Spotify의 멀티 에이전트 광고 캠페인 자동 설계 시스템

요약

Spotify의 광고 캠페인 설정은 목표, 타겟팅, 예산, 일정 등 20개 이상의 필드를 수동으로 입력해야 했고, 미디어 플랜 생성에 1530분이 소요되었습니다. 자연어 13문장으로 이 과정을 대체하는 멀티 에이전트 시스템을 Google ADK + Gemini 2.5 Pro로 구축한 과정에 대한 글입니다.

인사이트

• 에이전트 경계를 어디서 나눌지가 설계의 핵심 — 너무 많으면 지연시간/조율 오버헤드 증가, 너무 적으면 모놀리식 유지보수 난제. 원칙: 별개 스킬 또는 데이터 소스당 1개 에이전트
• LLM에 실제 데이터(지역 목록, 광고 카테고리, 과거 캠페인 성능)에 접근하는 도구를 제공해야 환각 방지 가능
• 프롬프트 엔지니어링을 소프트웨어 엔지니어링처럼 다뤄야 함 — 버전 관리, 테스트, 출력 형식 명시, 프롬프트와 파싱 양쪽에 가드레일 구축

해결

1. 라우터 + 4개 특화 에이전트

• RouterAgent: 불필요한 LLM 호출 방지, 조건부 에이전트 실행
• GoalResolver(캠페인 목표), AudienceResolver(타겟팅), BudgetAgent(예산 파싱), ScheduleAgent(일정 파싱)
• 병렬 실행으로 응답 지연 3~5초

2. MediaPlannerAgent — 과거 성능 기반 추천

• 수천 캠페인의 과거 CPM/CPC/CPI, 배달률, 인구통계 중복도를 기반으로 최적 광고 세트 추천
• 예산 구간별 추천 개수 자동 조정 (€01K: 1개, €15K+: 45개)

3. 설계 트레이드오프

• 메모리 캐시 선택 (DB 대비 지연시간 최소화, 주기적 갱신)
• 초기 단순성을 위해 동기식 선택, SSE 스트리밍은 후속 과제

결과

미디어 플랜 생성 시간 1530분 → 510초. 입력 필드 20+ → 자연어 1~3문장으로 대체.