에이전트 시스템을 구축하고 있다면 이미 패턴을 알고 있을 것입니다. 에이전트는 간단한 작업에서 강력하게 시작한 다음 복잡성이 커짐에 따라 무너집니다. 그들은 대화 중에 맥락을 잃습니다. 그들은 이미 했던 일을 반복합니다. 그리고 그들은 왜 그러한 결정을 내렸는지 설명할 수 없습니다. 누락된 부분은 더 나은 모델이 아닙니다. 더 좋은 추억이네요
오늘 우리는 Google Cloud의 에이전트 AI 시스템에 상황별 의사결정, 정확성, 완전한 추적성을 제공하는 일련의 기능을 발표합니다.
우리가 출시하는 것
이 릴리스에는 상담원에게 지속적인 지식 계층을 제공하기 위해 함께 작동하는 세 가지 영역이 포함됩니다.
Google Gemini Enterprise 및 ADK(에이전트 개발 키트)와의 긴밀한 통합.이제 Neo4j는 Google Cloud 에이전트 플랫폼용으로 특별히 제작된 참조 아키텍처 및 가이드를 통해 Gemini-Enterprise 기반 워크플로에 직접 연결됩니다. Agent Engine을 사용하여 Vertex AI에서 에이전트를 실행하든 ADK로 구축하든 Neo4j는 공식 MCP(Model Context Protocol) 서버를 통해 기본적으로 통합됩니다.
또한 A2A(Agent-to-Agent) 프로토콜을 통해 GraphRAG 기능과 Neo4j 에이전트를 Gemini Enterprise와 통합하여 에이전트 카드를 통해 직접 설치할 수 있습니다.
완전한 에이전트 메모리 API. The neo4j-agent-memoryPython, JavaScript, Go로 제공되는 패키지는 ADK-Agents에 직접 통합되어 Gemini Enterprise에서 사용할 수 있는 단기, 구조화된 장기 및 추론 메모리(예: 에이전트 추적, 도구 호출)를 에이전트에 제공합니다. 여기에는 의사결정 추적 및 컨텍스트 그래프가 포함됩니다. 이제 상담원은 자신이 수행한 작업을 자동으로 저장하고, 이를 통해 배우고, 필요할 때 검색할 수 있습니다. 기억은 또한 프로세스의 일부로 통합되고 정제됩니다.
MCP 및 Aura를 통한 Agentic GraphRAG.우리의 Aura 에이전트는 추론 엔진으로 Gemini를 기반으로 구축되었습니다. 이제 추가 프레임워크 없이 Aura 에이전트가 제공하는 MCP 엔드포인트를 통해 그래프 기반 검색을 사용하여 자체 다중 에이전트 시스템을 통합할 수 있습니다.
이것이 Google Cloud팀에 중요한 이유
이미 Google Cloud에서 실행하고 있다면 이러한 통합이 스택용으로 구축된 것입니다. Neo4j의 에이전트 기능은 Google의 MCP 통합을 통해 ADK에 연결됩니다. 즉, 에이전트, Vertex AI 워크플로, ADK 프로젝트는 이미 사용하고 있는 동일한 모델 및 인프라에 대해 개발 및 테스트된 지식 계층을 얻습니다. 맞춤 통합이 필요하지 않습니다. Google Cloud 환경에서 기대하는 방식으로 작동하는 도구입니다.
이것이 실제로 의미하는 바는 다음과 같습니다.
상담원이 더 나은 결정을 내립니다.그래프에 저장된 성공적인 의사 결정 추적을 바탕으로 매번 처음부터 시작하지 않습니다. 그들은 유사한 증류된 추론 경로를 찾아 재사용합니다. 이는 루프를 줄이고 대기 시간을 줄이며 토큰 사용량을 낮춥니다.
검색이 더욱 정확해집니다.지식 계층은 혼합 소스의 엔터티 의미 체계를 매핑하고 해결합니다. GraphRAG 검색 기능을 갖춘 에이전트는 단순히 벡터 유사성 검색만 수행하는 것이 아닙니다. 그들은 데이터의 실제 관계를 탐색하고 있습니다. 이것이 문서 조각을 찾는 것과 해당 내용을 이해하는 것의 차이입니다. 검색된 상황별 하위 그래프는 완료된 작업 또는 생성된 답변의 이유와 방법을 설명합니다.
모든 결정을 추적할 수 있습니다.추론, 도구 호출, 매개변수, 결과, 인과관계 사슬. 모든 정보는 그래프에 유지되며 그래프 알고리즘을 통해 분석, 스마트하게 압축 및 통합될 수 있습니다. 뭔가 잘못되거나 제대로 된 경우 무슨 일이 일어났고 왜 발생했는지 정확하게 추적할 수 있습니다. 재무, 의료 또는 법률 팀의 경우 이는 선택 사항이 아닙니다. 요구 사항입니다.
Google Cloud Stack과의 작동 방식
Neo4j는 A2A 프로토콜을 사용하는 Neo4j 에이전트를 통해 Gemini Enterprise 워크플로에 나타날 수 있습니다. Gemini Enterprise 최종 사용자 워크플로 및 상호 작용에 그래프 기반 검색을 대규모로 제공합니다. GraphRAG(그래프 순회를 통한 벡터/하이브리드 검색)를 얻을 수 있으며 자연어는 Cypher 그래프 쿼리로 직접 번역됩니다.
ADK를 사용하는 경우 Neo4j MCP 서버는 기존 Vertex AI 호스팅 A2A 에이전트 및 서비스 내에서 검색을 위한 MCP 도구 세트로 등록됩니다. 동일한 기능, 더 높은 수준의 프로토콜.
또한 Google Cloud의 AuraDB를 사용하면 컨텍스트 그래프, 에이전트 메모리, 그래프 기반 검색을 지원하는 완전 관리형 그래프 데이터베이스를 얻을 수 있습니다. 관리할 인프라가 없습니다.
시작하기
Google Cloud를 기반으로 구축하고 있다면 지금 바로 에이전트에 지식 레이어를 추가할 수 있습니다.
- 이미 Vertex AI 워크플로를 실행하고 있나요? MCP를 통해 ADK 에이전트에서 Neo4j를 사용하고 몇 분 안에 에이전트에 그래프 기반 검색을 제공하세요.
- Gemini 기반 에이전트에 메모리를 추가하고 싶으십니까? 설치하다
neo4j-agent-memory세션 전반에 걸쳐 세 가지 유형의 에이전트 메모리를 패키징하고 유지하기 시작합니다. - ADK를 탐색하거나 새로운 것을 구축하고 계십니까? 다음에서 Google Cloud 통합 가이드를 확인하세요.neo4j-labs/neo4j-에이전트-통합참조 아키텍처 및 작업 예제를 확인하세요.
- ADK 및 Google Gemini Enterprise 통합에 대해 자세히 알아보려면 문서를 읽어보세요.
모든 것을 다시 설계하지 않고 Google Cloud 스택에 지식 레이어를 추가하려는 경우 이 기능을 사용해 보고 무엇을 빌드하는지 알려주세요.
- 에이전트 AI
- 지식 그래프
- mcp