Antigravity의 원격 에이전트, 클라우드 VM에서 도는 대신 잃는 것

Antigravity 팀이 직접 쓴 기능 설명이 가장 좋은 요약이다. 작업이 독립된 클라우드 가상 머신에서 돌아가므로, 작업을 던지고 커피를 마시러 나가고, 휴대폰에서 권한을 풀고, 돌아오면 테스트가 통과한 깨끗한 풀 리퀘스트가 있다.
버전 2.29는 11월 3일 배포를 시작했고, 팀은 11월 6일 원격 에이전트를 공개적으로 확인했다. 변경 이력에는 22개 항목이 있고, 중요한 두 가지는 원격 에이전트와 Gemini Live 기반 음성 모드다.
이 전환은 과소평가하기 쉽다. 코딩 에이전트는 이 범주가 생긴 이후 줄곧 로컬 소프트웨어였다. 파일을 읽고, 테스트를 돌리고, 도구를 쓰고, 노트북 덮개를 닫으면 멈춘다. 실행을 관리형 VM으로 옮기면 제품의 정체가 바뀌고, 에이전트 능력 중 무엇이 애초에 모델 안에 없었는지도 드러난다.
원격 에이전트, 그리고 그것이 아닌 것
Antigravity에는 이미 Remote Control이라는 기능이 있었고, 자기 워크스테이션에서 도는 에이전트를 다른 기기에서 조작한다. 워크스테이션은 계속 켜져 있어야 한다. 원격 에이전트는 다른 것이다. 세션과 도구가 격리된 Google 관리 환경에서 실행되므로 노트북이 잠들어도, 브라우저를 닫아도, 데스크톱에서 휴대폰으로 옮겨도 작업이 계속된다.
세션은 데스크톱 앱, antigravity.google.com 웹, 또는 CLI의 `agy --remote-agent`로 시작할 수 있다. CLI는 버전 1.4.12 이상이 필요하다.
원격 프로젝트는 리소스를 붙인다. GitHub 저장소는 OAuth를 거쳐 클론되고 마운트된다. Google Drive 파일은 요청 시 읽는다. 파일을 직접 올릴 수 있고, 개당 8MiB, 50개, 프로젝트당 100MiB, 계정당 2GiB까지다. 자격 증명은 저장 시 암호화된다고 Google은 말한다. GitHub, Drive, Docs, Sheets, Slides, Calendar용 플러그인이 OAuth로 연결된다.
이 업로드 한도가 작다는 점이 기능의 용도를 규정한다. 파일당 8MiB는 스크립트에는 충분하고 데이터셋에는 쓸모없다. 저장소 작업과 문서 작업을 위한 에이전트이고, 데이터 엔지니어링용이 아니다.
자격 조건 줄이 흥미로운 줄이다
원격 에이전트는 Google AI Pro와 Ultra 개인 계정에서 쓸 수 있다. 무료 등급은 아니다. Google AI Plus도 아니다. Workspace나 Google Cloud 기업 계정도 아니다.
뻔한 고객이 개발팀인 기능에 마지막 제외는 이상하다. 팀 요금제라면 공유 프로젝트, 감사 추적, 접근을 회수할 수 있는 관리자가 필요하다. Google은 소비자용을 먼저 냈다. 조달이 아니라 제품을 시험하는 개인 개발자에 최적화하고 있다는 뜻이다.
즉 '깨끗한 풀 리퀘스트로 돌아오는' 워크플로는 당분간 개인 워크플로다. 에이전트는 개인 구독 아래 Google 관리 VM에서, 자기 GitHub 계정으로 승인한 저장소를 상대로 일한다.
클라우드에서 잃는 것
원격 모드에서 쓸 수 없는 기능 목록이 문서에서 가장 정보량이 많은 부분이다. print 모드, 코드 검색, `/diff`, `/rewind`, 음성 받아쓰기, 그리고 로컬에 설치한 MCP 서버와 플러그인, skills다.
마지막 묶음을 다시 읽어보자. MCP 서버와 플러그인, skills는 특정 기업에서 코딩 에이전트를 유용하게 만드는 것의 큰 몫이다. 사내 API 스키마, 배포 스크립트, 런북, 스타일 가이드, 마이그레이션 체크리스트. 모두 로컬에 있고 개발자가 설치하며, 흔히 클라우드 VM이 닿지 못하는 사내 엔드포인트를 가리킨다.
그래서 이 기능은 깔끔한 분할과 함께 나온다. 클라우드 에이전트는 저장소와 공용 인터넷, 모델의 일반적 역량을 얻는다. 로컬 도구는 얻지 못한다. 새로 시작하는 작업에는 괜찮다. 컴파일에 사내 빌드 래퍼가 필요한 지저분한 저장소에서는 지능과 무관한 벽에 부딪힌다.
과도기적 문제이고 곧 풀릴 것이다. 아마 팀이 승인된 MCP 서버와 skills를 원격 프로젝트에 게시할 수 있게 하는 방식으로. 그때까지 원격 에이전트의 정직한 설명은 이렇다. 코드와 셸만 있으면 되는 과제에는 뛰어나고, 내 기계의 설정이 필요한 과제에는 제한적이다.
권한 채널로서의 음성
음성 모드는 Gemini Live에서 돌고, 받아쓴 텍스트가 아니라 목소리를 직접 듣기 때문에 문장 중간에 끼어들어도 적응한다. 계획을 말하고, 변경을 조종하고, 권한을 소리 내어 승인할 수 있다. 음성과 재생 속도는 설정할 수 있고, 모드는 로컬 대화로 제한된다.
중요한 것은 예외 조항이다. 일상적 권한은 음성으로 승인할 수 있지만 파괴적 작업은 안 된다.
합리적인 선이고, 마찰이 실제로 어디 있는지 드러낸다. 40분 도는 에이전트는 명령을 실행해도 되는지, 패키지를 설치해도 되는지, 파일을 지워도 되는지 몇 번씩 멈춰 묻는다. 멈출 때마다 사람은 문맥을 전환한다. 음성 승인은 지루한 것의 전환을 없애고, 해로울 수 있는 것에는 물리적 동작을 남긴다.
내세운 목표는 통화에서 동료와 말하듯 에이전트와 말하는 것이다. 음성 인식은 쉬운 부분이다. 통화 중인 동료는 'Postgres로 바꿔'라고 들으면 계획을 다시 짜지만, 에이전트는 지시가 루프의 맞는 순간에 도착해야 한다.
같은 주의 나머지도 같은 방향으로 움직였다
Cursor는 Build Live Apps를 내놨다. 설명을 받아 Postgres 데이터베이스와 인증, 보안 스캔을 갖춘 호스팅 웹앱을 만들고, SSO가 붙은 공유 링크 뒤에 배포한다. Cursor는 자사 팀이 대시보드와 사내 운영 도구, 온보딩 포털에 쓴다고 말한다. 흥미로운 결과는 배포 단계가 더 이상 단계가 아니게 된다는 것이다.
LangChain은 Deep Agents에 비동기 서브에이전트를 더했다. 백그라운드 작업을 시작하고 확인하고 갱신하고 취소하고 나열하는 다섯 도구가 있다. 실행 중인 작업에 대한 갱신은 중단 후 재시작하는 방식이 'Postgres로 바꿔' 같은 교정에 맞고, 현재 실행이 끝날 때까지 큐에 넣는 방식이 '끝나면 테스트 돌려' 같은 추가에 맞다. 끝나지 않은 작업은 오케스트레이터의 시스템 프롬프트에 나열되고, 끝난 서브에이전트는 다음 모델 호출 전에 회수되거나 새 실행으로 오케스트레이터를 깨운다.
서로 다른 세 팀, 같은 발상의 세 구현. 에이전트는 계속 도는 서비스가 되고, 사람은 들어왔다 나가며 승인하는 역할이 된다.
배관은 거의 풀렸다
조각을 맞추면 구조가 보인다. 하드웨어보다 오래 사는 클라우드 VM에서의 실행. 중단과 큐의 의미론을 명시한 서브에이전트 오케스트레이션. 생성의 부산물로서의 배포. 승인 채널로서의 음성. 조작면으로서의 휴대폰.
풀리지 않은 것은 이 모든 것이 전제로 삼는 것, 권한 확인이다. 이 시스템들은 모두 사람이 하루에 수십 번, 자율 프로세스가 되돌릴 수 없는 행동을 해도 되는지 결정한다고 가정한다. Google의 답은 승인을 싸게 만들고 파괴적 작업에는 필수로 남기는 것이다. 옳은 기본값이고, 동시에 그 판단을 에이전트에게 맡기는 사람은 없다는 고백이기도 하다.
이 문제의 다음 버전은 정책 계층이다. 무엇을 묻지 않고 허용할지 규칙을 저장소와 환경, 시간 창으로 범위를 정하고 감사 로그를 붙인다. 그것이 존재하기 전까지 '작업을 던지고 떠나기'는 이상한 일이 생기지 않는 한 정확히 작동한다. 데모에서 작동한다는 말과 같다.
관련 글
NVIDIA, 월드 모델 'Cosmos 3' 파생 4종과 디코딩 프레임워크 'VFlash' 잇달아 공개
NVIDIA는 11월 5일 16B Cosmos 3 Nano를 전문화한 체크포인트 네 종을 OpenMDW1.1로 공개하고 학습 레시피와 추론 코드를 함께 내놨다. 다음 날에는 기하 출력을 병렬 생성하는 디코딩 프레임워크 VFlash를 발표했다.
GitHub 트렌드 4분의 1이 '에이전트 skills'…설치 방식은 네 갈래로 갈렸다
11월 8일 GitHub 데일리 트렌드 15건 가운데 4건이 에이전트 skills 저장소였다. 형식은 `SKILL.md`와 YAML 프런트매터로 단순하지만, 설치 경로는 네 제품에서 제각각이고 중복이 우선순위 문제를 만든다.
Thinking Machines 'Inkling 2 Small', 594B 희소 MoE로 86.3%…가중치는 여전히 '다음 주'
Thinking Machines는 11월 5일 총 594B, 토큰당 17B 활성의 희소 MoE 'Inkling 2 Small'을 발표했다. SWE-Bench Pro v2 Hard에서 86.3%를 기록했고 Apache 2.0 가중치는 출시 일주일 뒤로 예고됐다.
OpenAI, 실험실 업무 벤치마크 공개…최고 모델도 66.7% 그쳐
OpenAI는 11월 6일 효소 설계 기업 Ligo와 함께 습식 실험실 업무 벤치마크 BioBasicsBench를 공개했다. 최고 추론 설정의 GPT-6 Astra도 배점의 66.7%에 그쳤고, 구체적인 실패 사례도 함께 내놨다.