LY가 Google ADK로 싱글·멀티 에이전트를 만들어 Jira·Confluence와 MCP로 통합한 실습
LY Corporation Orchestration 길드가 사내 AI 에이전트 활용의 개인 의존·지식 사일로 문제를 해소하기 위해 ADK·MCP·순차 멀티 에이전트 워크숍을 핸즈온으로 진행, 약 2,000명 참여 + 사후 활용 의향 약 87%
요약
LY Corporation Orchestration 길드가 두 번째 사내 워크숍에서 Google ADK(Agent Development Kit) + MCP를 핸즈온 형식으로 풀어 약 2,000명에게 싱글 에이전트 → MCP 사내 시스템 연동 → ADK 순차 멀티 에이전트 기반 '프로젝트 추적기'까지 단계적으로 체험. 설문에서 이미 활용 중 약 19%, 가까운 시일 내 적용 예정 68.2%로 사후 활용 의향이 약 87%까지 모임.
내용
LY Corporation은 Jira·Confluence 등 사내 시스템에 글로벌 기술 기업 특성상 문서가 분산돼 검색이 어렵고, 세부 규정·가이드라인 같은 이해 난도 높은 문서가 많아 AI 보조 수요가 높음. 회사 차원에서는 향후 3년 내 업무 생산성 2배 목표 아래 AI 활용을 추진 중.
확산 과정에서 새로 드러난 문제:
- Cline·Claude Code 같은 로컬 AI 도구가 개인 단위로만 쓰여 적극 사용자와 미사용자 간 격차 발생, 지식 사일로화
- 팀 내 공통 과제에 여러 사람이 각자 프롬프트를 만들고 최적화하는 중복
- 멀티 에이전트 개념을 모르는 채 싱글 에이전트 한계에 부딪혀 활용을 포기하는 사례
해결을 위해 다음 세 가지를 조직 차원에서 이해해야 한다고 판단 — 싱글/멀티 에이전트 개념과 장단점, 팀 단위 지식 공유(중앙 호스팅), MCP 기반 사내 시스템 연계. 이론만으로는 한계가 있어 실습형 워크숍 구성.
해결 / 접근
워크숍 구성 — 이론·실습 반복
이론 → 실습 → 이론 → 실습으로 난이도를 점진적으로 올리는 흐름. 시간 제약 안에서 체험을 최우선으로, 이론 설명 최소화.
이론 1: 싱글 vs 멀티 에이전트
- 싱글: 단일 LLM, 개발 비용 낮음. 복잡 문제·고전문성 대응에 한계
- 멀티: 복잡 문제 대응력·작업 최적화 수준 높음. 토큰 사용량 증가, 개발 복잡도, 사용량 제한 주의
이론 2: ADK 개요
Google ADK는 에이전트 동작 정의 + 멀티 에이전트 구현용 오픈소스. Python/Java/Go 지원. Python 함수를 정의하면 에이전트가 도구로 인식해 실행. 팀 단위로 에이전트를 구축·호스팅·공유하면 팀원 개별 프롬프트 조정 부담 감소.
실습 1: 싱글 에이전트
- ADK 기본 에이전트 체험
- ADK 웹 UI 실행, 브라우저에서 에이전트 실행
- 프롬프트 변경으로 에이전트 동작 조정
- Python 함수를 도구로 호출
핵심 — 인스트럭션으로 응답 제어, 단순 Python 코드의 도구 통합 용이성 체감.
이론 3: MCP
MCP(Model Context Protocol)는 LLM과 외부 시스템 연결용 오픈소스 표준 프로토콜. 사내에서는 Jira·Confluence 등에 MCP로 연결 준비. 도구를 너무 많이 부여하면 프롬프트가 비대해져 응답 지연·정확도 저하 → 멀티 에이전트로 컨텍스트 분리하는 방법도 같이 소개.
실습 2: MCP 사내 시스템 연계
간단한 에이전트에 MCP 설정. 도구 제공만으로는 부족하고 프롬프트가 적절해야 LLM이 도구를 활용함을 직접 확인.
실습 3: ADK 순차 멀티 에이전트로 '프로젝트 추적기'
Jira에서 관리되는 프로젝트 진행 상황을 분석해 종합 리포트를 만드는 멀티 에이전트. ADK SequentialAgent로 4단계 구성:
in_progress_analyzer— 진행 중 작업 분석 (MCP Jira)todo_analyzer— todo/미시작 작업 분석, 우선순위·의존성 (MCP Jira)report_generator— 이전 단계 분석 합성, 마크다운 리포트translate_agent— 지정 언어로 번역
root_agent = SequentialAgent(
name="PROJECT_tracker_system",
sub_agents=[
in_progress_analyzer_agent,
todo_analyzer_agent,
report_generator_agent,
translate_agent,
],
)
복잡한 워크플로도 순차 에이전트로 분해해 구현하기 쉬워진다는 점 체감. 스프린트 계획 시 진행 확인이나 진척 보고서 자동화 등 실무로 확장 가능.
결과 / 참고
워크숍 직후 설문 (참여 약 2,000명):
| 응답 | 비율 |
|---|---|
| 이미 지속적으로 활용 | 1.7% |
| 이미 일부 시도함 | 17.4% |
| 가까운 시일 내 시도 예정 | 68.2% |
| 시도 계획 없음 | 10.0% |
| 기타 | 2.7% |
- 이미 활용 단계 약 19%, 단기 시도 의향 68.2% — 사후 적용 의향 약 87%
- 작성 주체: LY Corporation FKE(사내 Kubernetes as a Service) 팀 / Orchestration 길드 Inoue Shuichi (2024년 4월 신입 입사)
- Orchestration 길드는 CTO가 선발한 엔지니어로 구성된 사내 커뮤니티
- 추천 단계: 싱글 에이전트 → 도구 연동 → 팀 내 작은 문제 해결 → 멀티 에이전트 → 지식 공유 확산
- 출처: LY Corporation Tech Blog (Orchestration Development Workshop #2)