구글 인터랙션 API 정식 출시 정리: 제미나이 모델·에이전트를 단일 API로 호출하기

핵심 메시지

• 인터랙션 API가 정식 출시(GA)되어 제미나이 계열 모델과 에이전트를 하나의 인터페이스로 호출할 수 있게 됐다.
• 동기 호출로 즉시 응답을 받을 수도 있고, 원격 환경에서 여러 단계가 필요한 작업을 에이전트에게 맡길 수도 있다.
• 상태를 유지하는 API라서 이전 상호작용 ID만 넘기면 앞선 맥락 위에 작업을 이어갈 수 있다.
• 이미지·음악·음성 생성과 심층 리서치가 같은 API 안에 들어와 있어, 기능별로 다른 엔드포인트를 붙일 필요가 줄었다.
• 코딩 에이전트용 스킬이 함께 제공돼, 개발 환경에 설치해두면 에이전트가 이 API 사용법을 알고 코드를 작성한다.

쉽게 이해하기

구글이 인터랙션 API를 정식 출시했다. 핵심은 통합이다. 제미나이 계열의 여러 모델과 에이전트를 각각 다른 방식으로 붙이는 대신, 하나의 API로 접근하게 만든 것이 이 발표의 요지다.

호출 방식은 두 갈래다. 모델과 상호작용을 만들어 동기적으로 응답을 받는 단순한 경로가 있고, 설치와 설정처럼 여러 단계를 거쳐야 하는 어려운 작업을 원격 환경의 에이전트에게 통째로 맡기는 경로가 있다. 후자도 API 호출 한 번으로 시작된다.

가장 최근 추가된 매니지드 에이전트에서는 백그라운드 실행이 지원되고, 내장 도구와 개발자가 만든 도구를 섞어 쓸 수 있다. 백그라운드에서 돌릴 수 있다는 성질 덕분에 오래 걸리는 심층 리서치도 이 API 안에서 처리된다. 여기에 이미지 생성 모델, 음악 생성, 음성 합성까지 같은 창구로 묶였다.

발표자는 에이전트 우선 생태계라는 점을 강조하며 실제 시연을 보여준다. 코딩 에이전트가 붙은 IDE에 인터랙션 API용 스킬을 프로젝트 단위로(혹은 전역으로) 설치하면, 에이전트가 이 API의 사용법을 참조해 애플리케이션을 만들어낸다. 시연에서는 사진과 음성 프롬프트를 받아 이미지를 반복 편집하는 앱을 요청했고, 에이전트가 통합 계획과 서버 코드를 생성했다.

동작 흐름 자체가 API의 성격을 잘 보여준다. 이미지 생성 모델이 음성을 입력으로 받지 못하기 때문에, 먼저 플래시 계열 모델로 음성을 텍스트로 옮긴 뒤 그 텍스트로 이미지를 편집한다. 두 단계 모두 같은 인터랙션 API를 통과한다.

주요 인사이트

• 두 번째 편집부터는 이미지를 다시 올리지 않고 이전 상호작용 ID만 넘긴다. 상태를 서버가 들고 있으니 클라이언트가 대화 맥락을 직접 관리할 부담이 줄고, 캐시된 토큰을 재사용하는 이점도 생긴다.
• 이전 상호작용 ID를 지정한다는 것은 특정 시점으로 돌아가 다른 방향으로 가지를 치는 것도 가능하다는 뜻이다. 편집 이력을 선형이 아니라 트리로 다룰 수 있다.
• 다만 맥락 유지가 일관성을 보장하지는 않는다. 시연에서 모자와 같은 초록색을 기대하며 셔츠 색을 바꿨지만 다른 초록색이 나왔고, 발표자도 그 자리에서 결과가 다르다는 점을 인정했다.
• API 사용법을 문서가 아니라 '스킬' 형태로 배포해 코딩 에이전트가 읽게 하는 방식은, 개발자 도구의 배포 대상이 사람에서 에이전트로 확장되고 있음을 보여주는 사례다.
• 멀티모달 조합이 자동으로 해결되지는 않는다. 음성으로 이미지를 편집하려면 여전히 전사 단계를 개발자가 설계해 끼워 넣어야 한다.

자주 묻는 질문

관련 AI 소식