구글 오팔, 에이전트 워크플로 도입…도구·모델 알아서 고른다
구글 랩스가 워크플로 도구 '오팔(Opal)'에 에이전트 단계를 도입했다. 사용자가 모델을 직접 지정하지 않아도 에이전트가 목표에 맞춰 웹 검색이나 Veo 등 최적의 도구와 모델을 스스로 선택한다. 세션 간 메모리, 조건부 동적 라우팅, 추가 질문 대화 기능까지 지원해 단순한 일방향 파이프라인을 지능형 협업 흐름으로 바꿨다.

지금까지의 노코드 AI 워크플로는 매 단계마다 어떤 모델을 쓸지, 결과물이 어긋나면 어떻게 처리할지 사람이 일일이 지정해야 하는 번거로움이 있었습니다.
Google Labs는 2026년 2월 24일, 워크플로 및 미니 앱 제작 도구인 Opal에 새로운 에이전트 단계(agent step)를 추가하고 모든 사용자에게 공개했습니다.
이제 사용자는 생성(generate) 단계에서 개별 모델을 수동으로 고르는 대신 에이전트를 지정할 수 있습니다. 에이전트는 사용자가 설정한 목표를 스스로 분석해 정보 검색이 필요하면 웹 검색을 호출하고, 영상이 필요하면 Veo를 불러오는 등 적절한 모델과 도구를 알아서 조합합니다.
외신 보도에 따르면 이번 에이전트 기능의 기반에는 Gemini 3 Flash 모델이 적용되었습니다.
고정된 파이프라인에서 인터랙티브 파트너로
Google은 인테리어 디자인 앱을 예로 들어 변화를 설명했습니다. 이전의 Opal 기반 공간 디자인 앱은 방 사진을 올리고 원하는 스타일을 적으면 단순히 결과 이미지를 뱉어내는 단방향 구조였습니다.
하지만 에이전트 단계가 적용된 앱은 사용자와 협업하는 디자이너처럼 작동합니다. 빈 방 사진을 올리고 미드센추리 스타일을 요구하면 초안을 만든 뒤, 사용자의 피드백을 받아 세부 취향을 파악하고 필요 시 인터넷에서 틈새 디자인 양식까지 직접 조사해 결과물을 다듬습니다.
동화책 제작 역시 정해진 페이지 수에 맞추는 대신, 에이전트가 흐름에 필요한 세부 요소를 스스로 판단해 줄거리 방향을 먼저 제안합니다.
기억, 동적 분기, 그리고 자율적 되묻기
이번 업데이트는 에이전트의 자율성을 뒷받침하는 세 가지 핵심 기능을 제공합니다.
첫 번째는 세션 간 기억(Memory)입니다. 사용자의 브랜드 선호도나 스타일을 다음 대화에서도 기억하며, 테크크런치에 따르면 전자상거래 앱의 장바구니 목록처럼 구글 시트(Google Sheets)를 활용해 외부 데이터를 유지할 수도 있습니다.
두 번째는 동적 라우팅(Dynamic routing)입니다. 사용자가 조건을 지정해 두면 에이전트가 상황에 따라 경로를 바꿉니다. 브리핑 앱에서 미팅 상대가 신규 고객이면 웹을 검색해 배경을 조사하고, 기존 고객이면 내부 회의록을 검토하는 식입니다.
세 번째는 인터랙티브 대화(Interactive chat)입니다. 사용자의 입력이 불충분할 때 임의로 넘겨짚지 않고, 에이전트가 먼저 사용자에게 채팅으로 질문을 던지거나 선택지를 제공해 누락된 정보를 채웁니다.
Opal은 2025년 7월 미국에서 처음 출시된 이후 전 세계 160여 개국으로 확대되었으며, 2025년 12월에는 Gemini 웹 앱에 통합되면서 비개발자를 위한 대표적인 vibe-coding 도구로 자리잡아 왔습니다.
왜 중요한가
일반 사용자와 크리에이터 관점에서 이번 기능은 나만의 맞춤형 도구를 만드는 문턱을 획기적으로 낮췄습니다. 복잡한 if-then 논리를 짤 필요 없이, 기억력과 자율적인 되묻기 능력을 갖춘 비서를 말 몇 마디로 조립할 수 있어 지금 바로 시도해 볼 가치가 충분합니다.
업계 전반으로 보면 AI 오케스트레이션이 정적인 노드 연결에서 능동적 에이전트로 이동하는 흐름을 보여줍니다. 현재 Lovable, Replit, Emergent, Rocket.new 등 많은 스타트업이 자연어 기반 앱 빌더 시장에서 각축전을 벌이고 있습니다. Google은 검색, Veo, 구글 시트, Gemini 3 Flash라는 자체 생태계를 별도 연동 작업 없이 하나로 묶어 제공한다는 점에서 강력한 경쟁 우위를 확보했습니다.
우리는 Google이 전체 시스템을 통제 불가능한 블랙박스 에이전트로 바꾸지 않고, 기존의 고정 단계와 새로운 에이전트 단계를 혼합할 수 있게 설계한 점을 높게 평가합니다. 정밀한 제어와 자율적 판단의 균형을 잘 잡았기 때문입니다.
다만 판단 권한을 Gemini 3 Flash에 넘겨준 만큼, 다중 분기 조건이 복잡해질 때 에이전트가 의도를 잘못 해석해 불필요한 질문을 반복하거나 엉뚱한 도구를 실행해 비용과 시간을 낭비할 수 있다는 점은 여전히 해결해야 할 과제로 보입니다.
출처 (2)
- blog.google(새 탭에서 열림)원문blog.google
- techcrunch.com(새 탭에서 열림)보도techcrunch.com