구글, AI 에이전트 협업 ‘팀워크’ 성과 공개

구글이 여러 AI 에이전트가 장시간 협업하는 Antigravity의 ‘Teamwork’ 업데이트와 Gemini 3.7 Flash를 결합한 연구·엔지니어링 성과를 공개했습니다. 에이전트들이 서로 작업을 나누고 비판하며 결과를 다듬는 방식으로 수학 문제 풀이부터 CPU 시뮬레이터 개발까지 수행했다는 설명입니다.

AI 에이전트가 팀을 꾸려 장기 과제 수행

구글이 8월 31일 공개한 Teamwork 업데이트는 자율 AI 에이전트 여러 개가 하나의 팀처럼 협업하도록 만든 프레임워크입니다. 각 에이전트는 역할을 나눠 작업하고, 다른 에이전트의 결과를 비판하거나 수정하며, 복잡한 과제를 수 시간에서 수일에 걸쳐 반복해서 해결합니다.

Antigravity 문서에서는 대규모 프로젝트, 여러 파일에 걸친 코드 리팩터링, 복잡한 연구를 Teamwork의 활용 대상으로 안내합니다. 이번 발표에서는 이 오케스트레이션 구조에 Gemini 3.7 Flash를 결합해 연구와 엔지니어링 작업 속도를 높였다고 설명했습니다.

Gemini 3.7 Flash 하나가 독립적으로 모든 문제를 푼 것이 아니라, Antigravity Teamwork가 여러 에이전트의 작업과 검토 과정을 조율한 결과입니다.

수학 난제부터 CPU 시뮬레이터까지

구글에 따르면 이 시스템은 FOCS와 JMLR 등에서 다뤄진 수학·이론 컴퓨터과학의 미해결 문제 7개를 풀었습니다. 여기에는 40쪽이 넘는 증명과 Lean 검증을 포함한 크누스의 Cycles 추측, 희소 볼록 최적화, 증명 가능한 LLM 양자화, prefix-matrix factorization 문제가 포함됩니다. 이론 컴퓨터과학 문제 평가인 TCSBench에서는 71%를 기록했습니다.

시스템 엔지니어링 분야에서는 사이클 단위로 동작을 재현하는 비순차 실행 방식의 RISC-V CPU 시뮬레이터를 처음부터 제작했습니다. 이 시뮬레이터는 xv6 운영체제를 셸 화면까지 부팅했으며, 실제 하드웨어 기준값과 비교한 사이클 정렬 오차는 0.71%였다고 구글은 밝혔습니다.

오픈소스 작업에서도 실제 반영 사례가 나왔습니다. Eigen에는 SIMD 고속 처리 경로가 추가됐고, ParlayHash는 삽입 처리량이 2배로 늘면서 메모리 사용량이 25% 줄었다는 설명입니다.

개발 과정에서 달라질 수 있는 점

일반 이용자에게는 AI가 한 번의 질문에 답하는 도구를 넘어, 여러 단계가 필요한 작업을 팀 단위로 수행하는 방향을 확인할 수 있는 사례입니다. 개발자에게는 대규모 코드 수정이나 성능 분석처럼 조사·구현·검토가 반복되는 작업에 여러 에이전트를 배치할 가능성을 보여줍니다.

다만 이번 수치는 구글이 공식 발표한 결과입니다. 외부 환경에서도 같은 결과를 재현할 수 있는지, Teamwork를 이용할 수 있는 조건이 무엇인지, 실제 프로젝트에서 오류와 비용을 어떻게 관리할지는 별도로 확인해야 합니다. 연구 증명과 코드 변경 역시 사람의 검토 없이 그대로 사용할 수 있는 완성품으로 받아들이기는 어렵습니다.