카나나 앱 메이트 개발기

LLM의 문맥 이해와 생성 능력에 계획, 도구 호출, 메모리와 다른 Agent와의 협업을 더하면서 복잡한 실제 작업을 수행하는 Agent가 등장했다. 초기 Kanana는 LangGraph로 예측 가능한 workflow를 구성했지만 기능과 협업 구조가 늘수록 graph 결합도와 변경 영향, 장애 원인 추적 문제가 커졌다.

정적 LangGraph는 정해진 흐름에는 강하지만 새 기능을 넣을 때 전체 구조가 흔들리고, 복잡한 협업과 예외 대응에는 취약했다. 이를 범용 orchestrator와 각 도메인의 전문 Agent가 유기적으로 협업하는 구조로 바꾸고, 공통 통신·세션·관측 기능은 플랫폼이 책임지도록 경계를 다시 나눈다.

메이트 개발자가 인증·세션·메모리·streaming과 배포를 반복 구현하지 않고 prompt와 tool이라는 핵심 도메인 로직에 집중하도록 공통 플랫폼을 구축한다. Agent 간 메시지와 미디어 교환은 Google A2A 규격으로, 실행과 개발 도구는 ADK로 표준화하고 Langfuse 로그·평가·feedback loop까지 연결한다.

A2A와 ADK는 한 달에도 breaking change가 여러 번 생길 만큼 빠르게 변해 사람이 문서와 예제를 수동으로 따라가기 어렵다. AI-assisted coding으로 migration과 반복 구현 속도를 높이되, tutorial을 production에 옮길 때 생기는 품질·문서 parsing·평가 문제는 사람이 검증한다. 성숙한 정답이 없는 분야에서 팀의 prompt 역량과 실험 문화를 함께 키운다.