구글 ADK와 MCP로 Looker 데이터에 연결된 첫 AI 에이전트 만들기

핵심 메시지

• 데이터 모델링·거버넌스·시각화에 강한 Looker가 이제 AI 에이전트와 상호작용하도록 확장됐다.
• LLM을 Looker에 단순히 연결하는 데 그치지 않고, 잘 정의된 에이전트로 구체적인 기능(capabilities)을 지정하면 응답 품질이 좋아진다.
• 구글 규모에서 검증된 오픈소스 프레임워크인 ADK(Agent Development Kit)로 빈 상태에서 로컬 실행 앱까지 만든다.
• Looker 자격증명을 환경변수로 보호하고, tools.yaml에 소스와 도구를 정의해 LLM이 도구를 선택하도록 한다.
• ADK web으로 실행해 에이전트가 가진 도구를 확인하고, tools.yaml을 수정·재시작하면 사용할 도구를 늘릴 수 있다.

쉽게 이해하기

Looker는 데이터 모델링과 거버넌스, 시각화에 강점이 있는 도구다. 영상은 이 Looker의 기능이 이제 AI 에이전트와 상호작용하는 방향으로 확장되고 있다고 소개한다. 대규모 언어 모델(LLM)을 Looker에 연결하면, 잘 정의된 에이전트가 있을 때 더 견고한 응답을 내놓을 수 있다는 것이다. 핵심은 단순 연결이 아니라 특정 기능을 명확히 지정하는 데 있다.

이 실습은 구글의 오픈소스 프레임워크인 ADK(Agent Development Kit)를 활용한다. 목표는 빈 상태에서 시작해, 기업 데이터에 기반하고 사전 제작된 Looker AI 도구를 쓸 수 있는 로컬 실행 앱을 만드는 것이다. 전체 흐름은 Looker API 자격증명 확보, 파이썬 환경 설정과 ADK 설치, tools.yaml로 Looker 도구 정의, MCP toolbox for databases를 통해 Looker와 상호작용하는 ADK 에이전트 생성, 그리고 ADK가 제공하는 웹 도구로 에이전트가 LLM에 보이는지 테스트하는 순서로 이어진다.

먼저 Looker에서 MCP 서버가 대신 동작할 수 있도록 자격증명을 발급받는다. 계정에서 직접 키를 관리하며, 키 관리 옵션이 보이지 않으면 관리자에게 확인해야 한다. 인증에는 Looker 클라이언트 ID와 클라이언트 시크릿이 필요하고, 이를 진행 전에 환경변수로 안전하게 보관한다. 로컬 개발은 UV 패키지 매니저의 파이썬 가상환경을 사용해 프로젝트 디렉터리를 만들고 가상환경을 생성·활성화한 뒤 Google ADK와 필요한 추가 도구를 설치한다.

에이전트는 'ADK create' 명령으로 만들며, 이때 에이전트 파이썬 파일과 환경 파일, 초기화 파일이 생성된다. 사용할 도구는 프로젝트 디렉터리에 tools.yaml 파일을 만들어 정의한다. sources 키 아래에 kind를 Looker로 한 소스를 만들고 base URL(필요 시 포트 포함)과 환경변수에서 자격증명을 끌어오는 구문을 지정한다. tools 키 아래에는 데이터베이스 메타데이터를 가져오는 get_connections 같은 도구를 정의하고 명확한 설명을 단다. LLM은 이 설명을 보고 어떤 도구를 호출할지 판단한다.

이어 에이전트 파이썬 파일을 수정해 필요한 패키지와 도구, MCP 도구셋과 컨텍스트, 로컬 MCP 서버 실행에 필요한 서버 파라미터를 임포트한다. 표준 입출력 서버 파라미터로 Looker에 연결되는 MCP 서버를 정의하고, 사용할 도구셋과 함께 선택한 LLM을 쓰는 루트 에이전트를 만든다. 'ADK web'으로 실행한 뒤 '어떤 도구가 있느냐'고 물으면 처음에는 get_connections만 답하지만, tools.yaml에 다른 Looker 도구를 추가하고 재시작하면 두 개가 보인다. 이렇게 대시보드와 looks, explores를 가져오고 health analysis까지 수행하는 첫 에이전트 시스템을 구성하게 된다.

주요 인사이트

• AI 에이전트의 품질은 '연결' 자체보다 어떤 기능을 명확히 정의하느냐에 좌우된다.
• tools.yaml의 도구 '설명'은 단순 문서가 아니라, LLM이 올바른 도구를 고르는 판단 근거가 된다.
• 자격증명을 환경변수로 분리해 두는 것이 에이전트–데이터 연결의 기본 보안 단계다.
• MCP toolbox와 ADK를 함께 쓰면 기업 데이터(Looker)에 안전하게 접근하는 로컬 에이전트를 비교적 빠르게 구성할 수 있다.
• tools.yaml만 수정하고 재시작하면 에이전트가 쓰는 도구를 손쉽게 늘리거나 바꿀 수 있어 반복 실험이 쉽다.

자주 묻는 질문

관련 AI 소식