에이전틱 AI로 전문가 팀 시뮬레이션: 초기 리서치 시간을 단축하다!
에이전틱 AI(Agentic AI)를 활용하여 여러 전문 분야의 기술적 질문에 대한 초기 리서치 및 종합 과정을 가속화하는 시스템 소개
Amazon Bedrock AgentCore를 기반으로, 7개의 AI 에이전트와 코디네이터를 통해 전문가 팀 구조를 모방한 멀티 에이전트 시스템 구축
시스템은 초기 리서치 시간을 단축하여, 인간 전문가가 검증 및 개선 작업에 집중할 수 있도록 지원하며, 초안 작성 시간 단축을 핵심 가치로 함
AWS Strands Agents를 사용하여 에이전트 구축, AgentCore Memory를 활용한 대화 연속성 제공, MCP(Model Context Protocol)를 통한 안전한 도구 접근
실제 질의 처리 과정을 시연하며, 단일/멀티 에이전트 협업 및 반복적 상호 검토를 통해 다양한 문제 해결 능력을 보여줌
멀티 에이전트 시스템 아키텍처 심층 분석
본 시스템은 코디네이터 기반 스웜(coordinator-orchestrated dynamic swarm) 패턴을 핵심으로, AWS Strands Agents를 사용하여 구축됨.
코디네이터: 들어오는 질의를 분석하고, AgentCore Memory에 저장된 과거 상호작용을 확인하거나, 전문가 에이전트 풀에서 임시 스웜을 동적으로 생성
전문가 에이전트: 각 도메인 전문 AWS 솔루션즈 아키텍트처럼 응답하며, 지식 베이스를 실시간 질의하여 정보 획득
핸드오프(Hand-off) 기반 협업: 에이전트들은 서로 질문을 주고받으며 답을 향해 나아가고, 각 에이전트는 전문화된 지식 베이스에서 에이전틱 RAG(Retrieval Augmented Generation) 수행
결과적으로, 단일 에이전트나 단순 지식 베이스 조회로는 불가능한 방식으로, 에이전트들의 관점이 결합된 시스템을 구현했다.
Amazon Bedrock AgentCore의 주요 기능
본 시스템은 Amazon Bedrock AgentCore의 3가지 핵심 기능을 활용하여 구축됨.
Runtime: 에이전트 코드 호스팅을 위한 서버리스 컨테이너 환경 제공, AWS Cloud Development Kit(CDK)를 통해 Docker 컨테이너 자동 빌드 및 배포
Gateway: MCP(Model Context Protocol)를 기반으로, 안전한 도구 접근을 위한 게이트웨이 역할 수행, 다양한 백엔드(AWS Lambda, OpenAPI, 커스텀 MCP 서버) 지원
Memory: 세션 내 단기 메모리(최근 대화 이력 로드)와 세션 간 장기 메모리(시맨틱 메모리 전략)를 통해 대화 연속성 제공
이러한 기능들을 통해, 시스템은 효율적인 에이전트 관리, 안전한 도구 접근, 그리고 지속적인 대화 흐름을 유지한다.
MCP(Model Context Protocol)를 통한 도구 접근
AgentCore Gateway는 MCP(Model Context Protocol)를 통해 에이전트가 도구 및 데이터 소스에 안전하게 접근하도록 지원한다.
MCP: 에이전트가 각 백엔드에 대한 커스텀 통합 없이 도구를 발견하고 호출할 수 있는 개방형 표준
Lambda 함수: 에이전트로부터 도메인 이름과 질의 텍스트를 받아, 적절한 지식 베이스로 라우팅
OAuth: Amazon Cognito와 함께 사용되어, 인가된 에이전트만 지식 베이스에 접근 가능
결과적으로, MCP는 에이전트 생태계 확장을 용이하게 하고, 보안을 강화하며, 에이전트 코드 수정 없이 새로운 도구 추가를 가능하게 한다.
실제 질의 사례 분석: 단일/멀티 에이전트 협업
본문에서는 3가지 질의 사례를 통해 시스템의 동작 방식을 설명한다.
단일 전문가 지식 검색: “AWS PCS가 뭔가요?”와 같은 간단한 질문에 HPC 에이전트가 HPC 지식 베이스를 질의하여 답변
멀티 에이전트 협업: 공장 디지털 트윈 구축 관련 질문에 IoT, 공간 컴퓨팅, 생성형 AI 에이전트가 협업하여 아키텍처 설계
반복적 상호 검토: 기상 시뮬레이션 관련 질문에 HPC 에이전트와 GenAI 에이전트가 서로의 제안에 이의를 제기하고, 문서를 기반으로 검증하며, 반복적으로 개선
이러한 사례들을 통해, 시스템은 다양한 문제 해결 능력을 보여준다.
멀티 에이전트 시스템의 장점과 한계
본 시스템은 초기 리서치 및 종합 시간 단축을 통해 인간 전문가의 업무 효율성을 높이는 데 기여한다.
장점: 추적 가능한 추론, 전문가의 이의 제기를 거친 검증된 비용 추정, 즉시 구현 가능한 구체적인 사양 제공
한계: 실행 시간(수 초가 아닌 6분 이상)이 소요되므로, 즉각적인 답변이 필요한 경우에는 적합하지 않음
핵심 가치: 완벽한 답이 아닌, 인간 전문가가 개선 작업에 집중할 수 있도록 초안 작성 시간을 단축하는 것
결론적으로, 멀티 에이전트 시스템은 상세한 AWS 특화 구현 계획이 필요한 경우에 유용하며, 인간 전문가의 검토를 통해 완성도를 높인다.
