server용 Cloud SQL을 포함한 모든 Google Cloud 데이터베이스에서 사용할 수 있습니다.

이 패키지는 현재 GitHub에서 사용할 수 있습니다.

AI 기반 미래 수용

운영 데이터베이스에는 미래의 혁신적인 생성형 AI 모델과 애플리케이션의 기반이 될 수 있는 데이터가 풍부하게 있습니다. 개발자는 엔터프라이즈급 운영 워크로드에 맞게 AlloyDB AI를 강화하고, Google Cloud 데이터베이스 포트폴리오 전반에 걸쳐 광범위한 벡터 검색 기능을 추가하며, 커뮤니티의 생성형 AI 프레임워크를 수용함으로써 엔터프라이즈 데이터베이스의 풍부한 데이터를 기반으로 하는, 지능적이고 정확하며 유용한 생성형 AI 기능을 애플리케이션에 추가하는 데 필요한 도구를 갖출 수 있습니다.

시작하는 방법을 자세히 알아보려면 2024년 3월 7일 오전 9~10시(태평양 표준시)에 라이브로 진행되는 데이터 클라우드 혁신 라이브 웹 세미나에 참석하세요. 제품 엔지니어링 리더들에게 이러한 최신 혁신에 대한 이야기를 들을 수 있습니다.

생성형 AI 기반 Document AI 커스텀 추출기 정식 버전 출시

Tue, 06 Feb 2024 01:00:00 +0000

*본 아티클의 원문은 2024년 1월 11일 Google Cloud 블로그(영문)에 게재되었습니다.

오늘 생성형 AI 기반 Document AI 커스텀 추출기의 정식 버전이 출시되었다는 기쁜 소식을 전해드립니다. 이제 모든 고객이 API와 Google Cloud 콘솔을 통해 프로덕션 환경에서 정식 버전을 사용할 수 있습니다. Google의 기반 모델로 구축된 커스텀 추출기는 정형 및 비정형 문서에서 데이터를 빠르고 정확하게 파싱하는 데 도움이 됩니다.

과거에는 개발자가 각 문서 유형별로 수천 개의 샘플을 사용하여 개별 모델을 학습시키고 프로덕션 환경에서 즉시 사용 가능한 수준의 정확도를 달성하기 위해 상당한 시간을 들였습니다. 그러나 이제 생성형 AI를 사용하면 적은 양의 학습 데이터로 훨씬 더 짧은 시간 안에 다양한 문서에서 데이터를 추출할 수 있습니다.

이 새로운 기술에 여러 가지 장점이 있음에도 불구하고, 문서 처리 전반에 걸쳐 기반 모델을 구현하는 작업은 여전히 번거로울 수 있습니다. 문서를 텍스트로 변환하고, 여러 문서를 단위별로 관리하고, 추출 프롬프트를 최적화하고, 데이터 세트를 개발하며, 모델 수명 주기를 관리하는 등 다양한 상품 속성을 개발자가 다 관리해야 하니까요.

생성형 AI 기반 커스텀 추출기는 이러한 문제를 해결하여 개발자가 추출 프로세서를 더 빠르고 효과적으로 만들 수 있도록 지원합니다. 이 새 제품을 사용하면 간단한 과정을 거쳐 즉시 사용 가능한 기반 모델을 구현할 수 있고, 세부 조정하거나, 데이터 세트에 자동 라벨을 지정할 수 있습니다. 또한, 이제 생성형 AI 예측에 Document AI SLA가 적용됩니다.

결과적으로 고객과 파트너는 더 빠르고 효율적인 방식으로 문서 처리 워크플로에 생성형 AI를 구현할 수 있게 되었습니다. 이제 고객과 파트너는 자유 형식 텍스트(예: 계약서)나 복잡한 레이아웃(예: 인보이스, 세금 양식)이 있는 문서에서 필드를 추출하는 작업을 비롯해 다양한 작업에 엔터프라이즈급 생성형 AI를 사용할 수 있습니다. 개발자는 학습 없이도 엔드포인트에 문서를 게시하고 정형 데이터를 얻을 수 있습니다.

Workbench에 대한 사용자 평가

공개 프리뷰 버전을 사용하는 동안 개발자들은 프로덕션 시간을 단축하고, 정확도를 높이며, 계약서에서 데이터를 추출하는 작업과 같은 새로운 사용 사례를 만들었습니다. 고객들의 이야기를 직접 들어 보겠습니다.

"Google Cloud와 파트너십을 맺은 이후에 Iron Mountain의 지능형 문서 처리(IDP)와 Iron Mountain InSight® 기반의 워크플로 자동화 기능에 필요한 혁신적인 솔루션을 지속적으로 제공할 수 있게 되었습니다. Document AI의 커스텀 추출기를 사용하면 생성형 AI의 강력한 성능을 활용하여 더 빠르고 효과적인 방식으로 비정형 문서에서 데이터를 분류하고 추출할 수 있습니다. 이 새로운 제품의 자동 라벨 지정과 같은 기능 덕분에 당사는 이제 며칠 또는 몇 주가 아닌 단 몇 시간 만에 문서 프로세서를 구현할 수 있습니다. 그런 다음 다양한 업종과 지역에 걸쳐 고객에게 대규모로 제공할 수 있는 반복 가능한 솔루션을 빌드할 수 있습니다." - Adam Williams, Vice President, Head of Platforms, Iron Mountain

“Google과의 협업은 지능형 문서 처리(IDP) 분야에서 혁신적인 도약을 의미합니다. Google Cloud의 Document AI 커스텀 추출기를 Automation Anywhere의 문서 자동화, Co-Pilot 제품과 통합하면 생성형 AI를 활용하여 고객에게 획기적인 솔루션을 제공할 수 있습니다. 커스텀 추출기와의 통합으로 당사는 문서 필드 추출률을 개선했을 뿐만 아니라 배포 시간을 2배 이상 단축했고, 지속적인 시스템 유지보수 비용도 절반으로 줄었습니다. Google과 협력하여 차세대 지능형 문서 처리 솔루션을 만들고 문서 집약적인 비즈니스 프로세스의 자동화 방식을 혁신할 수 있게 되어 기쁩니다.” - Michael Guidry, Head of Intelligent Document Processing Strategy, Automation Anywhere

Document AI Workbench의 또 다른 새로운 기능

최신 Workbench 업데이트를 통해 문서 처리를 더욱 쉽게 자동화할 수 있습니다.

가격 인하- 프로덕션 워크로드를 더 효과적으로 지원하기 위해 커스텀 추출기, 커스텀 분류기, 커스텀 분할기, 양식 파서의 볼륨 등급별 가격을 인하했습니다. 자세한 내용은 Document AI 가격 책정을 참조하세요.
미세 조정 - 커스텀 추출기는 세부 조정(프리뷰)을 지원하므로 특정 문서에 맞게 파운데이션 모델 결과를 맞춤설정하여 정확도를 한 단계 더 끌어올릴 수 있습니다. 데이터 세트 내에서 추출 결과를 확인하고 버튼 클릭 또는 API 호출로 세부 조정하기만 하면 됩니다. 이 기능은 현재 미국에서만 사용할 수 있습니다. 자세한 정보는 문서 유형별 세부 조정 및 학습을 참조하세요.
사용 가능 리전 확대: 이제 EU와 northamerica-northeast1 리전에서 생성형 AI가 포함된 커스텀 추출기의 예측 기능을 사용할 수 있습니다. 자세한 정보는 커스텀 추출기 사용 가능 리전을 참조하세요.
버전 수명 주기 관리: Google이 파운데이션 모델을 개선하면 이전 파운데이션 모델은 지원이 중단됩니다. 마찬가지로 이전 프로세서 버전은 새로운 안정화 버전이 출시된 후 6개월이 지나면 지원이 중단됩니다. 현재 수명 주기 관리를 간소화하기 위해 자동 업그레이드 기능을 개발하고 있습니다. 자세한 정보는 프로세서 버전 관리를 참조하세요.

다음 단계 수행하기

생성형 AI가 포함된 커스텀 추출기의 기능을 빠르게 확인하려면 Document AI 방문 페이지에서 업데이트된 데모를 확인하세요. 샘플 문서를 로드하기만 하면 됩니다(15페이지로 데모 제한). 아래와 같이 단 몇 초 만에 생성형 AI의 강력한 추출 성능을 확인할 수 있습니다.

개발자라면 Google Cloud 콘솔의 Workbench로 이동하여 새 추출기를 만들고 복잡한 필드를 관리하고 문서에 대한 파운데이션 모델의 예측을 맞춤설정할 수 있습니다.

자세한 정보는 생성형 AI가 포함된 커스텀 추출기 문서와 Document AI 출시 노트를 읽어 보세요. 또는 Document AI와 Workbench에 대해 자세히 알아보세요.

퍼블릭 Docker Hub 콘텐츠 사용 관련 권장사항

Wed, 24 Jan 2024 01:00:00 +0000

최신 개발 환경에서 오픈소스 소프트웨어가 확산됨에 따라 사용자 환경에는 Docker Hub에 저장된 퍼블릭 컨테이너 이미지에 대한 종속 항목이 있을 수 있습니다. 이러한 종속 항목은 적절한 구성과 제어가 없을 경우 CI/CD 파이프라인 내에서 보안 및 안정성에 위험을 초래할 수 있습니다. 이 블로그에서는 이러한 위험을 줄이기 위해 팀에서 따를 수 있는 몇 가지 권장사항을 개략적으로 소개합니다.

퍼블릭 컨테이너의 로컬 사본 저장

가능한 경우 퍼블릭 컨테이너의 로컬 사본을 저장하면 최고의 안정성을 확보하고 더욱 강력한 보안 제어를 실현할 수 있습니다. 자세한 내용은 Open Containers Initiative에서 게시한 퍼블릭 콘텐츠 사용 관련 지침을 참조하세요.

인증을 사용하여 Docker Hub에 액세스

Docker Hub에 액세스할 때는 익명으로 하지 말고 인증된 방식으로 액세스하시기 바랍니다. 익명으로 요청하면 보안 위험 외에도 rate limit에 도달할 위험이 있고, 이는 CI/CD 파이프라인의 안정성에 영향을 줄 수 있습니다. 인증에는 CI/CD 인프라 아키텍처 및 사용하는 Google Cloud 서비스에 따라 몇 가지 옵션이 있습니다.

Artifact Registry 원격 저장소 사용: 빌드 프로세스 내에서 Docker Hub 저장소를 직접 참조하는 대신 Artifact Registry 원격 저장소를 사용하여 Docker Hub로 인증하고 종속 항목의 리전별 캐시를 제공할 수 있습니다. Artifact Registry로 Docker Hub 액세스 토큰을 사용하는 방법에 대한 안내 전문은 Artifact Registry 문서 페이지인 Docker Hub에 대한 원격 저장소 인증 구성에서 확인하세요.

Cloud Build를 사용하여 Docker 이미지와 상호작용: Cloud Build는 빌드 단계 내에서 Docker Hub 이미지를 가져오기 위한 인증 메커니즘을 제공합니다. Docker Hub 이미지를 사용하여 컨테이너 이미지를 빌드하는 경우 이러한 인증 메커니즘을 사용할 수 있습니다.

다음 Cloud Build 구성 파일은 Secret Manager에 저장된 Docker 사용자 이름과 비밀번호로 Docker에 로그인하고 비공개 이미지를 실행하는 방법을 보여줍니다. Cloud Build를 사용하여 Docker Hub와 상호작용하는 방법에 관한 자세한 내용은 Docker Hub 이미지와 상호작용을 참조하세요.

code_block: <ListValue: [StructValue([('code', 'steps:\r\n - name: \'gcr.io/cloud-builders/docker\'\r\n entrypoint: \'bash\'\r\n args: [\'-c\', \'docker login --username=$$USERNAME --password=$$PASSWORD\']\r\n secretEnv: [\'USERNAME\', \'PASSWORD\']\r\n - name: "gcr.io/cloud-builders/docker"\r\n entrypoint: \'bash\'\r\n args: [\'-c\', \'docker run $$USERNAME/REPOSITORY:TAG\']\r\n secretEnv: [\'USERNAME\']\r\n availableSecrets:\r\n secretManager:\r\n - versionName: projects/PROJECT_ID/secrets/DOCKER_PASSWORD_SECRET_NAME/versions/DOCKER_PASSWORD_SECRET_VERSION\r\n env: \'PASSWORD\'\r\n - versionName: projects/PROJECT_ID/secrets/DOCKER_USERNAME_SECRET_NAME/versions/DOCKER_USERNAME_SECRET_VERSION\r\n env: \'USERNAME\''), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f2af8a82790>)])]>

위에 개략적으로 설명된 권장사항을 따르면 보안 상황을 개선하고 CI/CD 파이프라인 내 안정성 관련 위험을 줄일 수 있습니다. 또한 사용자 환경에 적합한 인증 제어를 구현하여 추후 프로덕션 단계에서 개발을 방해하는 요소를 제거하고 프로세스에서 기업 보안 표준을 충족하거나 초과 달성할 수 있습니다.

다음과 같은 관련 제품 페이지 및 기능도 유용할 수 있습니다.

Vertex AI의 Imagen 2 정식 버전 출시

Tue, 02 Jan 2024 01:00:00 +0000

*본 아티클은 2023년 12월 14일 Google Cloud 블로그(영문)에 게재되었습니다.

오늘은 Google Cloud의 가장 진보된 텍스트 이미지 변환 기술인 Imagen 2에 중요한 업데이트가 있음을 알려 드립니다. 이제 Imagen 2가 액세스가 승인된 Vertex AI 고객을 대상으로 정식 출시됩니다.

고객은 Vertex AI의 Imagen 2를 사용하여 직관적인 도구, 완전 관리형 인프라, 기본 제공되는 개인 정보 보호 및 안전 기능을 통해 Imagen 2를 맞춤설정하고 배포할 수 있습니다. Google DeepMind 기술을 사용하여 개발된 Imagen 2는 크게 향상된 이미지 품질은 물론 개발자가 특정 사용 사례에 맞게 이미지를 만들 수 있도록 다음과 같은 다양한 기능을 제공합니다.

고품질 이미지 생성: 자연어 프롬프트로 고해상도의 미적 감각이 뛰어난 실사형 이미지를 생성합니다.
다국어 텍스트 렌더링: 정확한 텍스트 오버레이가 포함된 이미지를 생성합니다.
로고 생성: 회사 또는 제품 로고를 생성하고 이미지에 오버레이할 수 있습니다.
시각적 질의 응답: 이미지에서 캡션을 생성하고 이미지 세부정보 관련 질문에 유익한 텍스트 답변을 얻을 수 있습니다.

무엇보다도 이제 Vertex AI의 고객 면책 약정이 Vertex AI의 Imagen에도 적용됩니다. 여기에는 Imagen 2와 이 서비스의 바탕이 되는 모델의 향후 정식 업그레이드 버전이 포함됩니다. Google Cloud는 업계 최초로 두 갈래의 저작권 면책 접근 방식을 채택하여 고객이 생성형 AI 제품을 안심하고 사용할 수 있도록 지원합니다.

엔터프라이즈급 텍스트 이미지 변환 기능

Vertex AI의 Imagen 2는 고객에게 익숙한 Imagen의 엔터프라이즈급 안정성과 거버넌스를 동일하게 유지하여 조직에서 특정 브랜드의 요건에 맞는 이미지를 생성하는 데 도움이 되는 다양한 이미지 생성 기능을 제공합니다.

이제 Imagen 2에서 사용할 수 있는 새로운 기능은 다음과 같습니다.

고품질 이미지 생성: Imagen 2는 향상된 이미지 및 텍스트 이해와 다양하고 새로운 학습 및 모델링 기법을 통해 고품질의 정확한 실사형 이미지를 출력할 수 있습니다.

텍스트 렌더링 지원: 텍스트 이미지 변환 기술은 종종 텍스트를 올바르게 렌더링하는 데 어려움이 있습니다. 예를 들어 모델에 특정 단어나 문구가 포함된 객체의 이미지를 생성하라는 프롬프트를 입력했을 때 출력 이미지에 올바른 문구가 포함되도록 하는 것이 어려울 수 있습니다. Imagen 2는 이러한 문제를 해결할 수 있으므로 조직에서 브랜딩 및 메시지를 보다 심층적으로 제어할 수 있습니다.

로고 생성: Imagen 2는 비즈니스, 브랜드, 제품에 대해 엠블럼, 레터마크, 추상적인 로고를 포함하여 창의적이고 사실적인 로고를 다양하게 생성할 수 있습니다. 또한 이러한 로고를 제품, 의류, 명함, 기타 표면에 오버레이할 수 있는 기능도 제공됩니다.

캡션 및 질의 응답: Imagen 2의 향상된 이미지 이해 기능을 통해 고객은 길고 서술적인 형식의 캡션을 만들고 이미지 내 요소 관련 질문에 대해 자세한 답변을 확인할 수 있습니다.

다국어 프롬프트: Imagen 2는 프리뷰 버전에서 영어 외에도 6개의 언어(한국어, 스페인어, 일본어, 중국어, 포르투갈어, 힌디어)를 추가로 지원하며, 2024년 초에는 더 많은 언어로 출시될 예정입니다. 다국어 프롬프트 기능에는 프롬프트와 출력 간의 번역 기능이 포함됩니다. 예를 들어 프롬프트는 스페인어이지만 출력은 포르투갈어로 하도록 지정할 수 있습니다.

안전성: Imagen 2에는 생성된 이미지가 Google의 책임감 있는 AI 원칙에 부합하도록 하는 데 도움이 되는 안전 예방 기능이 내장되어 있습니다. 예를 들어 Imagen 2는 Google DeepMind의 SynthID를 바탕으로 한 실험용 디지털 워터마킹 서비스와 통합되어 있으므로, 허용 목록에 있는 고객은 보이지 않는 워터마크를 생성하고 Imagen에서 생성된 이미지를 검증할 수 있습니다. 또한 Imagen 2에는 잠재적으로 유해한 콘텐츠의 생성을 방지하는 데 도움이 되는 포괄적인 안전 필터도 포함되어 있습니다.

고객의 Imagen API 사용 사례를 살펴보고 시작하는 방법 확인하기

Google Cloud는 조직이 이와 같은 새로운 기능을 사용하여 기존에 Imagen으로 달성한 결과를 한층 발전시킬 수 있기를 기대합니다.

Snap은 Imagen을 사용하여 Snapchat+ 구독자가 내면의 창의성을 표현할 수 있도록 지원하고 있습니다. 새로운 AI 카메라 모드를 사용하는 구독자는 버튼을 탭하고, 프롬프트를 입력하거나 미리 선별된 프롬프트를 고르고, 장면을 생성하여 가족 및 친구와 공유하거나 스토리에 게시할 수 있습니다.

"Imagen은 우리가 필요로 하는 안전성과 이미지 품질을 갖춘 가장 확장성이 뛰어난 텍스트 이미지 변환 모델입니다."라고 Snap 제품 부문 수석 이사인 조쉬 시겔은 말합니다. "Snap에서 Imagen을 사용하면서 경험한 주요 이점 중 하나는 우리가 가장 잘 하는 일, 즉 제품 디자인과 표현 방식, 느낌을 전달하는 데 집중할 수 있다는 것입니다. AI 카메라 모드와 같은 신제품을 개발할 때 우리는 Google Cloud에서 제공하는 브랜드 안전성, 확장성, 안정성을 믿고 일을 진행할 수 있습니다."

또한 Shutterstock은 윤리적으로 소싱된 AI 이미지 생성기를 최초로 출시하고 현재는 Vertex AI의 Imagen으로 보강하는 등 AI를 창의적인 콘텐츠 제작에 도입하는 선도적인 혁신 기업으로 부상했습니다. Shutterstock AI 이미지 생성기를 사용하면 간단한 텍스트 프롬프트를 사용자가 상상하는 속도만큼 빠르게 독특하고 눈에 띄는 시각적 요소로 변환할 수 있습니다. Shutterstock 웹사이트에는 16,000개가 넘는 Imagen 사진으로 구성된 검색 가능한 컬렉션이 있으며, 이 모두는 라이선스 취득이 가능합니다.

"우리는 구상과 실현 사이의 격차를 해소하여 세상에 나만의 이야기를 전달할 수 있는 힘을 실어주고자 합니다. 창작 과정에서는 다양성이 매우 중요합니다. 따라서 우리는 이미지 생성기와 편집 기능에 책임감 있게 소싱된 데이터를 기반으로 구축된 탁월한 최신 기술을 계속해서 통합하고 있습니다."라고 Shutterstock AI 서비스 부문 이사인 크리스 로이는 말합니다. "Vertex AI의 Imagen 모델은 Shutterstock의 AI 이미지 생성기에 추가된 중요한 기능입니다. 모델이 계속 발전함에 따라 사용자에게 얼마나 더 우수한 창의적 기능을 제공할 수 있을지 기대가 됩니다."

Canva 역시 Vertex AI의 Imagen을 사용하여 아이디어에 생기를 불어넣고 있으며, 지금까지 이 모델을 통해 생성된 이미지가 수백만 개에 달합니다. 사용자는 Canva 내에서 앱으로 제공되는 Imagen을 곧바로 사용할 수 있으며 간단한 텍스트 프롬프트를 통해 디자인 니즈에 맞는 매력적인 이미지를 생성할 수 있습니다.

Canva의 AI 부문 책임자인 대니 우는 "우리는 Google Cloud와 협력하여 계속해서 생성형 AI를 사용하며 디자인 프로세스를 혁신하고 상상력을 강화하고 있습니다."라고 말합니다. "Imagen을 사용하면 월간 1억 7천만 명 이상의 사용자가 이미지 품질 개선을 통해 한층 향상된 품질의 콘텐츠를 제작할 수 있습니다. 새 모델과 기능으로 불편함은 최소화하면서 아이디어를 실제 이미지로 전환하는 커뮤니티 역량이 강화될 것으로 기대합니다."

Vertex AI의 Imagen 2를 시작하려면 문서를 살펴보거나 Google Cloud 계정 담당자에게 문의하여 신뢰할 수 있는 테스터 프로그램에 참여하세요

소프트웨어 개발 수명 주기 전반에 활용되는 생성형 AI

Tue, 19 Dec 2023 01:00:00 +0000

Google Cloud에서는 고객을 위해 훌륭한 제품을 빌드하려면 단지 코드를 작성하고 제공하는 것만으로는 충분하지 않다고 생각합니다. 화이트보드에 끄적이며 브레인스토밍한 내용, 복도에서 나눈 대화, 이메일 스레드에서 나온 아이디어로 무엇을 어떻게 빌드할지 결정하는 것이 중요합니다. 그리고 출시 후에는 애플리케이션이 복원력과 안전성을 갖추고 있으며 고객에게 유의미한 영향을 주는지 확인해야 합니다.

올해 생성형 AI 업계에는 참 많은 일이 있었습니다. 수많은 도구가 출시되고 있는 가운데 이러한 새로운 기술이 실생활에서 얼마나 유용하게 쓰일지 궁금하실 겁니다. 결국 훌륭한 소프트웨어의 핵심은 기계가 아니라 사람이니까요.

이 점을 염두에 두고 Google AI를 활용해 아이디어를 프로덕션으로 발전시키는 Google Cloud 개발자의 하루를 살펴보겠습니다.

내가 식료품 소매업체인 Cymbal Superstore의 소프트웨어 엔지니어라고 상상해 보세요.

웹사이트는 Google Cloud를 기반으로 운영되며, 나는 신제품 페이지를 추가하여 최근 출시된 스낵을 소개하는 업무를 맡았습니다. 월요일 오전 9시, 커피 한 잔과 함께 이 업무를 시작합니다.

함께 기획하기

기능 요청에 관한 이메일을 받았습니다. 나는 Gmail의 작성 지원 기능을 사용해 신속하게 답장합니다.

그런 다음 팀원과 함께 회의실에 들어가 화이트보드에 구현 방법을 브레인스토밍하기 시작합니다.

책상으로 돌아와 Google Cloud 아키텍처 다이어그램 도구를 사용해 화이트보드에 그렸던 다이어그램을 요약합니다.

이제 기획안을 작성할 준비가 됐습니다. 팀원은 회의에 들어가야 하지만 나는 팀원과 함께 아키텍처에 관한 몇 가지 문제를 의논하고 싶습니다. Bard를 열고 Google 렌즈를 사용해 내가 만든 아키텍처 다이어그램을 업로드합니다. Bard가 아키텍처 다이어그램을 읽습니다. 내가 제안한 구현 방법에 잠재적인 위험은 없는지 Bard와 짧은 대화를 나눕니다.

그리고 Bard와 대화한 내용을 Google Docs로 내보내 기획안 작업을 시작합니다. Google Docs 작성 지원 기능을 사용해 개요를 작성합니다. 시간을 절약해 주는 이런 기능 덕분에 백엔드에서 Firestore 쿼리를 캐시하는 방법과 같은 까다로운 기획 문제에 집중할 수 있습니다.

점심시간 즈음 기획안을 내 소속팀에 보내 검토를 요청했습니다. 그러는 사이 UX팀은 신제품 페이지의 프런트엔드 모의 작업을 진행 중이었습니다.

내 기획안이 승인될 때쯤 테스트를 위한 프런트엔드 페이지가 준비되었습니다. 이제 코딩을 시작합니다.

(도움을 받아) 코드 작성하기

코드 작성은 외로운 작업입니다. 나는 경험 많은 TypeScript 엔지니어지만 Google Cloud에는 익숙하지 않습니다. 단 10줄의 코드를 작성하는 데 50개쯤 되는 탭을 열어 두기도 하죠. 문서, StackOverflow, 조용한 음악까지 필요한 게 많으니까요. Duet AI for Google Cloud가 이 작업에 어떤 도움을 줄 수 있는지 살펴보겠습니다.

나는 Google Cloud Workstations에서 개발 환경을 실행하고 코드 편집기를 엽니다. 우선 Apigee의 Duet AI를 사용해 새 REST API 엔드포인트를 위한 OpenAPI 사양을 자동 생성합니다. 그런 다음 swagger 생성기를 사용해 해당 사양에서 TypeScript 스텁 코드를 자동 생성합니다.

이제 비즈니스 로직을 구현할 준비가 됐습니다. Duet AI의 코드 생성 기능에서 코드 주석을 통해 원하는 Firestore 쿼리를 프롬프트합니다. 탭을 눌러 Duet AI의 코드 제안을 수락합니다.

그런 다음 코드를 로컬에서 테스트합니다. 잠깐, 오류가 있네요.

어떤 오류인지 잘 모르기 때문에 IDE 내에서 Duet AI 채팅을 엽니다. Duet AI는 Google Cloud 문서와 샘플 코드에 대해 학습했기 때문에 오류의 의미 뿐만 아니라 코드 내에서 오류를 수정하는 방법까지 파악할 수 있도록 도움을 줍니다. 우왕좌왕하며 Google 검색창에서 해결 방법을 찾을 필요가 없죠.

오류를 수정하고 나면 새 엔드포인트의 테스트 사례를 작성하는 데 도움을 주는 동일한 Duet AI 채팅 스레드를 사용할 수 있습니다. Duet AI는 내 공개 테스트 파일의 콘텐츠를 사용해 응답을 맞춤설정하여 다른 테스트와 동일한 프레임워크 및 형식을 사용하는 테스트를 생성합니다.

Duet AI의 도움을 받으면 효과적인 프로토타입을 더 빠르게 얻을 수 있습니다. IDE에서의 컨텍스트 전환 작업이 덜 필요하기 때문입니다.

신뢰할 수 있는 운영

코드를 소스 제어에 커밋한 다음 팀원과 함께 코드를 검토합니다. 새 기능에 병합하자 신제품 페이지가 프로덕션으로 출시됩니다. 성공입니다. 하지만 소프트웨어 개발 수명 주기는 여기서 끝이 아닙니다.

이 프로덕션 서비스를 담당하게 될 앱 개발자로서 가장 먼저 찾아야 하는 것은 서비스 로그입니다. Cloud Run 콘솔을 탐색하는 데 도움을 받기 위해 Duet AI의 콘솔 채팅 기능을 사용합니다.

그런 다음 SRE팀과 협력하여 인벤토리 서비스를 위한 몇 가지 서비스 수준 목표를 수립합니다. Cloud Monitoring에서 Duet AI의 수정 지원 기능을 사용해 Service Health에서 복잡한 쿼리를 작성합니다. PromQL 분야의 전문가가 아니기 때문에 이 기능을 사용하면 올바른 문법을 찾는 데 드는 시간을 엄청나게 절약할 수 있습니다.

보안은 어떨까요? 지난주 디버깅 세션 중 팀원에게 내 Google Cloud 프로젝트에 대해 임시 권한이 허용되는 IAM 역할을 부여했다고 가정해 보겠습니다. Security Command Center에서 이 사실을 파악할 수 있습니다. Duet AI의 AI 생성 요약 기능을 사용하면 빠르게 문제를 파악하고 보안팀과 협력하여 문제를 해결할 수 있습니다.

효과 공유

일주일이 지나 제품 리드가 예정된 조직 전체 회의에서 일부 슬라이드를 발표해 달라고 요청했습니다. 나는 비즈니스 분석을 맡고 있는 동료와 함께 발표 준비를 합니다. 우리는 신제품 쇼케이스를 만드는 일의 효과를 알아보고자 합니다. 특히, 신제품이 전용 페이지가 있으면 더 잘 팔리는지 알아보고 싶습니다.

우리는 Google Sheets에서 요약 지원 기능을 사용해 할 일 목록을 만드는 작업부터 시작합니다.

그런 다음 Duet AI를 사용해 Spanner의 SQL 코드 완성 기능으로 판매 데이터를 자세히 살펴보고 지난 몇 주간의 원시 거래 데이터를 쿼리합니다.

BigQuery의 판매 롤업 테이블에서 더 많은 데이터를 수집합니다. 비즈니스 분석가가 노련한 솜씨로 SQL 쿼리를 작성하는 동안 나는 Duet의 코드 설명 기능을 사용해 수집 데이터를 더 상세하게 파악합니다.

그런 다음 Google 슬라이드로 가서 Duet AI의 '이미지 생성 지원 기능' 도구를 사용해 효과적인 보고서를 만드는 이미지를 생성합니다

조직 전체 회의는 순조롭게 마무리되었고 나는 기능의 성능을 개선할 수 있는 몇 가지 새로운 아이디어가 떠올랐습니다. 일과가 모두 AI의 도움으로 이루어진 하루였습니다.

요약하자면 Google Workspace의 Duet AI와 Google Cloud부터 Bard까지 Google AI 지원 기능을 사용해 아이디어를 실현시켰습니다. 생성형 AI 도구는 공동작업하고 문제가 생겼을 때 디버깅하도록 도움을 주었으며, 업무 자동화를 통해 까다로운 일에만 온전히 집중할 수 있도록 도와주었습니다. 이 사례는 Duet AI가 도움을 줄 수 있는 일 중 빙산의 일각에 불과합니다. 앞으로 더 많은 기능을 소개해 드리겠습니다.

자세히 알아보기

개발자를 위한 Duet AI와 시큐리티 운영의 Duet AI 정식 버전 출시

Wed, 13 Dec 2023 23:00:00 +0000

Google Cloud는 모든 유저에게 유용한 AI 서비스를 구축하기 위해 제품 및 솔루션 전반에 AI의 힘을 불어넣고 있습니다. Google Cloud의 Duet AI는 AI 기반 공동 작업자로서 생산성을 높이고, 경쟁력 있는 인사이트를 제공하며, 비즈니스 성공을 지원하고 있습니다.

오늘 개발자를 위한 Duet AI(Duet AI for Developers)와 시큐리티 운영의 Duet AI(Duet AI in Security)가 정식 출시되었습니다. 해당 서비스는 지난 8월부터 제공된 Workspace의 Duet AI(Duet AI for Workspace)의 뒤를 잇는 정식 버전(GA)으로, 향후 몇 주에 걸쳐 Duet AI 서비스 전반에 Google Cloud의 가장 강력한 모델인 Gemini가 통합될 예정입니다.

개발자를 위한 Duet AI와 시큐리티 운영의 Duet AI는 정식 버전으로 출시된 최초의 Google Cloud의 Duet AI(Duet AI in Google Cloud) 제품입니다. 내년 초에는 BigQuery, Looker, Google Cloud 데이터베이스 제품군, Apigee 및 Colab Enterprise 등 더 많은 Duet AI 서비스를 선보일 예정입니다.

개발자를 위한 Duet AI를 통해 생산성 향상

AI 기술은 소프트웨어 개발에서 생산성을 크게 향상시킵니다. 또한 코드의 문서화를 개선하고, 코드를 더 잘 테스트하며, 소프트웨어 종속성을 확인하는 방법을 개선하는 등 작성 중인 소프트웨어의 품질을 개선할 수 있습니다. 뿐만 아니라 소프트웨어 배포, 모니터링 및 관리 방식에 대한 안정성과 비용 효율성도 강화할 수 있습니다. 개발자를 위한 Duet AI의 출시는 Google Cloud가 AI 기반 개발자 생산성 도구 시장에 공식적으로 진출했음을 의미합니다. 개발자를 위한 Duet AI는 AI 기반 코드 작성 및 채팅을 지원해, 개발자가 선호하는 코드 에디터 및 소프트웨어 개발 수명주기 도구 내에서 애플리케이션을 구축할 수 있도록 지원합니다. 또한 애플리케이션 배포, 문제 진단 및 해결에 대한 고유 기능을 통해 Google Cloud에서 애플리케이션 운영 과정을 간소화합니다.

개발자를 위한 Duet AI을 통해 다음과 같은 기능을 활용할 수 있습니다.

클라우드 쉘 에디터(Cloud Shell Editor), 클라우드 워크스테이션(Cloud Workstations), 인텔리J(IntelliJ), 파이참 비주얼 스튜디오 코드(PyCharm Visual Studio Code) 등 다양한 통합 개발 환경(IDE)에서 제공되는 AI 코드 완성, 코드 생성, 채팅 기능을 통해 코딩 시간을 단축할 수 있습니다. Duet AI는 C, C++, Go, Java, JavaScript, Python 등 20개 이상의 프로그래밍 언어를 지원합니다.
유닛 테스트 생성 및 코드 설명 등 일상 작업을 위한 원클릭 단축키와 같은 스마트 액션(Smart Actions) 기능을 통해 반복적인 개발자 작업 및 절차를 간소화할 수 있습니다.
클라우드 로깅(Cloud Logging) 등 Google Cloud 운영 제품에 통합된 AI 로그 요약 및 오류 설명을 통해 트러블 슈팅 및 이슈 해결을 가속화할 수 있습니다.
IDE 및 Google Cloud 콘솔(Google Cloud Console)에서 모두 사용할 수 있는 자연어 채팅을 통해 Duet AI에게 질문을 하면 컨텍스트 스위칭(context-switching)을 줄이고 기술력 습득 속도를 향상할 수 있습니다.

프라이빗 엔드포인트(Private Google Access), VPC 서비스 제어(VPC-Service Controls) 및 세분화된 IAM 권한의 엔터프라이즈 액세스 제어(Enterprise Access Controls) 등 내장된 보안 기능을 통해 기업의 데이터 프라이버시, 보안 및 규정 준수 요건을 지원합니다.

개발자를 위한 Duet AI를 사용해 Node.js 애플리케이션 빌드, 배포 및 운영

이외에도 고객은 조만간 개발자를 위한 Duet AI를 커스터마이즈함으로써, 기업의 개발자는 내부 비공개 코드에 대한 정보와 코드 규칙에 기반한 코드 제안을 받을 수 있게 될 것입니다. 현재 일부 선정된 기업을 대상으로 해당 기능을 테스트 중이며, 2024년 2분기에 출시될 예정입니다.

Google Cloud는 개발자를 위한 Duet AI를 통해 Wayfair를 비롯한 많은 주요 브랜드의 개발자 생산성 향상을 지원하고 있으며, 이미 많은 고객이 해당 서비스를 통해 생산성 도약의 이점을 경험하고 있습니다. AI 기반 기술 서비스 기업인 Turing은 개발팀에서 Duet AI를 사용하며 개발자 생산성이 33% 증가했습니다.

“Commerzbank(코메르츠방크)는 개발자, 운영자, 데이터 과학자의 생산성을 최적화하기 위한 서비스로서 클라우드 워크스테이션(Cloud Workstation)에 Duet AI를 통합한 것을 높이 평가합니다. 클라우드 워크스테이션에는 관리 및 규제 요건을 충족하는 엔터프라이즈급 보안 제어 및 커스터마이즈 기능이 제공되며, Duet AI는 클라우드 워크스테이션 유저의 워크플로에 바로 적용됩니다. 문서 생성, 코드 완성, 코드 번역과 같은 프로세스에 클라우드 워크스테이션의 Duet AI 기능을 활용하면 상당히 긍정적인 영향을 미칠 것으로 보고 있습니다” - Christian Gorke(크리스티안 고르케), 빅데이터 및 고급 분석 부문 사이버 CoE 부사장 겸 총괄, 코메르츠방크 AG

개발자를 위한 Duet AI는 2023년 12월 13일부터 2024년 2월 1일까지 무료로 이용하실 수 있습니다. 개발자를 위한 Duet AI 웹페이지 안내에 따라 개발자를 위한 Duet AI에 액세스하실 수 있으며, 가격 등 보다 자세한 내용은 여기에서 확인할 수 있습니다.

개발자를 위한 Duet AI의 성장하는 파트너 생태계

Google Cloud는 오늘 25개 이상의 코드 어시스트 및 지식 기반 파트너가 플랫폼별 데이터셋을 제공할 예정이라고 발표했습니다. 이에 따라 개발자를 위한 Duet AI 유저는 파트너의 코딩 모델과 데이터 모델, 제품 설명서, 모범 사례 및 기타 유용한 엔터프라이즈 리소스를 기반으로 AI 지원을 받을 수 있게 됩니다.

코드 어시스트 파트너는 개발자를 위한 Duet AI가 대중적인 개발자 도구들과 연동하여 코드 어시스트 기능을 제공할 수 있도록 돕습니다. 예를 들어 Confluent, HashiCorp, MonggoDB 등의 코드 어시스트 파트너사들과의 협업을 통해, 개발자를 위한 Duet AI는 해당 파트너사들의 플랫폼에 특화된 코드를 생성하도록 학습됩니다. 이를 통해 개발자는 선호하는 개발 도구를 사용해 더 빠르게 구축하고 문제를 해결할 수 있습니다.
지식 기반 파트너는 개발자를 위한 Duet AI에 대중적인 개발자 도구와 관련된 문서 및 지식 소스에 대한 액세스를 제공합니다. Datadog(데이터독), JetBrains(젯브레인), Langchain(랭체인) 등의 지식 기반 파트너사들과의 협업을 통해, 개발자를 위한 Duet AI에서는 프로덕션 이슈 및 취약성을 가장 효과적으로 해결하는 방법이나 품질 보증을 위한 소프트웨어 테스트 자동화 방법과 같은 파트너사의 개발자 도구에 특화된 정보를 쉽게 검색할 수 있습니다.
Google Cloud 서비스 파트너 또한 고객이 Duet AI를 비롯한 생성형 AI를 도입하는 데 중요한 역할을 합니다. 이와 같은 시스템 통합(SI) 파트너는 15만 명 이상의 전문가를 교육하고 있으며, 기업이 기존 개발 워크플로에 개발자를 위한 Duet AI를 도입할 수 있도록 지원합니다.

개발자를 위한 Duet AI 파트너 생태계

시큐리티 운영의 Duet AI로 위협 탐지, 대응 및 방지 대폭 강화

시큐리티 운영의 Duet AI 출시를 통해 Google Cloud는 통합 보안운영(SecOps) 플랫폼에서 보안 담당자를 위한 생성형 AI 기능을 정식 제공하는 최초의 클라우드 사업자로 거듭났습니다. Google Cloud는 취약성, 멀웨어(malware), 위협 지표에 대한 맨디언트(Mandiant)의 최첨단 인텔리전스를 비롯한 선도적인 보안 인텔리전스를 통합 제공해 보안 담당자가 기업을 보호할 수 있도록 지원합니다. 이제 기업의 보안 팀은 생성형 AI를 적극 활용해 위협에 대한 탐지, 조사, 대응을 가속화하여 역량을 강화하고 생산성을 대폭 증대할 수 있게 되었습니다. Google Cloud는 시큐리티 운영의 Duet AI를 통해 크로니클(Chronicle)을 위한 AI 보조 기능을 최초로 제공합니다:

유저는 자연어 기반의 커스텀 쿼리로 단 몇 초 만에 방대한 양의 데이터를 검색할 수 있습니다.
수동 리뷰 작업을 줄이고, 경보 요약을 통해 보안 위협의 핵심 사항을 빠르게 파악할 수 있습니다.
보안 조치를 위한 단계별 추천 사항을 제공해 응답 시간을 단축할 수 있도록 돕습니다.

이제 보안 운영은 Duet AI를 통해 여러 측면에서 더욱 강화될 수 있습니다. 위협 탐지와 대응을 효율화하는 것은 물론, 개발자를 포함한 다양한 직군의 기술 담당자들이 더욱 수월하게 위협을 이해하고 대응함으로써, 보안 전문가들은 더 중요한 이슈 해결을 위해 시간을 할애할 수 있게 됩니다. 시큐리티 운영의 Duet AI를 사용하면 보안 담당자는 전문적인 구문(syntax)을 알지 못하더라도, 이벤트 데이터를 검색하고 다양한 로그 유형에 대해 쿼리가 가능해 소중한 시간을 절감할 수 있습니다.

시큐리티 운영의 Duet AI로 원활한 위협 탐지 및 대응

초기 유저 피드백에 따르면 시큐리티 운영의 Duet AI를 사용했을 때 애널리스트가 검색 구문을 작성, 실행, 수정하고 복잡한 사례를 분류하는 데 소요되는 시간을 약 7분의 1로 단축할 수 있는 것으로 나타났습니다. 엔터프라이즈 스트래티지 그룹(Enterprise Strategy Group)과 같은 업계 분석가는 보안 운영 센터(SOC)의 효율성과 직원 생산성 혜택을 경험하고 있습니다.

"엔터프라이즈 스트래티지 그룹(Enterprise Strategy Group)의 연구에 따르면 보안팀은 일반적인 보안 운영 업무의 범위와 규모, 속도 및 복잡성 등으로 인해 어려움을 겪고 있는 것으로 나타났습니다. Google Cloud는 시큐리티 운영의 Duet AI를 통해 보안에 대한 접근성을 높여, 애널리스트가 효율적으로 사고를 조사하고, 많은 수작업 절차를 자동화하며, 소요 시간을 절감해 우선순위가 더 높은 업무에 집중할 수 있게 지원합니다. Google은 이러한 방법으로 기업의 SOC 효율과 직원 생산성 향상을 지원합니다." - Jon Oltsik(존 올드식), 수석 애널리스트 겸 펠로우, 엔터프라이즈 스트래티지 그룹

Google Cloud는 올해 초 150곳 이상의 고객을 대상으로 시큐리티 운영의 Duet AI의 프리뷰 버전을 출시했으며, 그 중 1% 미만을 제외한 대다수의 고객으로부터 긍정적인 피드백을 받았습니다. 화이자(Pfizer)를 비롯한 고객들은 다음과 같이 호평했습니다.

“크로니클은 사이버 보안 데이터의 가치를 대규모로 실현했습니다. 과거 집계하는 데 수일이 소요되던 데이터 소스를 이제는 몇 초 만에 분석할 수 있게 되었습니다. Google Cloud와의 파트너십이 새로운 단계로 접어들면서, 화이자는 팀의 효율성을 획기적으로 개선해줄 Duet AI의 잠재력에 대해 상당한 기대를 갖고 있습니다. 복잡한 분석 작업에 자연어 쿼리를 사용할 수 있는 기능은 신입 애널리스트가 업무에 더 빠르게 적응하고, 숙련된 애널리스트들이 복잡한 환경에서 고도화된 위협을 빠르게 포착하도록 지원할 것입니다.” - Guy Delp(가이 델프), 글로벌 정보 보안 부사장, 화이자

보안 담당자는 보안 업무에 가장 적합한 모델을 필요로 하는데, 시큐리티 운영의 Duet AI는 올해 초 출시한 업계 최초의 확장 가능한 보안 전문 LLM을 사용합니다. 보안에 특화된 Google Cloud의 LLM은 맨디언트 및 바이러스토탈(VirusTotal)의 최신 위협 인텔리전스와 크로니클의 대규모 보안 데이터 및 대응 플레이북을 비롯해, Google의 방대한 위협 정보를 기반으로 학습되었습니다. Google이 생성형 AI 분야에서 지속적으로 혁신을 이끌어 감에 따라, Google Cloud 고객은 Gemini를 포함한 여러 모델과 고도로 전문화된 LLM 일부를 이용할 수 있습니다.

시큐리티 운영의 Duet AI는 Google Cloud의 시큐리티 운영 엔터프라이즈(Security Operations Enterprise) 및 엔터프라이즈 플러스(Enterprise Plus) 패키지에 포함될 예정이며, 기존 크로니클 고객은 특별 체험 기간인 2024년 3월 5일까지 Duet AI를 무료로 액세스할 수 있습니다.

고객의 보안과 개인정보 보호를 위한 엔터프라이즈 솔루션

Duet AI는 Google Cloud의 포괄적이고 강력한 통합 기술 스택을 기반으로 운영되며, 여기에는 인프라와 파운데이션 모델(foundation model), 방대한 플랫폼 역량이 포함됩니다. 이를 통해 Duet AI는 고객에게 일관되고 통합된 제품 경험을 제공합니다. 또한 Google Cloud의 엄격한 데이터 거버넌스 정책을 준수하며 책임감 있는 AI 활용을 위해 최선을 다하고 있습니다. 유저는 자신의 코드, Duet AI에 입력한 정보, Duet AI가 생성한 추천 결과가 공유 모델의 학습이나 제품 개발에 사용되지 않는다는 점을 보장받을 수 있습니다. 고객은 자신의 데이터와 IP를 직접 통제하고 소유하며, 모델의 출력 결과에 Google Cloud의 지적재산권 면책 보장이 적용됩니다.

개발자를 위한 Duet AI 및 시큐리티 운영의 Duet AI 시작하기

개발자를 위한 Duet AI를 무료로 체험해 보세요. 오늘부터 2024년 2월 1일까지 웹페이지에 방문해 안내에 따라 개발자를 위한 Duet AI를 무료로 이용할 수 있습니다.
Google Cloud Applied AI Summit에 참여해 Duet AI에 대한 자세한 정보와 최신 데모 영상을 확인해 보세요.
Duet AI가 당신의 도시로 찾아갑니다. 웹페이지에서 2024 Duet AI 글로벌 로드쇼에 등록해 보세요.
Google Cloud의 새로운 스킬 부스트 교육 과정을 통해 Duet AI 사용법을 배워 보세요.
12월 19일에 진행되는 시큐리티 토크 이벤트에 참여하시면 시큐리티 운영의 Duet AI에 대해 보다 자세한 정보를 확인하실 수 있습니다. chronicle.security 웹사이트 방문도 가능하며, 궁금하신 점은 담당 계정 팀 또는 웹사이트에서 문의 부탁드립니다.

Firestore에 PITR(point-in-time recovery) 및 예약 백업 추가

Thu, 02 Nov 2023 06:00:00 +0000

*본 아티클의 원문은 2023년 9월 9일 Google Cloud 블로그(영문)에 게재되었습니다.

Firestore에 두 가지 새로운 재해 복구 기능인 PITR(point-in-time recovery)과 예약 백업의 출시 소식을 전하게 되어 기쁩니다. 이러한 기능은 인적 오류와 재해로부터 데이터를 보호합니다.

Firestore의 자동 및 중복 데이터 백업에 추가된 이 기능 덕분에 서비스는 0 RPO와 0 RTO를 보여주는 장애 백업 조치를 통해 SLA 가용성을 최대 99.999% 보장할 수 있습니다.

PITR(point-in-time recovery)은 지난 7일간의 데이터 버전들을 제어 및 쿼리하고 필요한 데이터를 데이터베이스에 다시 직접 작성할 수 있는 기능을 제공하여 실수로 데이터를 삭제하거나 작성하지 못하도록 보호합니다.

예약 백업을 사용하면 매일 또는 매주 선택한 주기로 전체 데이터베이스를 콜드 스토리지에 백업할 수 있습니다. 이러한 백업은 동일한 프로젝트의 새 데이터베이스로 복원하는 데 사용할 수 있습니다.

PITR(point-in-time recovery) 예시 살펴보기

PITR(point-in-time recovery)을 사용 설정하는 상황을 가정해 보겠습니다. Google Cloud 콘솔에서 이 기능을 사용 설정하는 방법은 다음과 같습니다.

PITR(point-in-time recovery)을 사용 설정하려면 'Disaster recovery(재해 복구)' 페이지로 이동한 후 'EDIT' 아이콘을 선택합니다.

'Enable point-in-time recovery' 체크박스를 선택한 후 'SAVE'를 클릭합니다.

현재 'Disaster recovery(재해 복구)' 페이지에는 'Earliest version time(가장 초기 버전)' 및 'Retention period(보관 기간)'이 포함됩니다.

상기의 스텝을 따라오면 이제 PITR(point-in-time recovery)이 사용 설정되어 데이터 저장을 시작합니다. 자세한 내용은 문서를 참조하세요

예약 백업 예시 살펴보기

이제 gcloud 명령어를 사용하여 일일 및 주간 백업 일정을 생성하고 백업 생성을 확인하는 방법을 알려 드리겠습니다.

준비 작업은 다음과 같습니다.

gcloud를 최신 버전으로 업그레이드
백업을 관리할 프로젝트에 대해 'gcloud config set project <project-id>'를 실행

일일 백업 일정을 만들려면 'backups schedules create' 명령어를 사용합니다. 다음은 일일 백업 일정 생성의 예시입니다.

code_block: <ListValue: [StructValue([('code', "$ gcloud alpha firestore backups schedules create --database=''(default)'' --retention='7d' --recurrence='daily'"), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f2ae8734250>)])]>

주간 백업 일정을 만들려면 'backups schedules create' 명령어를 사용합니다. 주간 백업 일정 생성의 예시는 다음과 같습니다.

code_block: <ListValue: [StructValue([('code', "$ gcloud alpha firestore backups schedules create --database='testdb' --retention='14w' --recurrence=’weekly’ --day-of-week=’MON’"), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f2ae8734670>)])]>

백업 일정이 성공적으로 생성되었는지 확인하려면 'backup schedules list' 명령어를 사용합니다.

code_block: <ListValue: [StructValue([('code', '$ gcloud alpha firestore backups schedules list'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f2ae8734940>)])]>

다음 단계

이러한 기능을 설정하고 구성하는 방법에 관한 자세한 내용은 PITR(point-in-time recovery) 및 예약 백업 문서를 확인하세요.

^{본문 작성에 도움을 주신 Firestore Product Manager Lead이신 Minh Nguyen님께 감사의 말을 전합니다.}

AI 기반 공동작업 도구 소개: Duet AI for Google Cloud

Mon, 19 Jun 2023 06:00:00 +0000

클라우드 개발자 여러분, 바야흐로 무엇이든 할 수 있는 시대입니다. 원하는 언어로 코딩하고, 컨테이너로 이식성을 활용하고, 서버리스로 복잡성을 최소화하고, DevOps 원칙에 따라 전체 소프트웨어 수명 주기를 관리할 수 있습니다. 그렇지만 현실을 직시해보죠. 새로운 클라우드 애플리케이션을 빌드하고 온보딩하려면 여전히 수작업 계획 통합, 그리고 그야말로 고된 작업을 해야 합니다. 배포에 대해 조사하고 계획을 수립하고, 실행 가능하며 안전한 아키텍처를 만들어야 하며, 실제 코드 또한 작성해야 합니다.

지난 수십 년 간 클라우드는 기본적으로 다양한 옵션을 제공하는 'DIY' 모델로서 개발을 더욱 복잡하게 만드는 방향으로 발전해 왔습니다. 처음에는 기쁨의 비명을 질렀지만, 이제는 비명만 지르게 된 상황입니다.

그 기쁨을 온전히 되찾을 수 있다면 어떨까요? 필요하기만 하면 언제 어디서든 도움을 얻을 수 있다면 어떨까요?

Duet AI for Google Cloud 소개

Google의 최신 생성형 AI 기반 모델로 구동되는 Duet AI for Google Cloud는 상시 사용 가능한 AI 공동작업 도구로, 기술 수준에 관계없이 모든 사용자에게 필요한 도움을 제공합니다. Google은 Duet AI를 통해 사용자 의도에 기반하며 맞춤화된 새로운 클라우드 경험을 선사하고 사용자 환경을 심층적으로 파악하여 확장 가능하면서 안전한 애플리케이션 구축을 지원하는 동시에 전문적인 가이드를 제공하고자 합니다.

Google은 Duet AI에 맞춰 Google Cloud를 진화시키면서 책임감 있는 AI를 경험의 중심에 두며 더욱 인간 중심적이고 종합적이며 유용한 클라우드 플랫폼을 구축하고자 합니다.

인간 중심: Google은 Duet AI를 통해 필요할 때마다 개발자를 위한 코드 추천부터 데이터 엔지니어를 위한 프롬프트 기반 데이터 통계, 비즈니스 사용자를 위한 채팅 기반 앱 제작에 이르기까지 다양한 지원을 제공함으로써 기술 수준에 관계없이 모든 유형의 사용자가 Google Cloud에 더욱 쉽게 액세스하고 맞춤화하여 사용할 수 있도록 지원합니다.
종합적: 생성형 AI 중심의 클라우드 환경을 사용하면 기능, 서비스, 기술 스택 전반에 걸쳐 사일로가 감소하고 유기적으로 클라우드를 개발할 수 있으며, Google Cloud의 어떤 위치에서든 원하는 형식으로 전체 그림을 파악할 수 있습니다.
유용성: Google Cloud로 앱을 빌드하고 운영하기 위한 더욱 스마트하고 문맥에 맞는 권장사항을 제공하기 위해 Duet AI를 지원하는 기본 모델 중 하나인 Codey를 문서 및 샘플 코드와 같은 Google Cloud 관련 콘텐츠로 선행 학습시키고 Google Cloud 사용자 행동 및 패턴을 토대로 미세 조정했습니다.
책임감: Google은 AI 원칙에 따라 책임감 있게 기술을 개발하려는 노력을 기울입니다. 사용자의 코드와 권장사항은 모델 학습과 개발에 재사용되지 않습니다. 따라서 데이터 및 코드를 보호하고 AI 모델을 학습시키는 지식 공간의 무결성을 보장할 수 있습니다.

Duet AI for Google Cloud에서 새롭게 제공되는 기능

사용자 의도에 기반한 그리고 개인에게 맞춤화된 새로운 클라우드 경험을 선사한다는 Google의 미션을 가능케 하는 새로운 기능 몇 가지를 소개합니다.

코드 어시스턴스는 애플리케이션 개발자와 데이터 엔지니어 같은 클라우드 사용자를 위한 AI 기반 코드 어시스턴스를 제공합니다. 코드를 입력할 때 실시간으로 추천 코드를 제공하고, 전체 함수와 코드 블록을 생성하며, 코드의 취약성과 오류를 파악하여 수정 사항을 제안합니다.

Google Cloud Storage 버킷 생성 코드를 자동 생성하는 코드 어시스턴스

코드 어시스턴스는 Google의 완전 관리형 보안 개발 환경인 Cloud Workstations와 Google Cloud 콘솔에서 제공하는 기타 코드 편집기 환경 등 Google Cloud 전반의 여러 제품 및 서비스에서 활용가능해집니다. 또한 Cloud Shell 편집기 또는 VSCode 및 JetBrains IDE를 위한 Cloud Code IDE 확장 프로그램에서도 개발자에게 코드 어시스턴스를 제공합니다. 코드 어시스턴스는 Go, Java, JavaScript, Python, SQL을 비롯해 다양한 언어를 지원합니다.

채팅 어시스턴스를 사용하면 간단한 자연어를 사용하여 개발 또는 클라우드에 관련된 구체적 질문에 답변을 얻을 수 있습니다. 사용자는 채팅 어시스턴스를 통해 특정 클라우드 서비스 또는 기능을 사용하는 방법이나 클라우드 프로젝트 구현을 위한 세부 계획 등 다양한 주제에 대해 실시간 안내를 받을 수 있습니다. 또한 아키텍처 또는 코딩 관련 권장사항을 제공하므로 관련 문서를 검색할 필요성이 줄어듭니다.

채팅 어시스턴스를 사용하여 Cloud Run에 앱을 배포하기 위한 세부 단계 알아보기

또한 IDE, Cloud 콘솔과 같은 여러 Google Cloud 표시 영역과 제품 및 서비스에서도 채팅 어시스턴스가 제공됩니다. 채팅 어시스턴스를 활용하면 개발자, 운영자, 데이터 엔지니어, 보안 전문가 등이 더 많은 작업을 보다 빠르게 완료할 수 있습니다.

한 가지 특정 영역에 전문화된 개발자를 위해 이러한 기능을 더욱 최적화하려면 기업에서 Vertex AI의 생성형 AI 지원을 사용해 자체 코드베이스로 Codey를 미세 조정하면 됩니다. 현재 Vertex AI에서 이러한 맞춤형 Codey 모델을 직접 사용할 수 있으며 올 하반기에는 기본 제공 Duet AI 환경과 연결할 수 있게 될 예정입니다. 코드로 Codey를 학습시키는 경우에도 비공개 데이터는 비공개로 유지되며 광범위한 기반 모델 학습 코퍼스에서 사용되지 않으니 걱정하지 마세요. 데이터가 저장되는 위치와 데이터가 사용되는 방식 또는 사용 여부를 직접 관리하고 투명하게 확인할 수 있습니다.

Duet AI for AppSheet를 사용하면 지능형 비즈니스 애플리케이션을 만들어 데이터를 연결하고 자연어를 통해 Google Workspace에 워크플로를 구축할 수 있습니다. AI 기반 프롬프트가 안내하는 채팅에서 사용자가 요구사항을 설명하는 방식으로 앱을 빌드할 수 있어 코딩이 필요하지 않습니다. 덕분에 더욱 많은 사용자의 앱 제작이 가능해져 개발자팀에서 더 중요한 다른 업무에 집중할 수 있습니다.

Duet AI for AppSheet를 사용하여 자연어로 비즈니스 애플리케이션 제작하기

지속적으로 진화하는 공동작업 도구의 도움을 얻어 개발자의 과도한 업무 부담을 완화하면서도 클라우드 개발의 즐거움을 되찾게 되기를 바랍니다. Duet AI를 사용하여 보다 자신 있고 쉽고 재미있게 클라우드를 탐색하세요.

게다가 이것은 시작에 불과합니다. Duet AI가 선사하는 클라우드 경험의 미래에는 가능성이 가득합니다. Google은 정교하게 맞춤화된 지원에 개발자 생산성 향상의 미래가 달려 있다고 생각합니다. Duet AI는 Google만의 고유한 엔드 투 엔드 AI 지원 기술을 사용하여 작업 환경의 생산성을 새롭게 정의합니다. Duet AI for Google Cloud에 대한 Google의 비전을 보려면 여기를 확인하세요.

현재 Duet AI for Google Cloud의 초기 기능은 제한된 사용자에게만 제공되며, 곧 제공 범위가 확대될 예정입니다. Google Cloud의 신뢰할 수 있는 AI 테스터 프로그램에 참가하려면 여기에서 가입하세요.

개발자, 기업, 정부에 생성형 AI를 제공하는 Google Cloud

Tue, 14 Mar 2023 13:00:00 +0000

* 본 아티클의 원문은 2023년 3월 14일 Google Cloud 블로그(영문)에 게재되었습니다.

생성형 AI는 우리가 정보, 브랜드, 다른 사람과 상호작용하는 방식에 혁신적인 대화형, 멀티모달 경험의 물결을 일으키고 있습니다. 수십 년간 Google이 AI에 투자한 연구 및 혁신 기술의 힘을 활용하는 Google Cloud는 기업 및 정부에 간단한 자연어 입력으로 텍스트, 이미지, 코드, 동영상, 오디오 등을 생성할 수 있는 능력을 제공하고 있습니다.

이러한 기술이 잠재력을 완전히 발휘하려면 모든 개발자, 기업 및 정부가 사용할 수 있도록 지원해야 합니다. 오늘날까지 생성형 AI는 맞춤설정은 물론 접근조차 쉽지 않았으며, 때때로 신뢰도에 영향을 줄 정도로 부정확한 정보를 생산하는 경향이 있었습니다. 10년 전, 기업과 개발자가 새로운 폼 팩터, 인터페이스 및 상호작용에 적합한 안전하고 강력한 도구를 확보함에 따라 모바일 생태계가 비상할 수 있었습니다. 마찬가지로, 현재의 생성형 AI가 성장하려면 생성형 AI 애플리케이션을 쉽게 빌드할 수 있는 차세대 도구가 필요합니다.

이러한 요구를 해결하기 위해 Google Cloud는 생성형 AI를 기반으로 한 다양한 제품을 출시하여 개발자가 책임감 있게 제품을 빌드하는 동시에 엔터프라이즈급 안전, 보안 및 개인 정보 보호를 확보할 수 있도록 지원할 것입니다. 이러한 여정은 오늘 다음과 같은 두 가지 새로운 기술의 도입으로부터 시작됩니다.

Vertex AI의 생성형 AI 지원을 통해 데이터 과학팀은 Google 및 타사에서 구축한 기반 모델에 액세스할 수 있으며, 자체 개발한 ML 모델 및 MLOps에 사용하는 것과 동일한 플랫폼에서 이러한 모델을 기반으로 삼아 빌드하고 맞춤설정할 수 있게 됩니다.
생성형 AI 앱 빌더는 개발자가 봇, 채팅 인터페이스, 커스텀 검색엔진, 디지털 어시스턴트 등을 비롯한 새로운 경험을 빠르게 제공할 수 있게 도와줍니다. 개발자는 Google의 기반 모델에 API로 액세스하고 즉시 사용 가능한 템플릿으로 몇 분 또는 몇 시간 내에 생성형 앱 제작을 빠르게 시작할 수 있습니다.

이 모든 과정에서 Google Cloud는 조직이 데이터 사용 여부, 방법 및 대상을 완벽하게 제어할 수 있도록 보장합니다.

IDC의 전 세계 인공지능 및 자동화 연구 부문 그룹 부사장 리투 조티는 다음과 같이 말합니다. “Google Cloud는 Vertex AI의 생성형 AI 지원 및 생성형 AI 앱 빌더 출시를 통해 수십 년간 이어진 AI 연구와 혁신, 투자의 결과를 전 세계에 제공하고 있습니다. 이를 통해 Google Cloud는 완전히 새로운 세대의 기업가, 혁신가, 개발자 및 실행가가 새로운 방식으로 AI의 힘을 활용할 수 있도록 지원할 준비를 갖추었습니다. Google Cloud는 팀 역량 강화, 산업 혁신, 더 나은 세상을 만드는 변화에 대한 매우 고무적인 비전을 갖고 있습니다. 특히 책임성에 대한 인식을 기반으로 한, 신중하면서도 대담한 접근 방식이 특징입니다.”

Vertex AI로 기반 모델 빌드, 조정 및 배포

Vertex AI는 ML 모델 및 AI 애플리케이션 학습 및 배포를 위한 Google Cloud의 머신러닝 플랫폼이며 사상 최대의 업그레이드가 진행되고 있습니다.

Vertex AI의 생성형 AI 지원을 통해 데이터 과학팀은 가장 간단한 방식으로 PaLM과 같은 기반 모델을 활용할 수 있으며 다음을 포함한 여러 옵션과 제어 기능을 사용할 수 있습니다.

해결할 사용 사례를 선택. 개발자가 이제 Vertex AI에서 PaLM API에 쉽게 액세스하여 콘텐츠 생성, 채팅, 요약, 분류 등의 사용 사례를 즉시 해결할 수 있습니다.
Google의 최신 기반 모델 중에서 선택. Google Research 및 DeepMind에서 개발한 모델이 제공되며 텍스트, 이미지, 동영상, 코드 및 오디오 등 다양한 데이터 형식에 대한 지원이 포함됩니다.
다양한 모델 중에서 선택. 향후 Vertex AI는 점진적으로 오픈소스 및 서드 파티 모델을 지원할 것입니다. 다양한 모델 유형 및 크기를 한 곳에서 사용할 수 있는 Vertex AI는 비즈니스 요구에 맞는 최고의 리소스를 사용할 수 있는 유연성을 고객들에게 제공합니다.
프롬프트 조정, 맞춤설정 및 최적화 방법을 선택. 비즈니스 데이터를 사용하여 기반 모델 출력의 관련성을 높이고 비용을 관리하며 데이터 주권과 개인 정보 보호를 보장할 수 있습니다.
모델 사용 방법을 선택. 노트북, API, 대화형 프롬프트 등 다양한 도구를 통해 개발자, 데이터 과학자, 데이터 엔지니어가 모두 생성형 앱 및 맞춤설정된 모델 빌드에 기여할 수 있습니다.

CNA Insurance의 글로벌 데이터 및 분석 최고 책임자이자 SVP인 산토시 바드와즈는 다음과 같이 말합니다. "처음부터 Vertex AI는 CNA의 AI 확장 방식을 혁신하고 프로덕션 환경에서 머신러닝 모델을 더 효과적으로 관리하는 데 도움이 되었습니다. Vertex AI의 생성형 AI 지원 덕분에 현재 CNA는 고객 및 직원의 고유한 비즈니스 니즈에 맞춤화된 인사이트를 제공할 수 있습니다."

신뢰할 수 있는 테스터는 오늘부터 Vertex AI의 생성형 AI 지원에 액세스할 수 있습니다. 사전 체험 관련 소식에 관심이 있으면 Google의 기술 커뮤니티, Google Cloud Innovators에 가입하세요.

생성형 AI 앱 빌더를 사용하여 몇 분 또는 몇 시간 내에 애플리케이션 빌드

기업과 정부는 또한 새로운 AI 기술을 활용해서 고객, 파트너 및 직원 상호작용을 더 효과적이고 유용하게 만들고자 합니다. 이를 지원하기 위해 Google은 개발자가 제한적인 전문 기술만으로도 봇, 채팅 앱, 디지털 어시스턴트, 커스텀 검색엔진 등의 생성형 앱을 빠르게 제작할 수 있도록 지원하는 새로운 생성형 AI 앱 빌더를 발표하였습니다. 개발자는 다음을 수행할 수 있습니다.

몇 주 또는 몇 년이 아닌 몇 분 또는 몇 시간 내에 빌드. 개발자는 기반 모델에 대한 직접 API 액세스와 즉시 사용 가능한 템플릿을 활용해 검색, 지원, 제품 추천 및 탐색, 미디어 제작 등의 주요 사용 사례를 위한 작업을 빠르게 시작할 수 있습니다. 또한 사전 빌드된 커넥터를 통해 데이터를 기반 모델의 인텔리전스와 통합하고 이 과정에서 데이터 비공개 상태를 유지할 수 있습니다.
조직 데이터 및 정보 검색 기술을 결합하여 관련성 있는 답변을 제공. 조직은 이제 사용자 질문의 의도를 유추하고 기반 모델의 관련성 있는 정보와 독점적 데이터를 함께 표시하며 필요한 인용 및 출처와 함께 응답을 제공하는 앱을 빌드할 수 있으며 이 과정에서 데이터 격리 및 주권을 보장할 수 있습니다.
텍스트 이외의 정보를 사용하여 검색하고 응답. 고객은 키보드 입력, 대화, 스크린 탭, 이미지 제출 등 다양한 방식으로 상호작용할 수 있습니다. 그리고 봇, 어시스턴트, 기타 생성형 앱 역시 텍스트, 음성 및 미디어로 응답할 수 있습니다.
자연스러운 대화를 구조화된 흐름과 결합. 이제 개발자는 상호작용 기간과 관계없이 세부 제어 기능을 사용해 기반 모델의 출력을 단계별 대화 조정과 결합하여 고객에게 올바른 답변을 안내할 수 있습니다.
단순한 알림 대신 상호작용을 지원. 디지털 어시스턴트와 봇을 구매 및 프로비저닝 시스템에 연결하여, 단순한 콘텐츠 제공을 넘어 고객 대화를 맥락에 따라 상담사에게 에스컬레이션할 수 있습니다.

"일상 생활에서 음성 어시스턴트 사용이 늘어남에 따라 소비자들은 점점 더 정확하고 일관된 음성 상호작용을 기대하고 있습니다. Toyota와 Lexus는 이미 Google Cloud의 업계 최고 AI 기반 음성 서비스 통합을 통해 고객들에게 고품질 음성 서비스를 제공하고 있습니다."라고 Toyota Connected North America의 CEO 겸 사장인 스티브 바스라는 말합니다. "이러한 최신 생성형 AI 발표와 발맞추어 Toyota Connected는 Google과의 파트너십을 확장하는 한편 운전자에게 가장 뛰어나고 혁신적인 차량 경험을 제공하고자 하는 비전에 기반 언어 모델이 어떻게 도움이 될지 모색하고자 합니다."

"Mayo Clinic의 CIO인 크리스토퍼 로스는 다음과 같이 말합니다. "AI 역량은 Mayo Clinic이 환자 및 지역사회의 건강 증진을 위한 질병 진단 및 치료를 발전시키기 위한 핵심 전략 파트너로 Google Cloud를 선택한 이유입니다. 생성형 AI 기반 검색은 의료진이 정보를 찾고 이해하고 해석하는 데 도움이 될 수 있으며 데이터의 비공개 상태를 안전하게 유지할 수 있습니다. Mayo Clinic은 지속적인 공동 혁신을 통해 의료진과 직원들의 인지 정보 과부하 상황을 완화하고 운영 효율성을 개선하는 데 도움이 될 솔루션을 개발할 수 있기를 기대합니다."

"STARZ의 Direct-to-Consumer 부문 수석 부사장인 로빈 차코는 다음과 같이 말합니다. "Google Cloud의 선도적인 AI 기술 덕분에 STARZ 고객들이 보다 관련성 높은 콘텐츠를 검색할 수 있게 되어 참여도를 개선하고 제공 콘텐츠를 끝까지 시청할 가능성을 높일 수 있습니다. 생성형 AI 기반 검색을 통해 사용자가 관련성이 가장 높은 콘텐츠를 더욱 쉽고 빠르게 검색할 수 있도록 지원하는 것에 대해 큰 기대를 가지고 있습니다."

신뢰할 수 있는 테스터는 오늘부터 생성형 AI 앱 빌더에 액세스할 수 있습니다. 사전 체험 관련 소식에 관심이 있으면 Google의 기술 커뮤니티, Google Cloud Innovators에 가입하세요.

생성형 AI 빌딩 블록을 경영상의 가치로 전환

Google Cloud의 생성형 AI 기능을 활용할 수 있는 몇 가지 방법을 살펴보겠습니다.

자동화된 콘텐츠 생성. 생성형 AI는 브레인스토밍을 촉진하고, 카피라이팅을 수행하고, 미디어 애셋을 생성할 수 있습니다. 즉, 이메일, 마케팅 메시지, 광고 애셋의 프로토타입을 몇 초 만에 제작하고 몇 주 또는 몇 개월이 아닌 몇 분 또는 몇 시간 내에 검토하도록 준비할 수 있습니다. 다양한 조직의 마케팅팀과 크리에이티브팀이 이 기술을 통해 현재의 워크플로를 보강하여 캠페인, 프로그램, 광고 등에 더 많은 옵션과 유형을 활용하고 독창성을 발휘하기를 바라고 있습니다.
거의 모든 태스크를 위한 AI 경험 및 어시스턴트. 생성형 AI는 기업과 정부가 복잡한 대용량 데이터를 요약본, 대화형 멀티미디어 경험 및 자연스러운 대화로 전환할 수 있게 도와줍니다. 따라서 브랜드 및 제품 Q&A와 같은 고객 대면 경험은 물론 보다 복잡한 데이터 과학 사례에서도 이 기술을 활용하는 데 관심을 가지는 고객이 많습니다. 예를 들어 디지털 어시스턴트와 같은 생성형 앱은 자연어 쿼리 등을 통해 데이터 탐색을 지원하는 SQL 쿼리를 생성하여 데이터 분석가 및 비즈니스 사용자의 기술 향상을 도와줄 수 있습니다.
여러 소스에 걸쳐 있는 대규모 내부 데이터 세트 검색 및 이해. 시장을 포괄적으로 파악하기 위해 다양한 내부 및 외부 데이터 소스를 분석하는 은행 고객이 많습니다. 여러 소스의 정보를 검색할 때 관련성 있는 결과, 대규모 문서의 정확한 요약, 쿼리 소스를 세분화하는 도구, 인용 및 출처를 제공하는 기술을 사용하여 직원이 검색 결과를 신뢰하고 필요에 따라 더 심층적으로 분석할 수 있도록 하는 방법을 모색하고 있습니다.
생성형 앱 스타트업을 위한 기초 제공. Vertex AI는 생성형 AI를 통해 공평한 개발 기회를 제공합니다. Vertex AI는 기반 모델에 대한 API 액세스를 제공하고 이러한 기술에 일반적으로 수반되는 방대하고 제한적인 데이터 요구사항을 줄임으로써 데이터 과학자부터 독학 개발자까지 모든 종류의 개발자와 혁신가들이 차세대 스타트업을 만들 수 있게 도와줍니다.

책임감 있는 AI로 데이터 보호 및 대화 흐름 형성

Google Cloud는 제품에 새로운 AI 발전 기술을 도입할 때 두 가지를 약속합니다. 즉 혁신적인 기술을 제공하는 동시에, 이러한 기술에 조직, 사용자 및 사회를 위한 적절한 보호가 포함되도록 한다는 것입니다. 이를 위해 2017년 마련된 AI 원칙은 첨단 기술 구축, 연구 수행, 제품 개발 정책 입안에 대한 접근 방식을 안내하는 '살아있는 기준'을 제시합니다. 이 AI 원칙을 실행하는 구체적인 방법은 Google의 포괄적인 보고서를 참조하세요.

이번 발표 역시 AI 원칙을 다음과 같은 형태로 담았습니다.

투명성과 설명가능성: Vertex AI와 생성형 AI 앱 빌더에는 모델 동작을 조사, 파악 및 수정하기 위한 도구가 포함되어 있습니다.
데이터 개인 정보 보호와 데이터 주권: 회사에서 Vertex AI로 모델을 학습하거나 생성형 AI 앱 빌더로 고객 서비스 환경을 빌드하는지에 관계없이 비공개 데이터는 비공개 상태로 유지되고 광범위한 기반 모델 학습 코퍼스에 사용되지 않습니다. 조직은 항상 데이터 저장 위치 및 사용 방식 또는 사용 여부를 제어하며, 다양한 규정 및 데이터 주권 법률을 준수하는 동시에 다양한 데이터 사용 사례를 안전하게 추진할 수 있도록 지원합니다.
사실성과 최신성: 생성형 AI 앱 빌더는 정확한 소스와 출처를 제공하면서 가장 적절한 정보를 제공하도록 설계된 정보 검색 알고리즘을 사용합니다.
확정적 워크플로 제어를 갖춘 확률적 모델: 조직은 생성형 AI의 대화형 및 확률적 특성을 통제되고, 확정적이며, 신뢰할 수 있는 결과와 결합하기를 원합니다.
다양한 요구사항에 적합한 옵션: 다양한 조직의 각종 요구를 충족하기 위해 Google Cloud의 플랫폼은 데이터 및 모델 계보 기능, 통합 보안 및 ID 관리 서비스, 서드 파티 모델 지원, 모델 및 비용에 대한 옵션 및 투명성, 통합 청구 및 사용 권한 지원, 여러 언어 간 지원 등을 포함하여 유연하게 설계되었습니다.

Deutsche Bank의 CIO인 길 페레즈는 다음과 같이 말합니다. "Google Cloud는 Deutsche Bank의 전략적 파트너로서 운영 효율을 개선하고 고객을 위한 제품 설계 및 제공 방식을 재편하기 위해 협력하고 있습니다.. 책임감 있는 AI에 대한 Google의 접근 방식에 만족하고 있으며, 개발자 생산성 및 혁신 강화, 직원 유지에 있어 그동안 달성한 성공을 기반으로 생성형 AI의 발전 과정에서도 함께 혁신을 이룰 수 있기를 기대합니다."

또한 AI 개발에 대한 개방형 접근 방식의 일환으로 Google은 스타트업, 개발자 및 기업이 자체 AI 프로젝트를 쉽게 가속화할 수 있게 도와주는 새로운 AI 파트너십 및 프로그램을 발표했습니다.

새로운 발표 내용에 대해 자세히 알아보려면 Google Cloud의 생성형 AI 페이지를 방문하거나 3월 29일 온라인에서 라이브로 진행되는 Google Data Cloud & AI Summit에 참여하세요.

스타트업 환경에서 Google Cloud 서버리스 기술을 사용하여 빠르게 변경하고 개선하기

Mon, 06 Feb 2023 00:00:00 +0000

* 본 아티클의 원문은 2022년 12월 15일 Google Cloud 블로그(영문)에 게재되었습니다.

스타트업은 MVP(최소 기능 제품)에 빠르게 도달하고 얼리 어답터의 의견을 수집하며 짧은 주기로 제품을 변경하고 개선해야 합니다. 기능을 개발하고 변경 및 개선하는 것과 관계없는 모든 활동이 출시를 지연시키는 요인이 되며, TTM(time to market)이 중요한 상황에서 이는 심각한 문제를 불러 일으킵니다.

Google Cloud는 완전 관리형 서버리스 플랫폼에서 백엔드 서비스를 빌드하고 실행하도록 지원하는 제품을 제공하여 시간을 절약하고 서비스 실행에 필요한 인프라의 프로비저닝 및 관리 부담을 덜도록 도와줍니다. 덕분에 인프라에 쓰는 시간이 줄어 서비스 구현과 변경 및 개선에 더 많은 시간을 투자할 수 있습니다. 또한 대부분의 서버리스 제품은 처음에 초기 비용이 거의 들지 않는 '사용한 만큼만 지불' 가격 책정 모델을 지원합니다. 서비스와 스타트업의 규모에 따라 가격이 증가하므로 원할 때 필요한 만큼만 지불하면 됩니다.

이러한 제품 중 몇 가지를 살펴보고 빠르게 변경 및 개선하는 데 어떤 도움을 주는지 알아보겠습니다.

코드를 실행하는 위치

먼저 코드를 배포하고 실행할 위치를 결정해야 합니다. Cloud Functions는 Google Cloud에서 코드를 실행하는 가장 쉬운 방법입니다. Cloud Functions를 사용할 경우 지원되는 언어로 간단한 함수를 작성하고 이 함수를 트리거하는 방법(HTTP 또는 이벤트를 통해)을 결정하면 Cloud Functions가 해당 함수를 실행, 트리거, 자동 확장하는 방식과 관련된 모든 세부적인 작업을 처리해 줍니다.

Cloud Functions는 기본적으로 전체 앱이 아닌 단일 용도의 사용 사례를 위해 설계되었기 때문에 제한사항을 숙지하고 있어야 합니다. 예를 들어 사용할 수 있는 언어의 종류에 제한이 있으며 정해진 시간 내에 함수가 응답해야 합니다.

Cloud Functions의 제한사항으로 인해 한계에 부딪힌 경우 더 유연한 Cloud Run을 사용할 수 있습니다. Cloud Run 서비스에서는 함수 대신 서버리스 HTTP 컨테이너를 실행합니다. 자체 런타임의 정의가 가능해 원하는 언어를 사용할 수 있고 컨테이너에서 모두 실행할 수 있는 한 간단한 함수가 아닌 더 정교한 로직을 구현할 수 있습니다.

요청을 지속적으로 처리하는 서비스가 아니라 완료될 때까지 실행되는 코드만 필요한 경우 Cloud Run 작업을 사용하면 됩니다. 완전 관리형 서버리스 환경에서 장기 실행되는 여러 컨테이너를 동시에 실행할 수 있습니다.

Cloud Functions와 Cloud Run을 사용하는 경우 모두 사용자는 함수나 컨테이너를 작성하는 데 집중하면 됩니다. 이를 실행하고 확장하는 데 필요한 인프라는 Google Cloud가 관리해 줍니다. 덕분에 서비스의 기능을 빠르게 변경하고 개선할 수 있습니다.

서버리스 개발을 위한 Cloud Code

서비스 실행을 위해 Cloud Functions 또는 Cloud Run 중 무엇을 사용하든 Cloud Code를 사용해 원하는 IDE에서 빠르게 서비스를 만들어 Google Cloud에 배포할 수 있습니다.

Cloud Code에는 Cloud Functions 또는 Cloud Run 애플리케이션을 신속하게 만들 수 있는 템플릿이 있습니다.

이후 IDE에서 이러한 서비스를 배포하고 배포된 Cloud Functions 및 Cloud Run 서비스 목록을 볼 수 있습니다.

서비스 조정 방법

서비스를 실행한 후에는 단순한 HTTP 이상의 트리거 방법을 결정해야 합니다. Cloud Scheduler를 사용하면 시간에 따라 실행할 수 있습니다. 보다 세밀한 제어를 원하는 경우 Cloud Tasks 큐로 HTTP 서비스를 앞에 배치하면 재시도, 비율 제한, 중복 제거 등 정교한 기능을 즉시 사용할 수 있습니다.

여러 개의 서비스를 사용할 때는 각 서비스의 통신 및 조정 방법도 결정해야 합니다. 다음과 같은 옵션이 있습니다.

직접적인 서비스 간 통신
간접적인 이벤트 기반 통신(코레오그래피라고도 함)
통신을 지시하는 중앙 조정자

직접적인 서비스 간 통신은 구현하기 쉽습니다. 하지만 서비스 간에 긴밀한 결합이 형성되므로 피하는 것이 좋습니다.

이벤트 기반 통신을 위해 Google Cloud에서는 Pub/Sub 및 Eventarc를 지원합니다. Pub/Sub는 이벤트 전송 관련 고도의 맞춤설정을 지원하는 낮은 수준의 서비스인 반면, Eventarc는 서비스를 연결하는 더 쉬운 시맨틱스를 갖춘 높은 수준의 서비스입니다. 중요한 점은 두 서비스 모두 완전 관리형 글로벌 서비스로서 기본 인프라에 대한 걱정 없이 이벤트 소스를 이벤트 소비자와 연결하도록 도와준다는 것입니다.

서비스 조정을 원한다면 Workflows를 사용하면 됩니다. 서비스 조정 정의에서 서비스를 호출할 순서와 방법을 정의하면 Workflows에서 사용자가 정의한 방식대로 호출을 수행하고 이와 더불어 출력을 캡처하고 오류를 처리해 줍니다.

이러한 모든 조정 서비스가 서버리스 방식으로 실행되어 기본 인프라에 대해 걱정할 필요 없이 실질적인 서비스에 더 많은 시간을 쓸 수 있습니다.

서버가 필요한 경우

서버리스 플랫폼의 제한사항으로 인해 서버가 필요할 때도 있습니다. 예를 들어 모든 서버리스 플랫폼에는 워크로드를 실행할 수 있는 시간과 워크로드에 포함할 수 있는 CPU 및 메모리 리소스에 대한 제한이 있습니다. Cloud Functions 또는 Cloud Run과 같은 서버리스 서비스에서 코드를 실행할 수 없더라도 Batch를 사용하면 Compute Engine의 가상 머신(VM)에서 일괄 작업을 실행하고 관리할 수 있습니다. 마찬가지로 Workflows와 해당 Compute Engine 커넥터를 사용하면 Workflows를 통해 VM에서 코드를 실행하고 VM 수명 주기를 관리할 수 있습니다. 두 경우 모두 실제 워크로드가 서버에서 실행되어 그에 따른 전체적인 유연성을 누릴 수 있지만 서버 관리는 Batch 및 Workflows와 같은 서비스에서 서버리스 방식으로 처리됩니다.

결론

코드를 실행해야 할 때마다 이 코드를 서버리스 플랫폼에서 실행할 수 있는지 자문해 보세요. 실행할 수 없더라도 서버리스 플랫폼에서 수명 주기를 관리할 수 있습니다. 클라우드에 인프라 관리를 많이 위임할수록 실질적인 서비스를 개발하고 변경 및 개선하는 데 소중한 시간을 더 많이 할애할 수 있습니다.

Artifact Registry 및 컨테이너 스캔을 사용하여 원점 회귀 보안 달성 및 배포 간소화

Tue, 06 Dec 2022 00:00:00 +0000

* 본 아티클의 원문은 2022년 10월 5일 Google Cloud 블로그(영문)에 게재되었습니다.

사이버 범죄로 인한 기업의 피해액은 연간 6조 달러에 달하며, 그중 랜섬웨어로 인한 피해액만 200억 달러에 달합니다.¹ 공격 벡터의 주요 소스는 오픈소스 소프트웨어에 존재하는 취약점인데, 이러한 취약점은 유명한 프로젝트일수록 더 많이 발견됩니다. 2021년 기준 가장 인기 있는 오픈소스 프로젝트 버전의 상위 10%에 알려진 취약점이 포함될 가능성은 평균 29%에 달했습니다. 반면 나머지 90%의 프로젝트 버전에 알려진 취약점이 포함될 가능성은 6.5%에 불과합니다.²Google은 오픈소스 소프트웨어를 활용할 때 부딪힐 수 있는 어려움을 잘 알고 있습니다. 지금까지 수십 년 동안 오픈소스 소프트웨어를 다뤄온 Google은 Google Cloud의 솔루션을 통해 고객에게 일부 권장사항을 제공하고 있습니다. 다음은 아티팩트 관리 플랫폼을 시작하고 활용하기 위한 간단한 세 가지 방법입니다.

Google Cloud 기반 레지스트리 솔루션 사용: Artifact Registry는 차세대 Container Registry이며 이미지 스토리지를 보호하고 최적화하는 데 적합한 옵션입니다. 중앙 집중식 관리가 가능하며 Google Cloud 런타임 및 DevOps 솔루션과 원활하게 통합되어 다양한 아티팩트를 저장할 수 있으므로 애플리케이션을 쉽게 빌드하고 배포할 수 있습니다.
원점 회귀로 심각한 취약점 조기 발견: Artifact Registry에서 컨테이너의 자동 스캔을 사용 설정하면 개발 프로세스 초기에 취약점을 감지할 수 있습니다. 자동 스캔 기능을 사용 설정하면 레지스트리에 푸시된 모든 이미지가 계속해서 증가하는 운영체제 및 언어 패키지 취약점을 감지하는 자동 스캔을 거치게 됩니다. 지속적 분석 기능은 이미지가 사용되는 동안 해당 이미지 관련 취약점 정보를 계속해서 업데이트합니다. 이 간단한 단계를 통해 개발 초기부터 보안을 고려할 수 있으며 운영 중인 애플리케이션의 심각한 취약점을 악의적인 행위자가 포착하기 전에 감지할 수 있습니다.
GKE에 최적화된 간편한 배포: 저장소가 리전화되어 있어 이미지를 Google Cloud 런타임에 빠르고 쉽게 배포할 수 있습니다. 또한 이미지 스트리밍을 통해 GKE에서 실행되는 애플리케이션의 시작 지연 시간을 더욱 줄일 수 있습니다.

Google 기반 아티팩트 관리 솔루션은 IAM 및 Binary Authorization 등 다른 Google Cloud 서비스와 긴밀하게 통합됩니다. Artifact Registry와 함께 자동 스캔을 사용하는 것은 소프트웨어 개발 수명 주기의 보안 상태를 개선하는 중요한 한 걸음입니다.

엔드 투 엔드 소프트웨어 공급망

이러한 Google Cloud 솔루션을 활용하면 컨테이너 워크로드를 최적화하고 조직이 개발 초기부터 보안을 고려하는 데 도움이 됩니다. Artifact Registry 및 자동 스캔 사용 설정에 대해 자세히 알아보세요.

해당 기능은 현재 사용 가능합니다.

1. Cyberwarfare In The C-Suite(최고 책임자의 사이버 전쟁)

2. State of the software supply chain 2021(2021년 소프트웨어 공급망 현황)

Google Kubernetes Engine: 7년의 발자취와 7가지 이점

Mon, 14 Nov 2022 00:00:00 +0000

* 본 아티클의 원문은 2022년 8월 27일 Google Cloud 블로그(영문)에 게재되었습니다.

오늘 Google은 자동화 수준과 확장성이 가장 우수한 관리형 Kubernetes인 Google Kubernetes Engine(GKE)의 정식 버전 출시 7주년을 기념하여 고객이 탁월한 성과를 낼 수 있도록 도움을 제공하는 GKE의 일반적인 7가지 지원 방식을 소개합니다.

개발자 생산성 증가

개발자에게 시간은 무엇보다 소중합니다. GKE는 다양한 통합 도구를 제공하여 출시 속도와 빈도를 높이는 데 도움이 됩니다. 지속적 통합(CI) 관행을 사용하면 개발자가 모든 코드 변경사항을 기본 브랜치에 자주 다시 통합할 수 있으므로 최대한 프로세스 초반에 문제를 드러내 장애를 빠르게 노출할 수 있습니다. CI 파이프라인은 일반적으로 배포 프로세스의 후반 단계에서 지속적 배포(CD)를 사용해 배포할 수 있는 아티팩트를 생성합니다. CD를 사용하면 언제든지 코드를 출시할 수 있습니다.

GKE의 개발자 도구 생태계는 CI 및 CD를 포괄합니다.

개발자가 Cloud Code 및 Cloud Shell을 사용해 빠르게 코드를 작성, 배포, 디버깅할 수 있습니다.
Cloud Build를 사용해 지속적으로 통합하고 업데이트를 제공할 수 있습니다.
Cloud Deploy를 사용하면 GKE에 쉽고 빠르며 안정적으로 지속적 배포를 할 수 있습니다.
Google Cloud 운영 제품군을 사용해 디버깅하고 문제를 해결할 수 있습니다.
원하는 파트너 솔루션을 즉시 사용할 수 있습니다.

또한 GKE Autopilot 클러스터가 앱 배포 속도를 높여 구성 시간이 단축되고 지속적인 개발/테스트 클러스터 관리가 간소화됩니다. 자세한 내용은 GKE Autopilot 시작 방법에서 확인하세요.

"Google Kubernetes Engine은 구성하기 쉽고 확장도 무척 원활합니다. 개발자가 프로덕션에서의 관리를 고민할 필요가 없으며 매개변수만 설정해도 제대로 작동할 것이란 확신을 얻을 수 있습니다."—Vincent Oliveria, Lucky Cart CTO

소프트웨어 공급망 보안 강화

보안은 언제나 모든 조직의 최우선순위입니다. Autopilot 모드로 생성된 Kubernetes 클러스터는 기본적으로 많은 GKE 강화 기능을 구현합니다. 또한 GKE Autopilot은 클러스터 보안을 개선하여 Kubernetes API에 대한 액세스를 제어하고 노드 변경을 막아 강력한 보안 상태를 적용하며 클러스터 보안을 강화하기 위한 추가 안내를 구현할 수 있도록 지원합니다. Binary Authorization은 배포 시점의 보안 제어를 제공하여 GKE에 신뢰할 수 있는 컨테이너 이미지만 배포되도록 합니다. Binary Authorization을 사용하면 확인된 이미지만 빌드 및 출시 프로세스에 통합되므로 컨테이너 환경을 보다 철저하게 관리할 수 있습니다. 자세한 내용은 소프트웨어 공급망 보안 구축 방법을 참고하세요.

"PicnicHealth는 HIPAA 규정을 준수해야 했으나 AWS에서는 쉽지 않을 전망이었습니다. 자체 Kubernetes 클러스터 관리와 운영에서도 벗어나고 싶었습니다."라고 아스토리노 CTO는 회상했습니다. "그러다 GKE(Google Kubernetes Engine)의 이점에 대해 들었습니다. HIPAA 규정 준수에 필요한 많은 기술 요구사항이 Google Cloud에서는 기본적으로 구성된다는 점이 특히 마음에 들었습니다." —Troy Astorino, PicnicHealth 공동 설립자 겸 CTO

플랫폼 접근 방식을 통한 새로운 기회 창출

최신 애플리케이션 플랫폼에서는 창의성을 발휘하고 고객 요구에 빠르게 대응할 수 있습니다. GKE 고객은 Kubernetes를 사용해 조직을 위한 현대적인 엔터프라이즈급 애플리케이션 플랫폼을 빌드합니다. Tau VM/GPU/TPU/로컬 SSD 지원을 통해 다양한 워크로드에서 속도 및 성능 개선을 달성할 수 있는 GKE는 스테이트풀(Stateful) 및 스테이트리스(Stateless), AI 및 ML, Linux 및 Windows 등 다양한 컨테이너화된 애플리케이션을 지원하도록 도와 드립니다. 오직 GKE만 15,000개의 노드 클러스터를 실행해 애플리케이션을 대규모로 효과적이면서도 안정적으로 실행할 수 있습니다. 이는 다른 클라우드 제공업체보다 최대 10배 큰 규모입니다.

"Google Cloud 관리형 서비스는 Noon.com 고객이 필요할 때마다 쇼핑할 수 있도록 지원하는 중요한 역할을 맡고 있습니다. 고객은 지연이나 문제를 겪지 않으며, Noon.com 직원들은 플랫폼이 정상 작동하도록 뜬 눈으로 밤을 새울 필요도 없습니다.”—Alex Nadalin, Noon.com 엔지니어링 SVP

고객에게 상시 사용 가능한 경험 제공

오늘날 소비자는 연중무휴 디지털 경험을 요구합니다. GKE의 세분화된 제어를 사용하면 가용성과 안정성이 우수하며 상시 사용 가능한 앱 및 서비스를 제공할 수 있습니다. 노드 자동 업그레이드를 통해 클러스터 노드를 자동으로 업그레이드하고 패치를 적용하며 항상 Google에서 제어 영역에 패치를 적용하고 업그레이드합니다. 요구사항 및 제약조건에 따라 신속, 일반 또는 정식과 같은 출시 채널을 구독할 수도 있습니다. 출시 채널은 고급 계획에 필요한 수준의 예측 가능성, 그리고 변경이 예정된 경우 커스텀 워크플로를 자동으로 조정하는 유연성을 기업에 제공해줍니다. 출시 채널에 대한 자세

한 내용은 여기에서, 유지보수 기간에 대한 내용은 여기에서 확인하세요.

"E.ON Optimum 출시를 위해 사내 소프트웨어를 확장성과 안정성이 우수한 클라우드 기반 솔루션으로 전환해야 했습니다. 특히 Kubernetes 포드를 대규모로 항시 실행할 수 있는 클라우드 파트너를 찾아나선 끝에 Google Cloud를 선택하게 되었습니다.”—Dennis Noble, E.ON 디지털 제공 관리자

조직의 비용 최적화 및 절감 지원

현재의 거시 경제 환경에서는 적은 리소스로 더 많은 작업을 처리해야 하는 경우가 많습니다. GKE Autopilot은 컴퓨팅 리소스를 동적으로 조정합니다. 따라서 워크로드에 구성해야 할 노드의 크기 및 형태를 파악해야 할 필요가 없습니다. GKE Autopilot을 사용하면 사용한 포드에 대한 요금만 지불하면 되며 vCPU, 메모리, 디스크 리소스 요청 요금이 초 단위로 청구됩니다. 또한 GKE 비용 최적화 통계를 사용하면 차질을 최소화하며 자동으로 GKE 클러스터 및 워크로드에서 규모에 따른 최적화 기회를 찾을 수 있습니다.

"GKE로 마이그레이션한 이후 노드 실행 비용이 절반으로 줄었고 유지보수 작업이 감소했으며 수요에 따라 자동으로 손쉽게 확장 및 축소할 수 있는 역량을 갖추게 되었습니다. 모든 고객 프로덕션 부하 및 개발 환경을 GKE에서 실행하고 있으며 이후로 심각한 사고가 발생한 적이 없습니다.”—Helge Rennicke, Market Logic Software 소프트웨어 개발 책임자

비즈니스 혁신에 중점을 둔 성장 촉진

관리형 클라우드 서비스를 사용하면서 IT 부서가 비용 부문에서 가치 부문으로 전환되고 있습니다. GKE Autopilot은 핸드오프 클러스터 관리 및 SLA를 제공하고 대부분의 2일 차 클러스터 작업을 없애주기 때문에 기업에서는 관리 부담이 사라져 비즈니스 혁신에 집중할 수 있습니다.

GKE는 애플리케이션을 효율적이고 쉽게 운영할 수 있도록 다양한 차원의 자동화 기능을 제공합니다. 완전 관리형 GKE Autopilot과 다차원 자동 확장 기능을 함께 사용하면 몇 분 만에 프로덕션에 즉시 사용 가능한 안전한 클러스터를 시작하고 구성 및 유지보수를 완전하게 제어할 수 있습니다.

”Google Kubernetes Engine의 자동화 기능 덕분에 매우 효율적으로 앱 트래픽을 관리하고 게임을 개발할 수 있게 되었습니다. 현재 단 2명의 엔지니어만 있으면 트래픽 볼륨과 게임 3개의 모든 환경을 모니터링할 수 있어 개발 및 혁신 업무에 더 많은 인력을 투입할 수 있습니다.”—Aries Wang, Yile Technology 연구 개발 부관리자

IT 독점 도구에 대한 종속 방지

멀티 클라우드가 시대가 되었습니다. 독점 도구를 사용하면 전문 기술이 필요하고 막대한 라이선스 요금에서 벗어나지 못할 때가 많습니다. 모든 주요 클라우드 제공업체를 포함한 여러 환경에서 지원되는 규정 준수 Kubernetes를 통해 공급업체 종속을 최소화하고 멀티 클라우드 전략의 이점을 극대화할 수 있습니다. Kubernetes의 워크로드 이식성 덕분에 제약 없이 유연하게 앱을 이동할 수 있습니다.

"MeilleursAgents는 제품 중심의 기업으로서, 시장의 피드백을 받고 프로덕션에서 개선할 수 있도록 새로운 서비스를 최대한 빠르게 제공하는 것을 목표로 합니다. Google Kubernetes Engine은 유연성과 쉬운 확장을 제공하여 이 목표 달성에 도움을 주며, 바로 이러한 이유에서 GKE로의 전환을 결정했습니다."—Thibault Lanternier, MeilleursAgents 웹 엔지니어링 책임자

Kubernetes 여정을 시작하거나 가속화하려면 Kubernetes를 통한 미래 구축에 참여하세요. Kubernetes 서비스, 개발자 도구, 운영 제품군, 보안 솔루션을 자세히 다룬 기술 데모를 이용할 수 있습니다. 귀사의 Kubernetes 여정에 함께할 수 있기를 바랍니다.

애플리케이션 개발

CVE-2025-55182 보안 취약점, 당신의 React와 Next.js 프로젝트를 직접 겨냥합니다.

취약점 배경

CVE-2025-55182 완화 조치

Cloud Armor용 cve-canary WAF 규칙 배포하기

애플리케이션을 위한 WAF 규칙 안전성 검증 및 원격 분석 활용

Cloud Armor 규칙과 취약점 스캐닝 도구의 상호 작용

신규 사용자를 위한 Cloud Armor 시작 가이드

권장사항 및 추가 위험 완화 조치

장기적 완화 조치: 필수 프레임워크 업데이트 및 재배포

Agent Sandbox 소개: Kubernetes 및 GKE 기반 에이전트 AI를 위한 강력한 보호장치

대규모 환경에서의 강력한 격리

GKE를 통한 성능 향상

AI 엔지니어를 위한 빌드

지금 시작하기

Next 25 개발자 키노트: 프롬프트부터 에이전트, 업무, 즐거움까지

개발자와 운영자를 위한 애플리케이션 중심 AI 기반 클라우드 제공

Google Cloud 기반 애플리케이션 환경을 통합하여 볼 수 있는 Cloud 허브

Gemini Cloud Assist를 사용하여 자연어로 빠르게 애플리케이션 인프라 설계 생성 및 미세 조정

Gemini로 빌드하는 데 필요한 Firebase Studio 및 에이전트형 개발자 도구 소개

NVIDIA GPU가 지원되는 Cloud Run에서 AI 추론 애플리케이션 실행

Cloud Run에서 사용하는 NVIDIA GPU

성능

Ollama를 사용한 샘플 앱 배포

지금 시작하기

Vertex AI Agent Builder로 생성형 AI 환경 빌드하기

전문가에게는 빠르고 강력한 도구, 초보자에게는 간단하고 쉬운 도구

사실에 기반하여 그라운딩된 엔터프라이즈급 AI 에이전트를 빠르게 빌드

지금 바로 AI 에이전트의 시대에 합류하세요

Google Cloud를 위한 Gemini를 만나보세요

Gemini Code Assist로 소프트웨어 배포 가속화

Gemini Cloud Assist를 사용하여 효율적으로 애플리케이션 수명 주기 관리

보안의 Gemini로 보안 역량 강화

BigQuery의 Gemini로 분석 및 워크플로 가속화

Looker의 Gemini를 사용한 통계 자동화

데이터베이스의 Gemini를 사용하여 데이터베이스 개발 및 관리 강화

Google Cloud를 위한 Gemini는 도입 첫날부터 엔터프라이즈를 위한 기능을 바로 제공합니다

AI로 무엇을 할 수 있을지 상상해 보세요

새로운 기능으로 생성형 AI 앱을 지원할 준비가 된 Google Cloud 데이터베이스

AlloyDB: 생성형 AI 워크로드를 위한 최신 PostgreSQL 데이터베이스

모든 Google Cloud 데이터베이스에 걸친 벡터 검색

LangChain을 위한 생태계 지원 가속화

AI 기반 미래 수용

생성형 AI 기반 Document AI 커스텀 추출기 정식 버전 출시

Workbench에 대한 사용자 평가

Document AI Workbench의 또 다른 새로운 기능

다음 단계 수행하기

퍼블릭 Docker Hub 콘텐츠 사용 관련 권장사항

퍼블릭 컨테이너의 로컬 사본 저장

인증을 사용하여 Docker Hub에 액세스

Preparing Google Cloud deployments for Docker Hub pull request limits

Vertex AI의 Imagen 2 정식 버전 출시

엔터프라이즈급 텍스트 이미지 변환 기능

고객의 Imagen API 사용 사례를 살펴보고 시작하는 방법 확인하기

소프트웨어 개발 수명 주기 전반에 활용되는 생성형 AI

함께 기획하기

(도움을 받아) 코드 작성하기

신뢰할 수 있는 운영

효과 공유

자세히 알아보기

개발자를 위한 Duet AI와 시큐리티 운영의 Duet AI 정식 버전 출시

개발자를 위한 Duet AI를 통해 생산성 향상

개발자를 위한 Duet AI를 사용해 Node.js 애플리케이션 빌드, 배포 및 운영

개발자를 위한 Duet AI의 성장하는 파트너 생태계

시큐리티 운영의 Duet AI로 위협 탐지, 대응 및 방지 대폭 강화

시큐리티 운영의 Duet AI로 원활한 위협 탐지 및 대응

고객의 보안과 개인정보 보호를 위한 엔터프라이즈 솔루션

개발자를 위한 Duet AI 및 시큐리티 운영의 Duet AI 시작하기

Firestore에 PITR(point-in-time recovery) 및 예약 백업 추가

PITR(point-in-time recovery) 예시 살펴보기

예약 백업 예시 살펴보기

다음 단계

AI 기반 공동작업 도구 소개: Duet AI for Google Cloud

Duet AI for Google Cloud 소개

Duet AI for Google Cloud에서 새롭게 제공되는 기능

개발자, 기업, 정부에 생성형 AI를 제공하는 Google Cloud

Vertex AI로 기반 모델 빌드, 조정 및 배포

생성형 AI 앱 빌더를 사용하여 몇 분 또는 몇 시간 내에 애플리케이션 빌드

생성형 AI 빌딩 블록을 경영상의 가치로 전환

책임감 있는 AI로 데이터 보호 및 대화 흐름 형성