Antigravity IDE부터 MCP, Agents CLI까지 개발 환경 한 번에 구성하기
AI 에이전트 개발이 빠르게 확산되면서 단순히 LLM을 호출하는 수준을 넘어, 여러 도구와 서비스를 연결해 복잡한 작업을 수행하는 Agentic AI 개발이 주목받고 있습니다. 이러한 환경에서는 모델뿐만 아니라 개발 환경, 프로젝트 구조, 문서 관리, 개발 도구까지 모두 생산성에 큰 영향을 미칩니다.
Google은 이러한 요구에 맞춰 Google ADK(Agent Development Kit), Antigravity IDE, MCP(Model Context Protocol), Agents CLI 등 AI 에이전트 개발을 위한 다양한 도구를 제공하고 있습니다.
이번 글에서는 Google 생태계를 기반으로 Agentic 애플리케이션을 개발하기 위한 환경 구성 방법을 살펴보고, 개발 생산성을 높여주는 주요 구성 요소를 소개합니다.
Google Agentic 개발 환경 구성 요소
Google 기반 Agentic 개발 환경은 단순한 IDE가 아닌 다양한 도구가 함께 동작하는 구조로 구성됩니다.
주요 구성 요소는 다음과 같습니다.
- Antigravity IDE
- Google ADK
- MCP(Model Context Protocol)
- Google Agents CLI
- Skills
- GEMINI.md 프로젝트 컨텍스트
- Makefile 및 개발 자동화 스크립트
이러한 구성 요소를 함께 활용하면 개발 초기 환경 구성부터 에이전트 생성, 테스트, 배포까지 일관된 개발 경험을 제공할 수 있습니다.
Antigravity IDE란?
Antigravity IDE는 Google이 제공하는 Agent-First 개발 환경입니다.
VS Code와 유사한 인터페이스를 제공하면서도 AI 에이전트가 프로젝트 전체를 이해하고 다양한 작업을 자동으로 수행할 수 있도록 설계되었습니다.
대표적인 기능은 다음과 같습니다.
- 프로젝트 구조 분석
- 코드 생성 및 수정
- 테스트 코드 작성
- 문서 자동 생성
- 프로젝트 컨텍스트 기반 작업 수행
또한 Antigravity는 IDE 하나만 제공하는 것이 아니라 여러 도구를 포함한 플랫폼 형태로 구성되어 있습니다.
구성 요소역할
| Antigravity IDE | AI 기반 통합 개발 환경 |
| Antigravity CLI | 터미널 기반 AI 개발 도구 |
| Antigravity SDK | Python SDK 형태의 Agent 기능 제공 |
| Antigravity 2.0 | 에이전트 중심 Builder 환경 |
개발자는 프로젝트 특성에 따라 IDE와 CLI를 함께 사용할 수 있으며 동일한 Agent 환경을 공유할 수 있습니다.
프로젝트 구조 설계
Agentic 프로젝트는 일반적인 웹 애플리케이션보다 다양한 구성 요소를 포함합니다.
대표적인 구조는 다음과 같습니다.
agent/
frontend/
deployment/
docs/
tests/
scripts/
.github/
.agents/
Makefile
README.md
GEMINI.md
각 디렉터리는 다음과 같은 역할을 담당합니다.
- agent : ADK 기반 에이전트 코드
- frontend : React 기반 사용자 인터페이스
- deployment : Terraform 및 배포 설정
- docs : 프로젝트 문서
- tests : 단위 및 통합 테스트
- scripts : 개발 환경 구성 스크립트
- .agents : MCP 서버 및 Agent 설정
프로젝트 초기부터 이러한 구조를 갖추면 기능 추가와 유지보수가 훨씬 수월해집니다.
Skills를 활용한 AI 개발 생산성 향상
Skills는 AI 에이전트가 필요할 때 불러오는 작업 단위의 지식 모듈입니다.
예를 들어,
- React 개발
- 기술 문서 작성
- Google ADK 활용
- 배포 자동화
등 특정 작업에 필요한 전문 지식을 Skill 형태로 추가할 수 있습니다.
필요한 Skill만 로드하기 때문에 Agent가 프로젝트 상황에 맞는 작업을 보다 정확하게 수행할 수 있습니다.
GEMINI.md로 프로젝트 컨텍스트 관리
AI 에이전트가 프로젝트를 올바르게 이해하려면 프로젝트 목표와 개발 규칙을 지속적으로 참고할 수 있어야 합니다.
이를 위해 사용하는 파일이 GEMINI.md입니다.
GEMINI.md에는 다음과 같은 내용을 정의합니다.
- 프로젝트 목표
- 개발 규칙
- 사용 기술 스택
- 참고 문서
- 개발 시 준수해야 하는 사항
예를 들어 다음과 같은 내용을 정의할 수 있습니다.
- Google ADK 사용
- React 기반 UI 개발
- FastAPI 사용
- Cloud Run 배포
- Agent Runtime 활용
- BigQuery 연동
Antigravity 환경에서는 프로젝트를 열 때 GEMINI.md를 자동으로 읽어 프로젝트 컨텍스트로 활용합니다.
MCP(Model Context Protocol) 활용
MCP(Model Context Protocol)는 AI가 외부 시스템과 연결하여 필요한 정보를 가져올 수 있도록 지원하는 표준 인터페이스입니다.
개발 환경에서는 다음과 같은 MCP 서버를 활용할 수 있습니다.
- BigQuery MCP
- ADK Documentation MCP
예를 들어 BigQuery MCP를 연결하면 AI 에이전트는 다음과 같은 작업을 수행할 수 있습니다.
- 데이터셋 조회
- 테이블 구조 확인
- SQL 작성
- 비용 데이터 분석
즉, 개발자가 직접 SQL을 작성하지 않아도 AI가 BigQuery를 탐색하며 필요한 정보를 찾아 활용할 수 있습니다.
Google Agents CLI로 ADK 프로젝트 생성
Google Agents CLI는 ADK 프로젝트를 빠르게 생성하고 관리하기 위한 도구입니다.
주요 기능은 다음과 같습니다.
- 프로젝트 생성
- Agent Scaffold 생성
- 테스트 실행
- Playground 실행
- 배포
- 평가(Evaluation)
- 모니터링
초기 프로젝트 생성 후에는 다음과 같은 구조가 자동으로 생성됩니다.
- Agent 코드
- 테스트 코드
- Dockerfile
- 환경 변수
- 프로젝트 설정
- 배포 설정
이를 통해 반복적인 초기 작업을 크게 줄일 수 있습니다.
또한 Playground 기능을 이용하면 생성한 Agent를 웹 환경에서 즉시 테스트할 수 있어 개발 속도를 높일 수 있습니다.
Makefile로 반복 작업 자동화
프로젝트가 커질수록 자주 사용하는 명령어도 함께 늘어납니다.
예를 들어
- 의존성 설치
- 테스트
- 린트
- 코드 포맷팅
- Docker 빌드
등을 반복적으로 실행해야 합니다.
이를 Makefile로 관리하면 다음과 같은 간단한 명령만으로 작업을 수행할 수 있습니다.
make install
make test
make lint
개발자뿐 아니라 AI 에이전트도 Makefile을 활용하여 프로젝트 작업을 수행할 수 있으므로 협업 효율도 높아집니다.
setup-env와 direnv를 활용한 개발 환경 자동화
Google Cloud 기반 프로젝트에서는 인증과 환경 변수 설정이 반복적으로 필요합니다.
이를 위해 setup-env 스크립트를 구성하면 다음 작업을 자동으로 처리할 수 있습니다.
- 환경 변수 로드
- Google Cloud 인증
- ADC(Application Default Credentials) 설정
- 프로젝트 정보 설정
- Python 의존성 설치
- 가상환경 활성화
여기에 direnv를 함께 사용하면 프로젝트 디렉터리에 진입하는 순간 환경 설정이 자동으로 적용됩니다.
매번 인증이나 환경 설정 명령을 실행하지 않아도 되므로 개발 경험이 크게 향상됩니다.
마무리
Agentic 애플리케이션 개발은 단순히 AI 모델을 사용하는 것을 넘어 다양한 개발 도구와 플랫폼을 유기적으로 연결하는 과정입니다.
Google이 제공하는 Antigravity IDE, Google ADK, MCP, Agents CLI, Skills, GEMINI.md를 함께 활용하면 프로젝트 초기 구성부터 개발, 테스트, 배포까지 하나의 흐름으로 관리할 수 있습니다.
특히 프로젝트 컨텍스트 관리와 자동화 도구를 적극 활용하면 AI 에이전트가 프로젝트를 더 정확하게 이해하고 반복 작업을 줄여 개발 생산성을 크게 높일 수 있습니다. 앞으로 Agentic AI 기반 애플리케이션이 더욱 확대될 것으로 예상되는 만큼, 이러한 개발 환경을 미리 익혀두면 보다 효율적인 AI 서비스 개발에 도움이 될 것입니다.
Building an Agentic FinOps Platform — Development Environment Setup, Google Antigravity, MCPs and Skills, and ADK Bootstrappin
TL;DR — This article is going to be jam-packed with useful information, tips, tricks and hacks for...
dev.to
'인공지능' 카테고리의 다른 글
| 27B AI 모델을 휴대폰에서 실행하는 Bonsai 27B, 초저비트 압축으로 온디바이스 AI의 한계를 넘다 (0) | 2026.07.17 |
|---|---|
| Postgres 19 프로퍼티 그래프 이해하기: 관계형 데이터를 그래프처럼 조회하는 SQL/PGQ (0) | 2026.07.17 |
| Claude for Teachers: 미국 K-12 교사를 위한 AI 교육 지원 플랫폼 출시 (0) | 2026.07.17 |
| LiteRT.js로 브라우저에서 .tflite AI 모델 실행하기: WebGPU 기반 고성능 웹 AI 런타임 (0) | 2026.07.17 |
| Memvid란 무엇인가? AI 에이전트를 위한 단일 파일 기반 장기 메모리 시스템 완벽 정리 (0) | 2026.07.17 |
