🔧 ADK Built-in Tools 종류별 역할 정리
ADK의 Built-in Tools는 에이전트가 별도 구현 없이 바로 사용할 수 있는 기본 기능 세트입니다.
목적은 “기본적인 외부 액션(검색, 코드 실행, 클라우드 데이터 조회 등)”을 빠르게 붙여서 실전형 Agent를 만들 수 있게 만드는 것.
각 종류별 핵심 역할은 아래와 같습니다.
✅ 1. Google Search
역할:
- Gemini 모델이 실시간 웹 검색을 수행할 수 있도록 하는 툴
- 뉴스, 최신 정보, 제품 정보 등 실시간 데이터 필요시 필수
- Gemini 응답에 검색 결과 기반의 grounding이 적용됨
- Search suggestions(검색 제안)이 포함되면 앱에서 반드시 표시해야 함(정책)
사용 상황 예:
- “최신 AI 뉴스 알려줘”
- “2025년 테슬라 모델 변화 알려줘”
- “피츠버그 근처 중고차 가격 트렌드 알려줘”
✅ 2. Code Execution (BuiltInCodeExecutor)
역할:
- Gemini가 생성한 코드를 실제로 실행해주는 툴
- 파이썬 코드 계산, 데이터 처리, 알고리즘 테스트 가능
- 서버 측 Sandbox 환경에서 안전하게 실행
사용 상황 예:
- Math 계산
- 작은 DataFrame 분석
- 이미지 처리/파일 처리
- 짧은 시뮬레이션
👉 Gemini 2 모델과 함께 사용해야 작동
✅ 3. GKE Code Executor
역할:
- GKE(Google Kubernetes Engine)에서 실행되는 확장형 코드 실행 환경
- 복잡하거나 무거운 연산을 “agent → GKE 컨테이너”로 보내 실행
- Vertex Code Interpreter Extension 기반
사용 상황 예:
- 대규모 데이터 분석
- 복잡한 시각화
- GPU 연산 포함한 무거운 작업
- ML inference + 대용량 파일 처리
✅ 4. Vertex AI RAG Engine
역할:
- Vertex AI RAG(검색·생성 파이프라인)를 Agent에 바로 붙여주는 빌트인
- 내부 문서/위키/메뉴얼/사내 PDF에 대한 검색 + 생성
지원 기능:
- RAG 검색
- RAG grounding
- Long-context 최적화
사용 상황 예:
- “우리 회사 안전규정에서 PPE 요구사항 찾아줘”
- “스틸 밀 정비 매뉴얼에서 Bearing failure troubleshooting 요약해줘”
✅ 5. Vertex AI Search
역할:
- 회사 내부 문서 저장소를 검색하는 전문 검색 엔진
- 기업용 검색(정책, 매뉴얼, 내부 문서)에 특화
- Data Store ID 필요
차이점 (RAG Engine vs Vertex Search):
- RAG Engine → 검색 + 생성까지 AI 파이프라인
- Vertex AI Search → 고성능 문서 검색 엔진
사용 상황 예:
- “정비기록 데이터베이스에서 2023년 냉각수 펌프 사고 건 조회해줘”
✅ 6. BigQuery
역할:
- BigQuery 데이터에 쿼리를 실행할 수 있는 툴
- 실시간 데이터 분석 수행 가능
사용 상황 예:
- 생산 데이터 분석
- 정비 이력 조회
- 품질 데이터 요약
- 결함률 계산
✅ 7. Spanner
역할:
- Google Cloud Spanner(DB)에 SQL 쿼리 수행
- 금융/제조/엔터프라이즈 구조화 데이터 처리 가능
사용 상황 예:
- 글로벌 DB에서 데이터 조회
- 정비 일정 관리 테이블 조회
- 센서 로그 테이블 row count 조회
✅ 8. Bigtable
역할:
- Google Cloud Bigtable의 대규모 시계열 데이터 조회
- 센서 데이터 / 로그 기반 시스템에 적합
사용 상황 예:
- 공정 센서 실시간 데이터
- IoT 로그
- 설비 vibration/wear 데이터 조회
⚠️ 중요한 제한사항
문서에도 명시되어 있듯이:
👉 한 에이전트는 Built-in tool을 한 개만 사용 가능
예:
- ❌ Search + Code Execution을 한 Agent에 동시에 넣을 수 없음
- 대신 AgentTool로 여러 에이전트를 상위 에이전트가 호출하는 방식은 가능
🎯 요약 테이블
Tool주요 역할특징
| Google Search | 실시간 웹 검색 | Gemini grounding 포함 |
| Code Execution | 파이썬 코드 실행 | Sandbox, 논리/계산/데이터 처리 |
| GKE Code Executor | 대규모·고성능 코드 실행 | GKE 기반 확장 가능 |
| Vertex AI RAG Engine | 사내 문서 RAG 파이프라인 | 검색+생성 통합 |
| Vertex AI Search | 사내 문서 검색 | 기업 문서 엔진 |
| BigQuery | 데이터 웨어하우스 쿼리 | SQL 실행 |
| Spanner | 글로벌 DB 쿼리 | 트랜잭션 가능 |
| Bigtable | 시계열/대규모 로그 조회 | IoT·센서 데이터 |
'🧠 AI, 인공지능 > AI & 머신러닝 초보 가이드' 카테고리의 다른 글
| [인공지능 핵심 노트] 어텐션(Attention)과 디포머블 어텐션(Deformable Attention) (0) | 2026.02.20 |
|---|---|
| [Vision] XMem (Video Object Segmentation) (0) | 2025.10.04 |
| [Vision] SAM (Segment Anything Model) 모델 (0) | 2025.10.04 |
| [환경구축] 2. Docker 환경에서 Ubuntu 설치하기 (0) | 2025.09.13 |
| [환경구축] 1. Docker 설치하기 (맥북 M4 기준) (0) | 2025.09.12 |